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.


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


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


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.


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


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


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:


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


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


Página9de12

BaonzaMarianoFernándezLópezMaríaPovedaVillalónVíctorRodríguezDoncelJorgeGraciadelRioElenaMontielPonsoda

SistemasdeRecomendación

AntonioBahamondeJuanHueteJuanManuelFernándezLunaOscarLuacesJorgeDíez

Recuperaciónyextraccióndeinformación,grafosyredessociales

OscarCordónJuanManuelFernándezLuna

Métodosempíricosdeprocesamientodellenguajenatural

CarlosGómezRodríguezMiguelA.AlonsoPardoElenaLloretPastorYoanGutiérrezVázquezPatricioMartínezBarcoJesúsVilaresFerro

RAZONAMIENTOYPLANIFICACIÓN

Razonamientoautomático

AlbertoJoséBugarínDizRobertoConfalonieriLluisGodoLacasaLuisMagdalenaLayosFelipManyàJuanAntonioRodríguezAguilar

Planificaciónautomática EvaOnaindiaDanielBorrajo

Búsquedaheurísticaavanzada PedroMeseguerLawrenceMandow

Razonamientoconrestricciones PedroMeseguerCaminoRodríguez-Vela

Aprendizajeporrefuerzo FernandoFernándezRebolloAndersJonsson


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.


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


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.

Master Universitario en Investigación en Inteligencia ... · CE3 - Seleccionar el mecanismo de...

Documents

Transcript of Master Universitario en Investigación en Inteligencia ... · CE3 - Seleccionar el mecanismo de...