Master Universitario en Investigación en Inteligencia ... · CE3 - Seleccionar el mecanismo de...
Transcript of Master Universitario en Investigación en Inteligencia ... · CE3 - Seleccionar el mecanismo de...
Asociación Española para la Inteligencia Artificial (AEPIA)
AEPIA-UIMP
MásterUniversitarioenInvestigaciónenInteligenciaArtificial
AEPIAyUIMP
Masteron-linedeuncursoacadémicodeduración(octubre2019ajulio2020)
CuartaEdición,curso2019/20
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página2de12
MásterUniversitarioenInvestigaciónenInteligenciaArtificialTerceraEdición
InformacióndetalladaenlapáginawebdelmásterenUIMP:http://www.uimp.es/postgrado/estudios/fichaestudio.php?plan=P04C&any=2018-19&verasi=N&lan=es#
Índice
Presentación 2Competencias 3AsignaturasyEspecialidades 5Competenciasquecubrenlasasignaturas 5Especialidades 6Orientacióndecómoestudiarestasasignaturas 7Listadodeprofesoradodistribuidoporasignaturas 8FechasImportantes 10Normativas 11
PresentaciónEsunMásterOficialverificadoporlaANECA,completamenteonlineyorganizadoporla Asociación Española para la Inteligencia Artificial (AEPIA) y la UniversidadInternacionalMenéndezPelayo(UIMP).ElMástertieneunañodeduración.Cadaestudiantedeberácursar60créditos.Enelcurso 2019/20 se impartirá su cuarta edición (segunda con el plan de estudiosmodificadoenelqueseincluyenasignaturasnuevasrespectoalasdosprimeras).Enestedocumentosepresentanbrevementeloscontenidosylaorganizaciónprevistaenestemáster.
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página3de12
CompetenciasLascompetenciasquesevanacubrirenesteMástersonlasqueselistanenlatablasiguiente.Losalumnosdebencursarasignaturasqueentretodasreúnanestascompetencias.3.1COMPETENCIASBÁSICASYGENERALES
BÁSICAS
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de seroriginales en el desarrollo y/o aplicación de ideas, a menudo en un contexto deinvestigación
CB7 -Que losestudiantes sepanaplicar los conocimientosadquiridosy sucapacidadderesolucióndeproblemasenentornosnuevosopococonocidosdentrodecontextosmásamplios(omultidisciplinares)relacionadosconsuáreadeestudio
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a lacomplejidad de formular juicios a partir de una información que, siendo incompleta olimitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a laaplicacióndesusconocimientosyjuicios
CB9-Quelosestudiantessepancomunicarsusconclusionesylosconocimientosyrazonesúltimasquelassustentanapúblicosespecializadosynoespecializadosdeunmodoclaroysinambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitancontinuar estudiando de un modo que habrá de ser en gran medida autodirigido oautónomo.
GENERALES
CG1-Entenderlosconceptos,losmétodosylasaplicacionesdelainteligenciaartificial
CG2-EvaluarnuevasherramientascomputacionalesydegestióndelconocimientoenelámbitodelaInteligenciaArtificial
CG3-Gestionardemanerainteligentelosdatos,lainformaciónysurepresentación
CG4-Describirproblemasdeinvestigaciónmediantelaredacciónprecisadelosobjetivosa lograr, las hipótesis a utilizar, las técnicas a aplicar, las conjeturas a formular y laslimitacionesaconsiderar
CG5 - Evaluar las hipótesis de investigación propuestas en un trabajo científico quepermitansuvalidaciónosurefutación
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página4de12
3.2COMPETENCIASTRANSVERSALES
-
3.3COMPETENCIASESPECÍFICAS
CE1 - Utilizar los diferentes algoritmos de búsqueda basados en la gestión delconocimiento que sean de aplicación en los problemas que surgen en el ámbito de laInteligenciaArtificial
CE2 - Aplicar las técnicas de aprendizaje automático utilizando la metodología devalidaciónypresentaciónderesultadosmásapropiadaencadacaso
CE3 - Seleccionar el mecanismo de representación del conocimiento y el método derazonamientomásadecuadosal contextodondeseránutilizadosydiseñar suaplicaciónparaproblemasenelámbitodelaInteligenciaArtificial
CE4 - Conocer los principales modelos de razonamiento impreciso para valorar suadecuación a la resolución de problemas que surgen en el ámbito de la InteligenciaArtificial
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación enInteligenciaArtificialparapoderdeterminarcuálesdeellassonrelevantesenlaresolucióndeproblemasconcretos
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página5de12
AsignaturasyEspecialidades
LasasignaturasdelMásterestánorganizadasen4bloques:FundamentosdelaInteligenciaArtificialEspecialidad1:AprendizajeyCienciadeDatosEspecialidad2:InteligenciaenlaWebEspecialidad3:RazonamientoyPlanificación
AdemásdeestasasignaturaselMástercuentacondosasignaturasobligatorias:IntroducciónalaInvestigación(3créditos)TrabajoFindeMáster(12créditos)
Losalumnostienenquecursar:
• Lasdosmateriasobligatorias(15créditos)• Lasasignaturasincluidasenunaespecialidad(22.5créditos).• Asignaturas por valor total de 22.5 créditos, elegidas entre todas las
asignaturas restantes (especialidades distintas a la elegida y bloque deFundamentosde I.A.)de formaqueentre todas lasasignaturas seobtienentodas las competencias listadas anteriormente (CB6-CB10, CG1-CG5 y CE1-CE5).
Asignaturas
Lasiguientetablamuestraelconjuntodecompetenciascubiertasporcadaasignatura.
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página6de12
Especialidades
LasiguientetablamuestralasasignaturascorrespondientesacadaunadelastresespecialidadesdelMáster,asícomolascompetenciasalcanzadasconellas(ylasdosasignaturasobligatorias)ylasqueesnecesariocompletarmedianteelconjuntodeasignaturasadicionales(22.5créditos)aseleccionar.
ESPECIALIDADES
CB6 CB7 CB8 CB9 CB10 CG1 CG2 CG3 CG4 CG5 CE1 CE2 CE3 CE4 CE5X X X X X X
X X X X X X X XX X X X X X X XX X X X X X X X XX X X X X X X X X
X X X
X X X X X X X X X X X
CB6 CB7 CB8 CB9 CB10 CG1 CG2 CG3 CG4 CG5 CE1 CE2 CE3 CE4 CE5X X X X X X
X X X X X X X X X XX X X X X X X XX X X X X X X X XX X X X X X X X X
A20: Métodos empíricos de procesamieto del lenguaje natural X X X X X X X X X
X
X X X X X X X X X X X
CB6 CB7 CB8 CB9 CB10 CG1 CG2 CG3 CG4 CG5 CE1 CE2 CE3 CE4 CE5X X X X X X
X X X X X X X X XX X X X X X X X X XX X X X X X X X XX X X X X X X X X
A21: Aprendizaje por refuerzo X X X X X X X X X
X
X X X X X X X X X X XTrabajo Fin de Máster
A15: Razonamiento automáticoA16: Planificación automáticaA17: Búsqueda heurística avanzadaA18: Razonamiento con restricciones
5 optativas que entre todas incluyan, como mínimo, la competencias señalada con X al no haberse adquirido en ninguna de las asignaturas anteriores (C2)
A6: Introducción a la investigación: ESPECIALIDAD 3: Razonamiento y Planificación
5 optativas que entre todas incluyan, como mínimo, la competencia señalada con X al no haberse adquirido en ninguna de las asignaturas anteriores (C1)
Trabajo Fin de Máster
Especialidad 3: RAZONAMIENTO Y PLANIFICACIÓNBásicas Generales Específicas
ESPECIALIDAD 2: Inteligencia en la WebA11: Web semántica y datos enlazadosA12: Tecnologías semánticas avanzadasA13: Sistemas de RecomendaciónA14: Recuperación y extracción de información, grafos y redes sociales
A6: Introducción a la investigación:
102472 - A9: Datos temporales y complejos102473 - A10: Big Data: Herramientas para el procesamiento de datos masivos
5 optativas que entre todas incluyan, como mínimo, las competencias señaladas con X al no haberse adquirido en ninguna de las asignaturas anteriores (C1, C3 y C4)
Trabajo Fin de Máster
Especialidad 2: INTELIGENCIA EN LA WEBBásicas Generales Específicas
ESPECIALIDAD 1: Aprendizaje y Ciencia de Datos102470 - A7: Métodos supervisados102471 - A8: Métodos no supervisados y detección de anomalías
Especialidad 1: APRENDIZAJE Y CIENCIA DE DATOSBásicas Generales Específicas
102463 - A6: Introducción a la investigación:
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página7de12
OrientacióndecómoestudiarestasasignaturasComoyaseindicó,elMásteresenteramenteonline.Elalumnadomarcalostiemposyelordendelosestudios.Pero,atítuloorientativo,laComisiónAcadémicaaconsejalatemporizaciónsiguiente:1) IntroducciónalaInvestigación
TécnicasavanzadasderepresentacióndelconocimientoyrazonamientoResolucióndeproblemasconmetaheurísticos
2) Cienciadedatosyaprendizajeautomático
ProcesamientodellenguajenaturalSistemasmulti-agente
3) Métodossupervisados
WebsemánticaydatosenlazadosRazonamientoautomático
4) DeepLearning Métodosnosupervisadosydeteccióndeanomalías
TecnologíassemánticasavanzadasPlanificaciónautomática
5) Métodosempíricosdeprocesamientodellenguajenatural
DatostemporalesycomplejosRecuperaciónyextraccióndeinformación,grafosyredessocialesRazonamientoconrestricciones
6) BigData:Herramientasparaelprocesamientodedatosmasivos
SistemasdeRecomendaciónAprendizajeporrefuerzoBúsquedaheurísticaavanzada
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página8de12
Listadodeprofesoradodistribuidoporasignaturas
MATERIAOBLIGATORIA
A6:IntroducciónalainvestigaciónSenénBarroJoséLuisBalcazar
FUNDAMENTOSDELAINTELIGENCIAARTIFICIAL
A1:Técnicasavanzadasderepresentacióndelconocimientoyrazonamiento
SerafínMoralHumbertoBustinceLuisMartínez
A2:Resolucióndeproblemasconmetaheurísticos
EnriqueAlbaJoséAntonioLozanoJoséAndrésPérezMoreno
A3:Cienciadedatosyaprendizajeautomático
JoséAntonioGámezMaríaJosédelJesúsJoséH.OralloFranciscoCharteOjeda
A4:ProcesamientodellenguajenaturalLuisAlfonsoUreñaMaríaTeresaMartínValdiviaEugenioMartínezCámara
A5:Sistemasmulti-agenteCarlosSierraVicenteBottiSaschaOssowski
A19:DeepLearning
OscarLuacesJorgeDíezBeatrizRemeseiro
APRENDIZAJEYCIENCIADEDATOS
Métodossupervisados
PedroLarrañagaConchaBielzaIñakiInzaBojanMihaljevic
Métodosnosupervisadosydeteccióndeanomalías
JuanCarlosCuberoSebastiánVentura
DatostemporalesycomplejosJoséRiquelmeAliciaTroncosoJuanJosédelCoz
BigData:Herramientasparaelprocesamientodedatosmasivos
AmparoAlonsoBetanzosDavidMartínezRegoVerónicaBolónCarlosEiras
INTELIGENCIAENLAWEB
Websemánticaydatosenlazados
OscarCorchoRaúlGarcía-CastroIdafenSantanaPérezMarianoRicoAlmodóvar
Tecnologíassemánticasavanzadas MaríadelCarmenSuarezdeFigueroa
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página9de12
BaonzaMarianoFernándezLópezMaríaPovedaVillalónVíctorRodríguezDoncelJorgeGraciadelRioElenaMontielPonsoda
SistemasdeRecomendación
AntonioBahamondeJuanHueteJuanManuelFernándezLunaOscarLuacesJorgeDíez
Recuperaciónyextraccióndeinformación,grafosyredessociales
OscarCordónJuanManuelFernándezLuna
Métodosempíricosdeprocesamientodellenguajenatural
CarlosGómezRodríguezMiguelA.AlonsoPardoElenaLloretPastorYoanGutiérrezVázquezPatricioMartínezBarcoJesúsVilaresFerro
RAZONAMIENTOYPLANIFICACIÓN
Razonamientoautomático
AlbertoJoséBugarínDizRobertoConfalonieriLluisGodoLacasaLuisMagdalenaLayosFelipManyàJuanAntonioRodríguezAguilar
Planificaciónautomática EvaOnaindiaDanielBorrajo
Búsquedaheurísticaavanzada PedroMeseguerLawrenceMandow
Razonamientoconrestricciones PedroMeseguerCaminoRodríguez-Vela
Aprendizajeporrefuerzo FernandoFernándezRebolloAndersJonsson
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página10de12
FechasImportantesTodaslasasignaturasdelMásterestaránabiertasdesdemediadosdeoctubrehastael1dejuliode2020.Para la convocatoria ordinaria, habrá 3 fechas de entrega para los trabajos de lasasignaturas. Los alumnos podrán entregar sus trabajos en cualquiermomento, perosoloenestasfechasserecogerányevaluaránlosquesehayanentregado.Lasfechasserán:
20/12/19,28/2/20,29/5/20
Habráunaconvocatoriaextraordinariaentodaslasasignaturas.Parasuevaluación,lafechalímiteparalaentregadetrabajosserá:
1/07/19
ParalosTrabajosFindeMásterhabrádosconvocatorias:15/7/20(convocatoriaordinaria)15/9/20(convocatoriaextraordinaria)
LasActasdelaconvocatoriaordinariasecerraránenJuliode2020ylasdelaconvocatoriaextraordinariaenSeptiembrede2020.
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página11de12
Preinscripciónparaelcurso2019-20ymásinformaciónLapreinscripciónparaelcurso2019-20comienzael1deabrilde2019,extendiéndosehastael12dejulio(plazoordinario).Sinosecubrierantodaslasplazasseabriráunplazoextraordinariodel19deagostoal6deseptiembrede2019.LapreinscripciónpuederealizarsedesdelapáginawebdelMásterenlaUIMP:http://www.uimp.es/actividades-academicas/postgrado-e-investigacion/estudios/masteres-universitarios/preinscripcion-y-matricula-en-masteres-universitarios.htmlLainformacióncompletadelmásterestádisponibleen:
- WebdeAEPIAhttp://www.aepia.org/aepia/index.php/masteria
- WebdelaUIMPhttp://www.uimp.es/postgrado/estudios/fichaestudio.php?plan=P04C&any=2018-19&verasi=N&lan=es#
Lasnormativasy la informacióndetalladasobre losTrabajosFindeMásteraparecenpublicadasenlacorrespondienteguíadocenteenlawebdelMásterenlaUIMP:http://www.uimp.es/postgrado/estudios/fichaasig.php?plan=P04C&any=2018-19&asi=102484&dis=2&lan=es
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página12de12
NormativadereconocimientoytransferenciadecréditosElreconocimientodecréditosenelMUIIAserigeporla
• “Normativadereconocimientoytransferenciadecréditos”delaUIMP,enlazadadesdelapáginawebdelmásterydisponibleen
o http://www.uimp.es/actividades-academicas/postgrado-e-investigacion/estudios/masteres-universitarios/normativa-de-reconocimiento-y-transferencia-de-creditos.html
• MemoriaverificadadelMUIIA,enlazadasdesdelapáginawebdelmásterydisponibleen
o http://www.uimp.es/uxxiconsultas/ficheros/9/475872018_Memoria_Inteligencia_Artificial_MODIFICADA.pdf
Enlaqueseindicaexplícitamentequenosereconoceráncréditosprovenientesde:
• Enseñanzassuperioresoficialesnouniversitarias• Títulospropios• Acreditacióndeexperiencialaboralyprofesional
PorloqueúnicamenteseestudiaránlassolicitudesbasadasenhabercursadoasignaturasafinesrealizadasenMásteresUniversitariosOficialesyenProgramasdeDoctorado.