![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2024_25 | |||||||||||||||||||||||||||||||||||||||
Asignatura | SISTEMAS INTELIGENTES EN LA INDUSTRIA | Código | 01744004 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
3 | Obligatoria | Primer | Primero |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | ING.ELECTR.DE SIST. Y AUTOMATI |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | vgonc@unileon.es arods@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http:// | |||||||||||||||||||||||||||||||||||||||
Descripción general | La asignatura presenta al alumno el uso actual que se está haciendo de la inteligencia artificial en la industria, para crear sistemas inteligentes que contribuyan al desarrollo de la industria 4.0. Inicialmente se introducen y revisan algunos de los conceptos y métodos fundamentales de la inteligencia artificial, dando mayor peso a aquellas técnicas que tienen una mayor aplicación en la industria. Posteriormente se presentan algunas de las principales técnicas que se utilizan en la creación de sistemas inteligentes, como son los sistemas de reglas, los métodos probabilísticos y el aprendizaje profundo. Finalmente se explican cuáles son los principales casos de uso en diferentes tipos de industria, presentando ejemplos de aplicaciones exitosas y proporcionando criterios para utilizar la inteligencia artificial en aplicaciones reales. La parte teórica se complemente con diversas prácticas realizadas utilizando el lenguaje Python, donde el alumno podrá ver la aplicación de alguno de los métodos explicados en teoría para resolver problemas industriales | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Tipo A | Código | Competencias Específicas |
A18640 | 1744CE7 Conocer los fundamentos de la Inteligencia Artificial y sus aplicaciones prácticas más importantes de cara a su implantación en los procesos de diseño y fabricación. | |
A18641 | 1744CE8 Saber utilizar métodos de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones en base a razonamientos y motores de inferencia para ser implantadas en la Industria. | |
Tipo B | Código | Competencias Generales y Transversales |
B5708 | 1744CG1 Capacidad de organización y planificación | |
B5711 | 1744CG4 Capacidad de gestión de la información | |
B5712 | 1744CG5 Comunicación oral y escrita en lengua propia | |
B5715 | 1744CT1 Capacidad para comprender el significado y aplicación de la perspectiva de género en los distintos ámbitos de conocimiento y en la práctica profesional con el objetivo de alcanzar una sociedad más justa e igualitaria. | |
B5716 | 1744CT2 Incorporar en el ejercicio profesional criterios de sostenibilidad y compromiso ambiental. Adquirir habilidades en el uso equitativo, responsable y eficiente de los recursos | |
Tipo C | Código | Competencias Básicas |
C1 | 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. | |
C3 | 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. |
Resultados de aprendizaje |
Resultados | Competencias | ||
El alumno adquirirá conocimientos teóricos sobre métodos basados en aprendizaje automático, podrá explicar sus fundamentos y sabrá identificar cuándo se pueden aplicar en un proceso industrial. El alumno también podrá desarrollar sistemas inteligentes sencillos utilizando un lenguaje de programación de alto nivel y entenderá las distintas etapas involucradas en el desarrollo de un sistema inteligente que se aplique a un problema industrial. | A18640 A18641 |
B5708 B5711 B5712 B5715 B5716 |
C1 C3 |
Contenidos |
Bloque | Tema |
Bloque I: INTRODUCCIÓN A LOS SISTEMAS INTELIGENTES | Tema 1: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Conceptos fundamentales de IA, el agente inteligente, métodos básicos, espacios de estados y búsquedas, representación del conocimiento y razonamiento. Tema 2: INCERTIDUMBRE E INTELIGENCIA ARTIFICIAL Representación de la incertidumbre, probabilidad, conjuntos fuzzy, funciones de creencia, modelos de Markov, filtros de Kalman, etc. Tema 3: APRENDIZAJE AUTOMÁTICO Introducción al aprendizaje automático. Aprendizaje supervisado. Modelos para el aprendizaje: árboles de decisión, modelos lineales, redes neuronales, Support Vector Machines, etc. Aprendizaje no supervisado. Tema 4: VISIÓN ARTIFICIAL Y PROCESAMIENTO DE LENGUAJE NATURAL Introducción y conceptos básicos de Visión Artificial. Ejemplo de tarea en VA: Clasificación de Imágenes. Definición, etapas principales y algoritmos empleados. Procesamiento de lenguaje natural: breve explicación del campo NLP. Ejemplo de tarea en NLP: Clasificación de Texto. Definición, etapas principales y algoritmos empleados. |
Bloque II: SISTEMAS INTELIGENTES Y SUS APLICACIONES EN LOS PROCESOS INDUSTRIALES. PRINCIPALES TÉCNICAS | Tema 1: SISTEMAS DE REGLAS Y CONTROL INTELIGENTE Sistemas de reglas clásicos, búsqueda hacia adelante y hacia atrás, sistemas de regla fuzzy y el control inteligente Tema 2: METODOS PROBABILÍSTICOS Aprendizaje estadístico, Métodos gráficos probabilísticos Tema 3: REDES NEURONALES Y APRENDIZAJE PROFUNDO Modelos básicos de redes neuronales, aprendizaje profundo en redes neuronales, CNNs, autoencoders. |
Bloque III: CASOS DE USO EN DIFERENTES TIPOS DE INDUSTRIA Y SU RELACIÓN CON MÉTODOS BASADOS EN INTELIGENCIA ARTIFICIAL | Tema 1: SISTEMAS INTELIGENTES EN LA INDUSTRIA Criterios y principales áreas de aplicación de los sistemas inteligentes en la industria Tema 2: APLICACIONES Ejemplos de aplicaciones exitosas de sistemas inteligentes en la industria. |
Bloque IV: DESARROLLO DE APLICACIONES BASADAS EN TÉCNICAS DE APRENDIZAJE AUTOMÁTICO PARA LA INDUSTRIA INTELIGENTE | Práctica 1: INTRODUCCIÓN A PYTHON Instalación y configuración de un entorno de programación con lenguaje Python. Principales bibliotecas python para aprendizaje automático Otras prácticas: RESOLUCIÓN DE PROBLEMAS EN APLICACIONES INDUSTRIALES Implementación guiada de aplicación técnicas de NLP, CV y Aprendizaje automático a la resolución de problemas reales en la industria. |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Practicas a través de TIC en aulas informáticas | 8 | 20 | 28 | ||||||
Sesión Magistral | 15 | 21 | 36 | ||||||
Pruebas mixtas | 1 | 10 | 11 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Practicas a través de TIC en aulas informáticas | Uso de software libre, Python, para realizar prácticas guiadas que le permitirán al alumno realizar pequeñas aplicaciones que ayudan a la solución de problemas en la industria, aplicando técnicas de inteligencia artificial. |
Sesión Magistral | Presentaciones teóricas, típicamente en el aula, con casos de uso, aplicaciones, ejemplos y ejercicios intercalados. |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Sesión Magistral | Examenes escritos para evaluar la asimilación de los conceptos impartidos. | 35% | |
Practicas a través de TIC en aulas informáticas | Se evaluarán a través de entregas realizadas por los alumnos | 30% | |
Otros | Otras actividades que permitirán realizar evaluación continua de los contenidos impartidos. | 35% | |
Otros comentarios y segunda convocatoria | |||
En la segunda convocatoria se seguirán los mismos criterios que en la primera convocatoria. |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica | |
Christopher M. Bishop. Pattern Recognition and Machine Learning (Information Science and Statistics). Springer; Edición: 1st ed. 2006. Corr. 2nd printing 2011. Richard Duda & Peter Hart. Pattern Classidication. A. Wiley-Interscience. 2000. Richard Szeliski. Computer Vision: Algorithms and Applications. Springer. 2010. G. Cheng, L. Liu, X. Qiang and Y. Liu, "Industry 4.0 Development and Application of Intelligent Manufacturing," 2016 International Conference on Information System and Artificial Intelligence (ISAI), Hong Kong, 2016, pp. 407-410, doi: 10.1109/ISAI.2016.0092. Dufek, D., Ignas, T. & Strandberg, F. (2019). Sistemas Inteligentes en la Industria 4.0. Revista Antioqueña de las Ciencias Computacionales y la Ingeniería de Software (RACCIS), 9(2), 43-48. Ray Y. Zhong, Xun Xu, Eberhard Klotz, Stephen T. Newman, Intelligent Manufacturing in the Context of Industry 4.0: A Review, Engineering, Volume 3, Issue 5, 2017, Pages 616-630.
Jay Lee, Hossein Davari, Jaskaran Singh, Vibhor Pandhare. Industrial Artificial Intelligence for industry 4.0-based manufacturing systems, Manufacturing Letters. Volume 18. 2018. Pages 20-23.
Alex Castrounis. AI for People and Business: A Framework for Better Human Experiences and Business Success. O'Reilly Media. 2019 Andrew Park. Machine Learning: This Book Includes: Python Machine Learning and Data Science. A Comprehensive Guide for Beginners to Master Deep Learning, Artificial Intelligence and Data Science with Python. Independently published. 2020. |
|
Complementaria | |
Recomendaciones |