Master Universitario en Investigación en Inteligencia ... Universitario en Investigacion en... · MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL Página 4de 12

Asociación Española para la Inteligencia Artificial (AEPIA)

AEPIA-UIMP

MásterUniversitarioenInvestigaciónenInteligenciaArtificial

AEPIAyUIMP

Masteron-linedeuncursoacadémicodeduración(octubre2019ajulio2020)

CuartaEdición,curso2019/20

MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL

Página2de12

MásterUniversitarioenInvestigaciónenInteligenciaArtificialCuartaEdición

InformacióndetalladaenlapáginawebdelmásterenUIMP:http://www.uimp.es/postgrado/estudios/fichaestudio.php?plan=P04C&any=2019-20&verasi=N&lan=es#

Índice

Presentación 2Competencias 3AsignaturasyEspecialidades 5Competenciasquecubrenlasasignaturas 5Especialidades 6Orientacióndecómoestudiarestasasignaturas 7Listadodeprofesoradodistribuidoporasignaturas 8FechasImportantes 10Normativas 11

PresentaciónEs unMáster Universitario Oficial verificado por la ANECA, completamente online yorganizado por la Asociación Española para la Inteligencia Artificial (AEPIA) y laUniversidadInternacionalMenéndezPelayo(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,siendoelalumnadoquiénmarcalos tiempos y el orden de los estudios. Sin embargo, la Comisión Académicarecomiendaajustarsealasiguientetemporización.EnelcasodelosalumnosaTiempoParcialesteordenseveráreflejadoenlaselección(matrícula)delasasignaturasparaelprimerysegundoaño.1) IntroducciónalaInvestigación

TécnicasavanzadasderepresentacióndelconocimientoyrazonamientoResolucióndeproblemasconmetaheurísticos

2) Cienciadedatosyaprendizajeautomático

ProcesamientodellenguajenaturalSistemasmulti-agente

3) Métodossupervisados

WebsemánticaydatosenlazadosRazonamientoautomático

4) DeepLearning Métodosnosupervisadosydeteccióndeanomalías

TecnologíassemánticasavanzadasPlanificaciónautomática

5) Métodosempíricosdeprocesamientodellenguajenatural

DatostemporalesycomplejosRecuperaciónyextraccióndeinformación,grafosyredessocialesRazonamientoconrestricciones

6) SistemasdeRecomendación

AprendizajeporrefuerzoBúsquedaheurísticaavanzadaBigData:Herramientasparaelprocesamientodedatosmasivos


Página8de12

Listadodeprofesoradodistribuidoporasignaturas

MATERIAOBLIGATORIA

A6:IntroducciónalainvestigaciónSenénBarroJoséLuisBalcazar

FUNDAMENTOSDELAINTELIGENCIAARTIFICIAL

A1:Técnicasavanzadasderepresentacióndelconocimientoyrazonamiento

SerafínMoralHumbertoBustinceLuisMartínez

A2:Resolucióndeproblemasconmetaheurísticos

EnriqueAlbaJoséAntonioLozanoJoséAndrésPérezMoreno

A3:Cienciadedatosyaprendizajeautomático

JoséAntonioGámezMaríaJosédelJesusJoséH.OralloFranciscoCharteOjeda

A4:ProcesamientodellenguajenaturalLuisAlfonsoUreñaMaríaTeresaMartínValdiviaEugenioMartínezCámara

A5:Sistemasmulti-agenteCarlosSierraVicenteBottiSaschaOssowski

A19:DeepLearningOscarLuacesJorgeDíezBeatrizRemeseiro

APRENDIZAJEYCIENCIADEDATOS

Métodossupervisados

PedroLarrañagaConchaBielzaIñakiInzaBojanMihaljevic

Métodosnosupervisadosydeteccióndeanomalías

JuanCarlosCuberoSebastiánVentura

Datostemporalesycomplejos

JoséRiquelmeAliciaTroncosoJuanJosédelCoz

BigData:Herramientasparaelprocesamientodedatosmasivos

AmparoAlonsoBetanzosDavidMartínezRegoVerónicaBolónCarlosEiras

INTELIGENCIAENLAWEB

Websemánticaydatosenlazados

OscarCorchoRaúlGarcía-CastroIdafenSantanaPérezMarianoRicoAlmodóvar


Página9de12

Tecnologíassemánticasavanzadas

MaríadelCarmenSuarezdeFigueroaBaonzaMarianoFernándezLópezMaríaPovedaVillalónVíctorRodríguezDoncelJorgeGraciadelRioElenaMontielPonsoda

SistemasdeRecomendación

JorgeDíezJuanHueteJuanManuelFernándezLunaOscarLuacesAntonioBahamonde

Recuperaciónyextraccióndeinformación,grafosyredessociales

OscarCordónJuanManuelFernándezLuna

Métodosempíricosdeprocesamientodellenguajenatural

CarlosGómezRodríguezMiguelA.AlonsoPardoElenaLloretPastorYoanGutiérrezVázquezJesúsVilaresFerro

RAZONAMIENTOYPLANIFICACIÓN

Razonamientoautomático

AlbertoJoséBugarínDizRobertoConfalonieriLluisGodoLacasaLuisMagdalenaLayosFelipManyàJuanAntonioRodríguezAguilar

Planificaciónautomática EvaOnaindiaDanielBorrajo

Búsquedaheurísticaavanzada PedroMeseguerLawrenceMandow

Razonamientoconrestricciones PedroMeseguerCaminoRodríguez-Vela

Aprendizajeporrefuerzo FernandoFernándezRebolloAndersJonsson


Página10de12

FechasImportantes[Modificadoa28deabrilde2020]Todas lasasignaturasdelMásterestaránabiertasdesdeel15deoctubrehastael15deseptiembrede2020.Para la convocatoria ordinaria, habrá 3 fechas de entrega para los trabajos de lasasignaturas. Los alumnos podrán entregar sus trabajos en cualquiermomento, perosoloenestasfechasserecogerányevaluaránlosquesehayanentregado.Lasfechasserán:

20/12/19,15/03/20,del31/05/20al19/06/20

Habráunaconvocatoriaextraordinariaentodaslasasignaturas.Parasuevaluación,lafechalímiteparalaentregadetrabajosserá:

del1/07/20al1/09/20

Loanterior son fechasgenerales,peroalgunasasignaturaspuedenestablecer fechasparticularesparaelección/presentacióndetrabajosuotraspruebasquenoseajustenalosentregablesgenerales,porloquelosalumnosdeberánestarpendientesdeestosavisosenlosrespectivosespaciosvirtualesdelasasignaturas.

ParalosTrabajosFindeMásterhabrádosconvocatorias:

• Convocatoriaordinaria:o Solicitudhastael1/07/20o Entregahastael8/07/20o Defensael15/07/20

• Convocatoriaextraordinaria:o Solicitudhastael9/09/20o Entregahastael15/09/20o Defensael22/09/20

Las Actas de la convocatoria ordinaria se cerrarán en Julio de 2020 y las de laconvocatoriaextraordinariaenseptiembrede2020.


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.

Documents

Master Universitario en Investigación en Inteligencia ... Universitario en Investigacion en... · MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL Página 4de 12