Guía docente de Soft Computing: Conjuntos y Sistemas Difusos (M51/56/3/26)

Curso 2023/2024
Fecha de aprobación por la Comisión Académica 26/07/2023

Máster

Máster Universitario en Ciencia de Datos e Ingeniería de Computadores

Módulo

Módulo de Tecnologías Inteligentes e Inteligencia Computacional

Rama

Ingeniería y Arquitectura

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Primero

Créditos

4

Tipo

Optativa

Tipo de enseñanza

Presencial

Profesorado

  • Francisco Javier Cabrerizo Lorite
  • Alberto Luis Fernández Hilario
  • Antonio González Muñoz
  • Nicolás Marín Ruiz

Tutorías

Francisco Javier Cabrerizo Lorite

Email
  • Tutorías 1º semestre
    • Martes 15:30 a 18:30 (D16 Etsiit)
    • Jueves 9:30 a 12:30 (D68 Etsiccp)
  • Tutorías 2º semestre
    • Jueves 10:00 a 13:00 (D16 Etsiit)

Alberto Luis Fernández Hilario

Email
  • Tutorías 1º semestre
    • Martes 10:00 a 12:00 (Mect (F Ciencias))
    • Jueves 9:00 a 11:00 (Mect (F Ciencias))
    • Jueves 12:00 a 14:00 (Mect (F Ciencias))
  • Tutorías 2º semestre
    • Jueves 10:00 a 13:00 (D16 Etsiit)
    • Viernes 10:00 a 13:00 (D16 Etsiit)

Antonio González Muñoz

Email
  • Tutorías 1º semestre
    • Martes 8:30 a 11:30 (D40 Etsiit)
    • Jueves 8:30 a 11:30 (D40 Etsiit)
  • Tutorías 2º semestre
    • Lunes 17:30 a 18:30 (D40 Etsiit y Google Meet)
    • Jueves 8:00 a 11:30 (D40 Etsiit y Google Meet)
    • Viernes 8:00 a 9:30 (D40 Etsiit y Google Meet)

Nicolás Marín Ruiz

Email
  • Tutorías 1º semestre
    • Martes 9:30 a 12:00 (D17 Etsiit)
    • Miércoles 12:30 a 13:30 (D 68 (Etsiccp))
    • Miércoles 9:30 a 11:30 (D17 Etsiit)
    • Jueves 9:00 a 9:30 (D 68 (Etsiccp))
  • Tutorías 2º semestre
    • Lunes 10:30 a 13:30 (D17 Etsiit)
    • Martes 10:30 a 13:30 (D17 Etsiit)

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

  • Conjuntos y Lógica Difusa (1 ECTS).
  • Sistemas Difusos (1 ECTS).
  • Razonamiento Aproximado y Sistemas Basados en Reglas Difusas (1 ECTS).
  • Tratamiento de Datos Imprecisos en Bases de Datos (1 ECTS).

Prerrequisitos y/o Recomendaciones

Sin requisitos previos.

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.

Resultados de aprendizaje (Objetivos)

El estudiante debe ser capaz de

  • Manejar convenientemente los conceptos de conjuntos difusos y representar de forma apropiada en problemas reales la imprecisión, la preferencia y la incertidumbre.
  • Conocer las metodologías de diseño y construcción de sistemas difusos para resolver problemas concretos.
  • Conocer los diferentes sistemas basados en reglas difusas, entender y seleccionar los diferentes parámetros que intervienen en su diseño y poder construir sistemas que resuelvan problemas concretos haciendo uso de las diferentes técnicas de construcción de los mismos.
  • Conocer los fundamentos teóricos, las similitudes y las diferencias de los diferentes modelos de bases de datos difusas de la literatura.
  • Incorporar en un SGBD los principales elementos de una Bases de Datos Imprecisa.
  • Aplicar las diferentes propuestas a un ejercicio práctico sobre prototipos reales.

Programa de contenidos Teóricos y Prácticos

Teórico

  • Tema 1: Fundamentos de Conjuntos y Sistemas Difusos.
  • Tema 2: Sistemas Basados en Reglas Difusas.
  • Tema 3: Sistemas Difusos: Inteligencia Artificial Explicable mediante modelos de reglas transparentes. 
  • Tema 4: Extensiones de Representación Difusa: Aplicaciones en toma de decisiones.
  • Tema 5: Bases de Datos Difusas.

Práctico

  • Aproximaciones básicas con SCBRDs: Temas 1, 2 y 3.
  • Aplicaciones en toma de decisiones: Tema 4.
  • Consulta flexible de bases de datos: Tema 5.

Bibliografía

Bibliografía fundamental

Bibliografía complementaria

Metodología docente

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

Evaluación Ordinaria

La evaluación consistirá de varias pruebas realizadas durante el curso:

Prueba Peso Total Contenidos
P1: Examen escrito 60% Temas 1-3 (20%), Tema 4 (15%), Tema 5 (25%)
P2: Actividad práctica 40% Temas 2 y 3 (30%), Tema 4 (10%)

Evaluación Extraordinaria

La evaluación extraordinaria se realizará mediante un examen que tendrá 2 partes: una primera parte con cuestiones relativas a lo indicado en la prueba P1 de la convocatoria ordinaria (60%), y una segunda parte con cuestiones relativas a la prueba P2 de la convocatoria ordinaria (40%). El estudiante podrá optar por realizar únicamente una de las partes, y conservar la nota alcanzada en la convocatoria ordinaria.

Evaluación única final

La evaluación extraordinaria se realizará mediante un examen que tendrá 2 partes: una primera parte con cuestiones relativas a lo indicado en la prueba P1 de la convocatoria ordinaria (60%), y una segunda parte con cuestiones relativas a la prueba P2 de la convocatoria ordinaria (40%).

Información adicional