Última actualización: 25/06/2021


Curso Académico: 2021/2022

Inteligencia Artificial en la Empresa
(17640)
Titulación: Grado en Empresa y Tecnología (351)


Coordinador/a: IGLESIAS MARTINEZ, JOSE ANTONIO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
- Big Data y análisis empresarial (Curso 3 / Cuatrimestre 1)
Objetivos
El objetivo de la asignatura es proporcionar al estudiante los conocimientos necesarios sobre las aplicaciones de la Inteligencia Artificial, a través de sus diversos paradigmas, en la solución de problemas relacionados con la empresa. De la misma manera, el alumno debe terminar conociendo los principios, métodos y técnicas de Inteligencia Artificial y su aplicación en objetivos de empresa.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1. Introducción a. Contexto. b. Características Claves c. Principales técnicas 2. Minería de datos a. Introducción b. Aplicaciones c. KDD y Minería de datos d. Tareas de la minería de datos e. Aplicaciones f. Casos de estudio 3. Redes de Neuronas a. Introducción b. Redes de Neuronas Artificiales c. Aplicaciones de RNA d. Ventajas y Desventajas e. Casos prácticos 4. Minería de textos a. Definición b. Arquitectura general c. Operaciones de básicas d. Aplicaciones e. Casos de estudio 5. Minería de la Web a. Introducción b. Web Mining de contenido c. Web Mining de estructura d. Web Mining de utilización e. Casos de estudio 6. Sistemas basados en Conocimiento a. Lógica difusa y el concepto de borroso b. Lógica borrosa c. Sistemas de razonamiento borroso d. Aplicaciones e. Casos prácticos 7. Lenguajes de programación para la IA a. Introducción b. Lenguajes más utilizados c. Funcionamiento de estos lenguajes. 8. IA y Ética a. Introducción b. Riesgos asociados a la IA. c. Casos de aplicación cuestionables. d. Iniciativas para una IA ética.
Actividades formativas, metodología a utilizar y régimen de tutorías
- Clases Magistrales. Tienen como objetivos alcanzar las competencias específicas cognitivas de la asignatura. Se presentarán las ideas fundamentales de la materia. - Clases Prácticas. Desarrollan las competencias específicas instrumentales y la mayor parte de las transversales, como son la de trabajo en equipo, capacidad de aplicar los conocimientos a la práctica, de planificar y organizar y de análisis y síntesis. También tienen por objetivo desarrollar las capacidades específicas actitudinales. - Realización de Actividades Académicas Dirigidas -- Con presencia del profesor. Participación en clases orientada por el profesor donde se profundiza y evalúa aspectos de la materia. Pruebas de evaluación de conocimientos teóricos y prácticos. -- Sin presencia del profesor. Ejercicios, lecturas complementarias propuestas por el profesor, preparación de clases, realización de prácticas. - Webinars. Tienen la finalidad de complementar la adquisición de las competencias específicas cognitivas. Además, desarrollan algunas competencias transversales como son la capacidad de análisis y de síntesis, así como el trabajo en equipo. - Tutorías: Asistencia individualizada (tutorías individuales) o en grupo (tutorías colectivas) a los estudiantes por parte del profesor.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Calendario de Evaluación Continua
Bibliografía básica
  • Akerkar, Rajendra. Artificial Intelligence for Business. Springer. 2019
  • Francesco Corea. Applied Artificial Intelligence: Where AI Can Be Used In Business. Springer. 2019
  • Jerry Overton. Artificial Intelligence. O'Reilly Media, Inc. 2018
  • Ramesh Sharda, Dursun Delen, Efraim Turban. Analytics, data science, & artificial intelligence : systems for decision support. Pearson . 2020
Bibliografía complementaria
  • Efrain Turban, Ramesh Sharda, Dursun Delen. Decision Support and Business Intelligence Systems (ninth edition). Pearson. 2011
  • Nilsson, N.. Inteligencia Artificial. Una nueva síntesis. McGraw-Hill.
  • Pyle, Dorian. Business modeling and data mining. Morgan Kaufmann Publishers.
  • Witten, I.H., Frank, E.. Data mining : practical machine learning tools and techniques. Morgan Kaufmann.

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.