Guía docente de la asignatura / materia:

Inteligencia Artificial en Telecomunicaciones

Curso 2021/2022
Fecha última actualización: 12/07/2021
Fecha de aprobación por la Comisión Académica 16/07/2021

Máster

Máster Universitario en Ingeniería de Telecomunicación

Módulo

Optatividad

Rama

Ingeniería y Arquitectura

Centro en el que se imparte la docencia

E.T.S. de Ingenierías Informática y de Telecomunicación

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Primero

Créditos

4.5

Tipo

Optativa

Tipo de enseñanza

Presencial

Profesorado

  • Francisco Javier García Castellano

Tutorías

Francisco Javier García Castellano

fjgcugr@ugr.es
  • Primer semestre
    • Martes 10:00 a 12:00 (M4 (Fciencia))
    • Jueves 10:00 a 13:00 (M4 (Fciencia))
    • Viernes 12:00 a 13:00 (Bo (Fcyd))
  • Segundo semestre
    • Martes 10:00 a 13:00 (M4 (Fciencia))
    • Miércoles 10:00 a 13:00 (M4 (Fciencia))
    • Miercoles 10:00 a 13:00 (M4 (Fciencia))

Breve descripción de contenidos (Según memoria de verificación del Máster)

  1. Fundamentos de Inteligencia Artificial.
  2. Métodos y Modelos de la Inteligencia Artificial.
  3. Sistemas Expertos.
  4. Aspectos Básicos del Aprendizaje Automático.
  5. Sistemas Multiagente.
  6. Técnicas de Soft Computing.

Prerrequisitos y/o Recomendaciones

No es necesario que los alumnos tengan aprobadas asignaturas, materias o módulos previos como requisito indispensable para cursar esta asignatura. 

Competencias

Competencias Básicas

  • CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
  • CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales

  • CG01. Capacidad para proyectar, calcular y diseñar productos, procesos e instalaciones en todos los ámbitos de la ingeniería de telecomunicación. 
  • CG04. Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la ingeniería de telecomunicación. 

Competencias Específicas

  • CE01. Capacidad para aplicar métodos de la teoría de la información, la modulación adaptativa y codificación de canal, así como técnicas avanzadas de procesado digital de señal a los sistemas de comunicaciones y audiovisuales. 

Competencias Transversales

  • CT01. Capacidad para la aplicación de los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar conocimientos. 
  • CT03. Poseer habilidades para el aprendizaje continuado, autodirigido y autónomo. 

Resultados de aprendizaje (Objetivos)

  1. Entender las técnicas de Inteligencia Artificial (IA) como un mecanismo para obtener y utilizar el conocimiento.
  2. Distinguir entre las distintas técnicas de IA, así como determinar cuál de ellas es apropiada para resolver un determinado problema.
  3. Comprender los distintos métodos y modelos de IA.
  4. Saber aplicar las técnicas de la IA, y en especial las de Soft Computing a problemas concretos de Telecomunicaciones.
  5. Conocer diferentes modelos de aprendizaje y su aplicación en diferentes problemas.
  6. Conocer y saber aplicar Sistemas Multiagente en problemas de telecomunicación.

Programa de contenidos Teóricos y Prácticos

Teórico

  • Tema 1. Fundamentos de Inteligencia Artificial
  • Tema 2. Métodos y Modelos de la Inteligencia Artificial
  • Tema 3. Sistemas Expertos
  • Tema 4. Aspectos Básicos del Aprendizaje Automático
  • Tema 5. Sistemas Multiagente
  • Tema 6. Técnicas de Soft Computing

Práctico

Seminarios:

  • Seminario 1: Aplicaciones de la Inteligencia Artificial.
  • Seminario 2: Desarrollo de Sistemas Expertos.
  • Seminario 3: Aprendizaje Automático.
  • Seminario 4: Deep Learning.
  • Seminario 5: Preprocesamiento de datos.

Prácticas de laboratorio:

  • Práctica 1: Aplicaciones de la Inteligencia Artificial. Resolución de un problema mediante búsqueda en espacio de estados.
  • Práctica 2: Desarrollo de un prototipo de Sistema Experto.
  • Práctica 3: Aplicación de un modelo de aprendizaje automático a la resolución de un problema.
  • Práctica 4: Aplicar Sistemas Multiagente en problemas de telecomunicación.
  • Práctica 5: Redes neuronales.

Bibliografía

Bibliografía fundamental

  • N. Nilsson, Inteligencia Artificial: una nueva síntesis, Ed. Mac Graw Hill, 2000.
  • E. Rich, K. Knight, Inteligencia Artificial, Segunda Edición, Mc Graw Hill Co. 1992.
  • S. Russell, P. Norvig, Inteligencia Artificial: un Enfoque Moderno, Segunda Edición, Ed. Pearson-Prentice Hall, 2004. http://aima.cs.berkeley.edu/
  • I. Goodfellow, y. Bengio, A. Courville. Deep learning. MIT press. 2016. https://www.deeplearningbook.org/

Bibliografía complementaria

  • Lex Fridman. Deep Learning and Artificial Intelligence Lectures. MIT, 2020. https://deeplearning.mit.edu/
  • F.F. Luger, Artificial Intelligence: Structures and strategies for complex problem solving, Sixth Edition, Pearson International Edition, 2009.
  • M. T. Jones, Artificial Intelligence: A systems approach, Computer Sciences Series, 2008.
  • T. Mitchell, Machine Learning , Ed. Mac Graw-Hill, 1998.
  • Lucas, Peter; Van Der Gaag, Linda. Principles of Expert Systems. Ed. Addison Wesley
  • Ian H. Witten, Eibe Frank, Mark A. Hall. Data Mining: Practical Machine Learning Tools and Techniques (Third Edition). Morgan Kaufmann Publishers, 2011.
  • Joseph C. Giarratano, Gary D. Riley. Expert Systems: Principles and Programming, Fourth Edition (4th Edition). PWS Publishing Co, 1994.
  • A. Geron. Aprende Machine Learning con Scikit-Learn, Keras y TensorFlow. Anaya Multimedia, 2020.

Enlaces recomendados

Metodología docente

  • MD01 Lección magistral/expositiva 
  • MD02 Resolución de problemas 
  • MD03 Estudio de casos prácticos 
  • MD04 Prácticas de laboratorio 
  • MD06 Realización de trabajos individuales 
  • MD07 Tutorías académicas 

Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)

Evaluación Ordinaria

Todo lo relativo a la evaluación se regirá por la Normativa de evaluación y calificación de los estudiantes vigente en la Universidad de Granada, que puede consultarse en: https://www.ugr.es/universidad/normativa/basica.


Se ajustará al sistema de evaluación continua del aprendizaje del estudiante atendiendo a los siguientes apartados:

  • Parte Teórica: Realización de un proyecto por los alumnos de un tema propuesto por el profesor que permitirá evaluar los conocimientos y competencias adquiridos. Supondrá el 60% de la calificación final.
  • Parte Práctica: Seguimiento del trabajo de los alumnos en el laboratorio, la resolución de problemas, entregas de informes/memorias/prácticas realizados por los alumnos. Supondrá el 40% de la calificación final.

La calificación global corresponderá por tanto a la puntuación ponderada de los diferentes aspectos y actividades que integran el sistema de evaluación. Por tanto, el resultado de la evaluación será una calificación numérica obtenida mediante la suma ponderada de las calificaciones correspondientes a la parte teórica y a la parte práctica.

Evaluación Extraordinaria

En el caso de la convocatoria extraordinaria, la evaluación se realizará mediante un único examen escrito, con una parte relacionada con la teoría (60%) y otra con las prácticas (40%). Para la convocatoria extraordinaria el alumnado podrá optar por conservar la valoración obtenida en la parte teórica o práctica de la convocatoria ordinaria.

Evaluación única final

El artículo 8 de la Normativa de Evaluación y Calificación de los Estudiantes de la Universidad de Granada establece que podrán acogerse a la evaluación única final, el estudiante que no pueda cumplir con el método de evaluación continua por causas justificadas.

Para acogerse a la evaluación única final, el estudiante, deberá solicitarlo en las dos primeras semanas de impartición de la asignatura o, excepcionalmente, en las dos primeras semanas tras la matriculación en la asignatura. Lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, quien dará traslado al profesorado correspondiente, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua.

Esta modalidad de evaluación se realizará en un solo acto académico en la fecha establecida por el Centro y consistirá en un examen escrito (evaluado de 0 a 10) incluirá preguntas tanto de tipo teórico como práctico que garanticen que el alumno ha adquirido la totalidad de las competencias descritas en esta misma guía docente.

 

Información adicional

  • Plataforma docente http://prado.ugr.es/.
  • Información sobre el Plagio:
    1. La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a los estudiantes que el plagio es una práctica contraria a los principios que rigen la formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su protección de acuerdo con la propiedad intelectual según establezca la legislación vigente.
    2. El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se hubiera detectado, independientemente del resto de las calificaciones que el estudiante hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades disciplinarias en las que pudieran incurrir los estudiantes que plagien.
    3. Los trabajos y materiales entregados por parte de los estudiantes tendrán que ir firmados con una declaración explícita en la que se asume la originalidad del trabajo, entendida en el sentido de que no ha utilizado fuentes sin citarlas debidamente.

Escenario A (Enseñanza-Aprendizaje presencial y tele-presencial)

Horario (Según lo establecido en el POD)

El horario de tutorías actualizado se puede consultar en http://decsai.ugr.es/index.php?p=profesores

 

 

Herramientas para la atención tutorial (Indicar medios telemáticos para la atención tutorial)

Plataforma Prado
Plataforma Google Meet
Correo electrónico (fjgc@decsai.ugr.es )

Medidas de adaptación de la metodología docente

El profesorado de la asignatura adaptará, total o parcialmente, los contenidos para su impartición online en los horarios establecidos por el centro.
Esta adaptación estará sujeta a los condicionantes de infraestructura y medios que existan en el momento de adopción del Escenario A.
Se utilizarán las plataformas y herramientas proporcionadas por la Universidad de Granada.

Evaluación Ordinaria

Para todas aquellas actividades evaluables que no se puedan realizar de manera presencial, se aplicará lo establecido en el escenario B.

Evaluación Extraordinaria

Para todas aquellas actividades evaluables que no se puedan realizar de manera presencial, se aplicará lo establecido en el escenario B.

Evaluación única final

Si el examen no se puede realizar de manera presencial, se aplicará lo establecido en el escenario B.

Escenario B (Suspensión de la actividad presencial)

Horario (Según lo establecido en el POD)

El horario de tutorías actualizado se puede consultar en http://decsai.ugr.es/index.php?p=profesores

Herramientas para la atención tutorial (Indicar medios telemáticos para la atención tutorial)

Plataforma Prado
Plataforma Google Meet
Correo electrónico (fjgc@decsai.ugr.es )

Medidas de adaptación de la metodología docente

El profesorado de la asignatura adaptará, total o parcialmente, los contenidos para su impartición online preferentemente en los horarios establecidos por el centro.
Esta adaptación estará sujeta a los condicionantes de infraestructura y medios que existan en el momento de adopción del Escenario B.
Se utilizarán las plataformas y herramientas proporcionadas por la Universidad de Granada.

Evaluación Ordinaria

La evaluación de la parte teórica, se realizará mediante la realización de un proyecto por el estudiante, la defensa del mismo, en caso de realizarse, se hará mediante una entrevista por videoconferencia.
La evaluación de la parte práctica se hará mediante entregas de ejercicios propuestos por el profesor en las sesiones de prácticas.

Evaluación Extraordinaria

En el caso de la convocatoria extraordinaria, la evaluación se realizará mediante un único multi-pregunta, con una parte relacionada con la teoría (60%) y otra con las prácticas (40%), utilizando las herramientas y plataformas provistas por la Universidad de Granada sobre los contenidos de la materia impartida.

 

Evaluación única final

La evaluación se realizará mediante un único multi-pregunta, con una parte relacionada con la teoría (60%) y otra con las prácticas (40%), utilizando las herramientas y plataformas provistas por la Universidad de Granada sobre los contenidos de la materia impartida.