Última actualización: 30/06/2021


Curso Académico: 2021/2022

Aplicaciones Avanzadas de la Inteligencia Artificial
(18651)
Máster Universitario en Ingeniería Informática (Plan: 449 - Estudio: 228)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: LEDEZMA ESPINO, AGAPITO ISMAEL

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Obligatoria
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1.- IA en la industria automotriz 1.1.- Panorámica 1.2. - Sistemas Avanzados de Ayuda a la Conducción. 1.3. - Coche Autónomo. 2.- IA en el campo de la salud 2.1. ¿ Panorámica. 2.2. - Tecnologías punteras en la asistencia médica 2.3. - Salud motorizada 3. IA en el mundo empresarial 3.1. Panorámica 3.2. Inteligencia de Negocio (Business Intelligence) 3.3. Marketing e IA 4. IA en la Ingeniería 4.1. Panorámica 4.2. IIoT y AIoT 4.3. Sistemas de Control Inteligentes 5. - IA y el desarrollo sostenible. 5.1. Panorámica. 5.2. Desafíos sociales, económicos y tecnológicos. 5.2. Aplicaciones. 6.- Ética e IA 6.1. Riesgos asociados a la IA. 6.2. Casos de aplicación cuestionables. 6.3. Iniciativas para una IA ética. 7. - Otras áreas de aplicación de la IA 7.1. Panorámica. 7.2. Aplicaciones.
Actividades formativas, metodología a utilizar y régimen de tutorías
ACTIVIDADES FORMATIVAS AF1 - Clase teórica [26,56 horas con un 100% de presencialidad, 0,88 ECTS] AF3 - Clases teórico prácticas [3,32 horas con un 100% de presencialidad, 0,11 ECTS] AF4 - Prácticas de laboratorio [13,28 horas con un 100% de presencialidad, 0,44 ECTS] AF5 - Tutorías [4 horas con un 25% de presencialidad, 0,13 ECTS] AF6 - Trabajo en grupo [23 horas con un 0% de presencialidad, 0,77 ECTS] AF7 - Trabajo individual del estudiante [100 horas con un 0% de presencialidad, 3,33 ECTS] AF8 - Exámenes parciales y finales [6 horas con un 100% de presencialidad, 0,33 ECTS] METODOLOGÍAS DOCENTES MD1 - Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD2 - Lectura crítica de textos recomendados por el profesor de la asignatura: Artículos de prensa, informes, manuales y/o artículos académicos, bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. MD3 - Resolución de casos prácticos, problemas, etc.... planteados por el profesor de manera individual o en grupo. MD4 - Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos. MD5 - Elaboración de trabajos e informes de manera individual o en grupo.
Sistema de evaluación
  • Peso porcentual del Examen Final 20
  • Peso porcentual del resto de la evaluación 80
Calendario de Evaluación Continua
Bibliografía básica
  • Ben Eubanks. Artificial intelligence for HR : use AI to support and develop a successful workforce. London : Kogan Page. 2019
  • Eric J. Topo. Deep medicine : how artificial intelligence can make healthcare human again. New York : Basic Books. 2019
  • Ramesh Sharda, Dursun Delen and Efraim Turban. Analytics, Data Science, & Artificial Intelligence: Systems for Decision Support. Global Edition. 2020

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