Guía docente de Optimización y Computación Inteligente (M63/56/1/9)

Curso 2023/2024
Fecha de aprobación por la Comisión Académica 14/07/2023

Máster

Máster Universitario en Estructuras

Módulo

Módulo Fundamental: Fundamentos Computacionales

Rama

Ingeniería y Arquitectura

Centro Responsable del título

International School for Postgraduate Studies

Semestre

Primero

Créditos

3.6

Tipo

Obligatorio

Tipo de enseñanza

Presencial

Profesorado

  • David Alejandro Pelta Mochcovsky
  • Rocio Celeste Romero Zaliz

Tutorías

David Alejandro Pelta Mochcovsky

Email
  • Tutorías 1º semestre
    • Lunes 9:00 a 12:00 (D21 Etsiit)
    • Martes 9:00 a 12:00 (D121Etsiit)
  • Tutorías 2º semestre
    • Lunes 11:30 a 13:30 (D21 Etsiit)
    • Martes 8:30 a 12:30 (D21 Etsiit)

Rocio Celeste Romero Zaliz

Email
  • Tutorías 1º semestre
    • Miércoles 9:00 a 12:00 (Admin Citic)
    • Miércoles 15:00 a 18:00 (Admin Citic)
  • Tutorías 2º semestre
    • Miércoles 9:00 a 12:00 (Citic-Ugr y Google Meet)
    • Jueves 15:00 a 18:00 (D2-Mecenas y Google Meet)

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

El objetivo del curso es, en primer lugar, introducir los aspectos fundamentales de un conjunto de técnicas que, englobadas bajo la denominación de "Soft Computing", permiten la construcción de "Sistemas Inteligentes"; y en segundo lugar, mostrar como se pueden utilizar en el ámbito de las ingenierías en general, y de la ingeniería civil en particular.


El curso se divide en tres bloques temáticos que abordan aspectos esenciales de Inteligencia Artificial, el Soft Computing y el modelado de la imprecisión. Además se estudian cuestiones teórico-prácticas de varias técnicas de optimización y aprendizaje computacional.

Programa:

  • Introducción a la Soft Computing
    • Lógica Fuzzy
    • Teoría de Conjuntos Difusos
    • Sistemas Difusos
    • Algunas aplicaciones en el ámbito de la Ingeniería Civil 
  • Redes Neuronales
    • Introducción a las Redes Neuronales
    • Modelos de Redes Neuronales
    • Algunas aplicaciones en el ámbito de la Ingeniería Civil
  • Computación Evolutiva
    • Introducción a la Computación Evolutiva
    • Componentes y Funcionamiento de los Algoritmos Genéticos
    • Algunas aplicaciones en el ámbito de la Ingeniería Civil

Prerrequisitos y/o Recomendaciones

Ninguno

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 alumno sabrá/comprenderá:

  • Lo que significa Soft Computing y las técnicas de Inteligencia Artificial que comprende.
  • El significado de la Lógica y los Conjuntos Difusos, como una representación de la forma en que el cerebro biológico procesa la información, y como una extensión de los conceptos clásicos.
  • Manejar sistemas de reglas difusos sencillos.
  • Algunas aplicaciones con técnicas difusas en el ámbito de la Ingeniería Civil.
  • Lo que son las Redes Neuronales Artificiales, como un modelo matemático de las redes de neuronas biológicas y su capacidad para “aprender” a partir de ejemplos.
  • Los modelos más relevantes de Redes Neuronales Artificiales.
  • Algunas aplicaciones de las Redes Neuronales Artificiales en el ámbito de la Ingeniería Civil.
  • Lo que son los Algoritmos Genéticos y, más en general, la Computación Evolutiva.
  • Los componentes y el funcionamiento de los Algoritmos Genéticos.
  • Algunas aplicaciones de computación evolutiva en el ámbito de la Ingeniería Civil.
  • Conocer otras técnicas de optimización basadas en la naturaleza.

El alumno será capaz de:

  • Manejar las técnicas de Soft Computing y entender como se pueden aplicar a diversos problemas.
  • Manejar Sistemas de Reglas Difusas y aplicarlas en situaciones y problemas de la Ingeniería Civil.
  • Manejar los modelos básicos de Redes Neuronales Artificiales y aplicarlos en situaciones y problemas de la Ingeniería Civil.
  • Manejar Algoritmos Genéticos y aplicarlos en situaciones y problemas de la Ingeniería Civil.
  • Entender la aplicación en Ingeniería Civil de otras técnicas de optimización basadas en la naturaleza.

Programa de contenidos Teóricos y Prácticos

Teórico

Inteligencia Artificial y Lógica Difusa - Sistemas Difusos

  •     Introducción a la Inteligencia Artificial
  •     Teoría de Conjuntos Difusos
  •     Sistemas Difusos
  •     Aplicaciones en el ámbito de la Ingeniería Civil


Optimización y metaheurísticas

  •     Introducción a las cuestiones básicas de optimización.
  •     Métodos heurísticos
  •     Métodos meta-heurísticos basados en trayectoria (búsqueda local, recocido simulado, búsqueda tabú, etc.)
  •     Métodos meta-heurísticos basados en poblaciones (algoritmos evolutivos, colonias de hormigas, enjambres, etc.)
  •     Aplicaciones en el ámbito de la Ingeniería Civil


Aprendizaje Computacional.

  •     Aprendizaje no supervisado (métodos de agrupamiento, k-medias)
  •     Aprendizaje supervisado (k-nn, redes neuronales)
  •     Aplicaciones en el ámbito de la Ingeniería Civil

 

Práctico

  • Seminario 1: Introducción a la optimización.
  • Seminario 2: Introducción a las técnicas de aprendizaje.
  • Seminario 3: Aplicación de las técnicas estudiadas a un problema particular.

Bibliografía

Bibliografía fundamental

Bibliografía complementaria

  • Larose, D. Discovering knowledge in data: an introduction to data mining. Wiley. 2014.
  • Montes, R. et al. Inteligencia Artificial y Tecnologías Digitales para los ODS. Real Academia de Ingeniería. 2021.
  • Boden, M. Inteligencia artificial. Turner. 2017.
  • Solnon, C. Ant colony optimization and constraint programming. Wiley, 2010.
  • Clerc, M. Particle swarm optimization. ISTE. 2006.
  • Branke, J. Multiobjective optimization: interactive and evolutionary approaches. Springer. 2008.
  • Araujo L, Cervigón C. Algoritmos evolutivos: un enfoque práctico. Rama, 2009.

Enlaces recomendados

Metodología docente

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

Evaluación Ordinaria

El sistema de evaluación consta de una parte de trabajo autónomo y otra parte de desarrollo de un proyecto final que requerirá de la adquisición de los conocimientos de la parte teórica y de su aplicación práctica.

La calificación final tendrá entonces dos partes:

  1. El trabajo autónomo y los seminarios prácticos se evaluarán teniendo en cuenta la asistencia a los mismos, la resolución de los problemas propuestos en clase (45% de la nota). También se tendrá en consideración la asistencia como mínimo al 60% de los seminarios organizados en el cuatrimestre en el que se imparte la asignatura (5% de la nota).
  2. El proyecto final donde se aplicarán técnicas de Soft Computing a problemas de Ingeniería Civil (50% de la nota).

Para ser evaluado hay que asistir al menos al 50% de las sesiones, salvo causa debidamente justificada.

La asistencia a actividades organizadas por el máster formará parte de la evaluación continua de la asignatura.

Evaluación Extraordinaria

Esta modalidad de evaluación se realizará en un único acto académico y consistirá en un examen escrito el día de la convocatoria oficial. Dicha prueba (evaluada de 0 a 10) incluirá preguntas tanto de tipo teórico como práctico (con una distribución de 50% de parte teórica y 50% de parte práctica) que garanticen que el/la estudiante ha adquirido la totalidad de las competencias descritas en esta guía docente.

Evaluación única final

Esta modalidad de evaluación se realizará en un único acto académico y consistirá en un examen escrito el día de la convocatoria oficial. Dicha prueba (evaluada de 0 a 10) incluirá preguntas tanto de tipo teórico como práctico (con una distribución de 50% de parte teórica y 50% de parte práctica) que garanticen que el/la estudiante ha adquirido la totalidad de las competencias descritas en esta guía docente.

Información adicional