Inteligencia Computacional

Información Básica

Carrera
Ingeniería en Informática
Departamento
Informática
Sitio Web
No especificada
Plan de Estudios Año de Cursado
Plan 2006 4 ° Año
Carácter Período
Cuatrimestral 2° Cuatrimestre
Docente Responsable
Diego Humberto Milone

Equipo Docente

Nombre y Apellido
Di Persia, Leandro Ezequiel
Gerard, Matias Fernando
Milone, Diego Humberto
Molas Gimenez, Jose Tomas
Rufiner, Hugo Leonardo
Stegmayer, Georgina Silvia
Vignolo, Leandro Daniel

Carga Horaria

Carga horaria total 90 hs
Teoría 30 hs
Resolución de ejercicios 12 hs
Proyecto y diseño 12 hs
Evaluaciones 12 hs
Formación experimental 12 hs
Resolución de problemas de ingeniería 12 hs
Otras actividades 0 hs

Contenidos Mínimos

Redes neuronales: perceptrón multicapa, redes con funciones de base radial, mapas auto-organizativos, redes de Hopfield. Introducción a los sistemas basados en conocimientos. Lógica borrosa: teoría de los conjuntos borrosos, memorias asociativas borrosas, sistemas de control borroso. Computación evolutiva: diseño de la solución de problemas mediante computación evolutiva, algoritmos genéticos, variantes de computación evolutiva. Aplicaciones.

Objetivos

Objetivos específicos

Que el alumno:

  • obtenga conocimientos generales acerca del área de la inteligencia computacional y una idea de su magnitud y diversidad,
  • conozca las arquitecturas neuronales más utilizadas,
  • comprenda las características dinámicas de redes recurrentes,
  • aprenda los algoritmos de entrenamiento,
  • implemente distintas arquitecturas neuronales y algoritmos básicos de entrenamiento,
  • adquiera conocimientos sobre modelos para representación e inferencia de conocimiento,
  • aprenda y utilice la teoría de conjuntos borrosos,
  • aprenda y aplique métodos de búsqueda tradicionales,
  • aprenda los métodos de computación evolutiva y el diseño de la solución de problemas mediante éstos,
  • implemente los algoritmos básicos de computación evolutiva y los aplique a problemas sencillos,
  • aprenda e implemente métodos de inteligencia de poblaciones,
  • adquiera independencia en el diseño de la solución de problemas mediante las técnicas tratadas,
  • adquiera destrezas para aplicar con criterio y visión práctica los metodologías estudiadas,
  • conozca diversas aplicaciones directas de la inteligencia computacional.
 

Objetivos generales

Que el alumno:

  • adquiera una nueva visión de la computación, desde la perspectiva de la inteligencia computacional,
  • entienda los principios en que se basan muchas de las tecnologías con las que tiene un contacto permanente,
  • incremente sus capacidades para el trabajo en grupo y la distribución de tareas y responsabilidades,
  • incremente sus destrezas para la transmisión oral y escrita de conocimientos científicos y tecnológicos,
  • desarrolle su capacidad de análisis aplicando diversas estrategias para resolución de problemas,
  • incremente sus destrezas para aprender de forma independiente,
  • realice trabajos experimentales que reflejen situaciones reales típicas,
  • establezca contacto con publicaciones de nivel científico, pudiendo analizarlas, reproducirlas parcialmente y criticarlas,
  • desarrolle su creatividad en la propuesta de nuevas técnicas o aplicaciones y mejoras de las ya conocidas,
  • utilice correctamente la terminología técnica del área,
  • aplique e incremente sus conocimientos de inglés técnico.
 

Además, entre otros objetivos de formación general, se espera que el alumno:

  • valore la discusión abierta como una fuente de generación y difusión de conocimientos,
  • valore los medios que la Universidad pone a su disposición y desarrolle sentimientos positivos hacia ella,
  • se involucre más intensamente con la vida universitaria,
  • conozca los valores y principios que sustentan a las instituciones académicas,
  • se introduzca al pensamiento científico y tecnológico,
  • se interese por continuar su formación mediante estudios de postgrado.
 

Conocimientos específicos previos para cursar la asignatura

Programación y cálculo básico.

Metodología de Enseñanza

Desarrollo del cursado

  • Clases de teoría: se desarrollan como exposiciones de aproximadamente 2 horas semanales a cargo del responsable de la asignatura. En estas clases se introducen los conceptos teóricos de cada unidad temática. Estas introducciones deberán complementarse con la actividad en las clases de discusión, las guías de estudio y la bibliografía recomendada para cada tema. Este enfoque busca promover una participación más activa del alumno en su propia formación, aumentando su independencia y fortaleciendo sus capacidades para el autoaprendizaje.

  • Clases de discusión: se desarrollan durante aproximadamente 1 hora y tienen como objetivo profundizar los temas desarrollados teóricamente y trabajar sobre las dificultades e inquietudes conceptuales generadas a partir de la actividad práctica. Se propone una modalidad de trabajo más flexible y participativa, de forma que los alumnos planteen abiertamente sus dudas y discutan guiados por el responsable de la asignatura. Las discusiones están relacionadas con los objetivos específicos pero especialmente orientadas a tratar muchos de los aspectos mencionados en los objetivos generales.

  • Clases de práctica: la práctica de laboratorio consiste en la formulación de soluciones e implementación de las diferentes técnicas de inteligencia computacional. Durante los primeros minutos de la clase se explican las características básicas del trabajo a realizar, asociado al tema desarrollado previamente en la clase teórica. A continuación se atiende a cada grupo individualmente y se realizan las evaluaciones correspondientes. Los trabajos prácticos son intensivos por lo que los alumnos recibirán una orientación y apoyo durante la clase pero deberán desarrollar también actividades en forma autónoma.

  • Clases de consulta: se dispondrá de dos horarios semanales para evacuar todo tipo de dudas, tanto para cuestiones técnicas de la asignatura como administrativas del cursado. El día y la hora de cada clase de consulta serán acordados con los alumnos al comenzar el cursado.

 

Observaciones

  • Se recomienda a los alumnos prestar especial atención a los horarios de cursado y consultas, y asistir con puntualidad a cada actividad. Tanto para consultas técnicas como administrativas se solicita respetar los horarios acordados.
  • Los alumnos deben suscribirse al grupo (http://groups.yahoo.com/group/icfich), desde el cual podrán realizar consultas breves y recibir información sobre el cursado.

Programa Analítico

Introducción (Unidad I)

Breve revisión histórica a la inteligencia computacional. Áreas del conocimiento involucradas y su relación como parte de la inteligencia artificial. El cerebro humano y las limitaciones del cálculo computacional. El impacto y el amplio espectro de aplicaciones de la inteligencia computacional. Introducción conceptual a las tres técnicas fundamentales de la inteligencia computacional.

Redes neuronales 1 (Unidad II)

Bases estadísticas del reconocimiento de patrones: etapas, decisión bayesiana, funciones discriminantes. Aprendizaje, espacio de soluciones, mínimos locales y globales, capacidad de generalización y técnicas de validación cruzada. La inspiración biológica en redes neuronales: fisiología neuronal básica, redes de neuronas biológicas y escalas de organización estructural del cerebro. Modelos de neurona: la sinapsis, funciones de activación. Perceptrón simple: hiperplanos para la separación de clases, entrenamiento y limitaciones. Generalidades: características de las redes neuronales, clasificación de las arquitecturas neuronales, clasificación de los procesos de aprendizaje.

Redes neuronales 2 (Unidad III)

Perceptrón multicapa: formulación matemática del algoritmo de retropropagación, velocidad de aprendizaje y término de momento, inicialización y criterios de finalización, definición de la topología y los parámetros de entrenamiento. Redes neuronales con funciones de base radial: arquitectura, fronteras de decisión, algoritmos de entrenamiento. Mapas auto-organizativos: arquitecturas, algoritmo de entrenamiento, mapas topológicos, cuantización vectorial con aprendizaje, comparación con otros métodos de agrupamiento. Redes neuronales dinámicas: redes de Hopfield, retropropagación a través del tiempo, redes neuronales con retardos en el tiempo.

Lógica borrosa 1 (Unidad IV)

Lógica proposicional: sintaxis, semántica e inferencia. Lógica de primer orden: sintaxis, semántica, cuantificadores y conectores. Inferencia en la lógica de primer orden. Sistemas de producción con encadenamiento hacia delante. La borrosidad como multivalencia: incerteza versus aleatoriedad,  función de membresía. Comparación entre representaciones del conocimiento basadas en reglas. Geometría de los conjuntos borrosos. Definición e interpretación gráfica de los operadores borrosos. Caracterización de conjuntos borrosos. Entropía borrosa: definición, teorema de la entropía borrosa, teorema del subconjunto, teorema entropía-subconjunto.

Lógica borrosa 2 (Unidad V)

Memorias asociativas borrosas como mapeos, reglas borrosas simples y compuestas, ejemplos. Codificación de reglas borrosas: discretización, memorias asociativas borrosas hebbianas, codificaciones por correlación-mínimo y correlación-producto, bidireccionalidad. Composición de reglas. Métodos de máximo y centroide borroso. Inferencia de Takagi-Sugeno-Kang. Conjuntos de membresía continuos, representación y composición de varios antecedentes por consecuente.

Inteligencia colectiva 1 (Unidad VI)

Formulación de problemas de búsqueda. Estrategias de búsquedas informadas y no informadas. Complejidad temporal y espacial, completitud y optimalidad. Resolución de problemas mediante planeamiento. Métodos evolutivos: inspiración biológica, estructura, representación del problema, función de aptitud, mecanismos de selección, operadores elementales de variación y reproducción. Variantes de la computación evolutiva: algoritmos genéticos, programación genética, estrategias de evolución. Algoritmos multiobjetivo.

Inteligencia colectiva 2 (Unidad VII)

Autómatas de estados finitos y autómatas celulares. Agentes inteligentes. Inspiración biológica de los métodos de inteligencia colectiva. Modelos de vida artificial: comportamiento emergente, autoorganización. Colonias de hormigas: representación del problema, feromonas, búsqueda de alimento, modelo estocástico, experimento de los dos puentes. Enjambre de partículas: representación del problema, restricciones, tamaño de partícula, inicialización, ecuaciones de movimiento, distribuciones de proximidad, topología de las poblaciones.

Aplicaciones (Unidad VIII)

Configuración del problema y aplicación de las técnicas de inteligencia computacional en: clasificación de patrones, agrupación de patrones, aproximación de funciones, optimización, búsqueda de soluciones, regresión, predicción de series temporales, control de procesos, identificación de sistemas, compresión de señales, memorias y recuperación de información. Interrelaciones entre las técnicas de inteligencia computacional: sistemas híbridos.

Bibliografía

Bibliografía básica

A. P. ENGELBRECHT. Computational Intelligence: An Introduction. John Wiley & Sons

Z. MICHALEWICZ. Genetic Algorithms + Data Structures = Evolution Programs. Springer Verlag

D. GOLDBERG. Genetic Algorithms in Search, Optimization and Machine Learning. Addison Wesley

B. KOSKO. Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence. Prentice Hall

S. HAYKIN. Neural Networks and Learning Machines. Prentice Hall

J. KENNEDY, R.C. EBERHART. Swarm intelligence. Academic Press

VARIOS. Varios 1: Redes neuronales. Varias
Descripción:

(b) libros disponibles en la Biblioteca de la Facultad
(i) libros disponibles en el Centro de Investigación en Señales e Inteligencia Computacional
  • (i) S. Haykin, Neural Networks and Learning Machines, Prentice Hall, 2008.
  • M. M. Gupta, L. Jin, N. Homma, Static and Dynamic Neural Networks From Fundamentals to Advanced Theory, John Wiley & Sons, 2003.
  • (i) D. P. Mandic, J. Chambers, Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability, John Wiley & Sons, 2001.
  • (i) C. Bishop, Neural Networks for Pattern Recognition, Oxford, 1999.
  • R. M. Hristev, The ANN Book, 1998.
  • (i) B. D. Ripley, Pattern Recognition and Neural Networks, Cambridge Univ. Press, 1996.
  • (i) T. Masters, Neural, Novel & Hybrid Algorithms for Time Series Prediction, J. Wiley & Sons, 1995.
  • (i) T. Kohonen, Self Organizing Maps, Springer Verlag, 1995.
  • (ib) S. Haykin, Neural Networks: A Comprehensive Foundation, Macmillan College Publishing Company, 1994.
  • (i) J. Freeman, Simulating Neural Networks, Addison Wesley, 1994.
  • (i) J. Freeman y D. Skapura, Redes neuronales: algoritmos, aplicaciones y técnicas de programación, Addison Wesley, 1993.
  • C. Lau, Neural Networks: Theoretical Foundations and Analysis, IEEE Press, 1992.

VARIOS. Varios 2: Lógica borrosa. Varias
Descripción:

  • (i) W. Siler, J. J. Buckley, Fuzzy Expert Systems and Fuzzy Reasoning, John Wiley & Sons, 2005.
  • (i) T. Ross, Fuzzy Logic with Engineering Applications, Wiley, 2004.
  • (i) K. Tanaka, H. O. Wang, Fuzzy Control Systems Design and Analysis, John Wiley & Sons, 2001.
  • (i) O. Wolkenhauer, Data Engineering: Fuzzy Mathematics in Systems Theory and Data Analysis, John Wiley & Sons, 2001.
  • (i) B. Kosko, Fuzzy Engineering, Prentice Hall, 1997.
  • (i) J-S. R. Jang, C-T. Sun, E. Mizutani, Neuro-Fuzzy And Soft Computing: A Computational Approach To Learning And Machine Intelligence, Prentice Hall, 1997.
  • (i) F. M. McNeill, E. Thro, Fuzzy Logic, A Practical Approach, Academic Press, 1994.
  • (i) B. Kosko, Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence, Prentice Hall, 1992.
  • L. A. Zadeh y J. Kacprzyk, Fuzzy Logic for the Management of Uncertainty, John Wiley, 1992.
  • J. C. Bezdek y S. K. Sankar, Fuzzy Models for Pattern Recognition: Methods that Search for Structures in Data, IEEE Press, 1992.

VARIOS. Varios 3: Inteligencia Colectiva. Varias
Descripción:

  • S. Sumathi, T. Hamsapriya, P. Surekha, Evolutionary Intelligence: An Introduction to Theory and Applications with Matlab, Springer, 2008.
  • C. A. Coello Coello, G. B. Lamont, A. A. Van Veldhuizen, Evolutionary Algorithms for Solving Multi-Objective Problems Series: Genetic and Evolutionary Computation, (2da Edición), Springer, 2007.
  • M. Clerc, Particle swarm optimization, ISTE, 2006.
  • (i) R. L. Haupt, S. E. Haupt, Practical Genetic Algorithms, John Wiley & Sons, 2004.
  • M. Dorigo, T. Stützle, Ant Colony Optimization, MIT Press, 2004.
  • (i) A. Menon, Frontiers of Evolutionary Computation, Kluwer Academic Publishers, 2004.
  • J. Kennedy, R.C. Eberhart, Swarm intelligence, Academic Press, 2001
  • L. D. Chambers, The Practical Handbook of Genetic Algorithms, Vols. I, II & III, CRC Press, 2000.
  • (i) T. Back, D. B. Fogel, Z. Michalewicz, Evolutionary Computation 1: Basic Algorithms and Operators, IOP Publishing Ltd, 2000.
  • (i) T. Back, D. B. Fogel, Z. Michalewicz, Evolutionary Computation 2: Advanced Algorithms and Operators, IOP Publishing Ltd, 2000.
  • E. Bonabeau, M. Dorigo, G. Theraulaz, Swarm intelligence: from natural to artificial intelligence, Oxford University Press, 1999.
  • (i) M. Mitchell, An Introduction to Genetic Algorithms, MIT Press, 1999.
  • (i) T. Back, D. B. Fogel, Z. Michalewicz, Handbook of Evolutionary Computation, IOP Publishing Ltd and Oxford University Press, 1997.
  • S. Pal y P. Wang, Genetic Algorithm for Pattern Recognition, CRC Press, 1996.
  • von Altrock, Fuzzy Logic and Neurofuzzy Application Explained, Prentice Hall, 1995.
  • (i) Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs, Springer Verlag, 1992.
  • L. Davis (Ed.), Handbook of Genetic Algorithms, Van Nostrand Reinhold, 1991.
  • (i) D. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley, 1989.
  • (i)  S.G. de los Cobos Silva, J. Goddard Close, M.A. Gutiérrez Andrade, A.E. Martinez Licona, Búsqueda y exploración estocástica, Universidad Autónoma Metropolitana, 2010.   

VARIOS. Varios 4: Varios temas de la asignatura. Varias
Descripción:

  • F. Emmert-Streib, M. Dehmer, Information Theory and Statistical Learning, Springer, 2009.
  • (i) A. P. Engelbrecht, Computational Intelligence: An Introduction (2da Edición), John Wiley & Sons, 2007.
  • (i) C. M. Bishop, Pattern Recognition and Machine Learning, Srpinger Series: Information Science and Statistics, 2006.
  • (i) L. Rutkowski, Computational Intelligence: Methods and Techniques, Srpinger, 2005.
  • (ib) S. Russell, P. Norvig, Inteligencia Artificial. Un enfoque moderno (2da Edición), Prentice Hall, 2003.
  • (i) David J.C. MacKay, Information Theory, Inference, and Learning Algorithms, Cambridge University Press, 2003.
  • T. Hastie, R. Tibshirani, J. Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, (2da Edición), 2003.
  • V. Kecman, Learning and Soft Computing: Support Vector Machines, Neural Networks and Fuzzy Logic Models, MIT Press, 2001.
  • (i) R. O. Duda, P. E. Hart, D. G. Stork, Pattern Classification (2da Edición), Wiley Interscience, 2000.
  • Konar, Behavioral and Cognitive Modeling of the Human Brain Artificial Intelligence and Soft Computing, CRC Press, 2000.
  • (i) V. N. Vapnik, The Nature of Statistical Learning Theory, Springer, 2000.
  • V. Cherkassky y F. Mulier, Learning from Data: Conceps, Theory and Methods, Wiley International Science, 1998.

Bibliografía complementaria

VARIOS. Publicaciones periódicas. Varias
Descripción:

Se sugieren las siguientes publicaciones como base para el trabajo final:

  • IEEE Transactions on: Fuzzy Systems, Evolutionary Computation, Neural Networks, Pattern Analysis and Machine Intelligence, Systems, Man, and Cybernetics, Robotics and Automation, Information Theory, Knowledge and Data Engineering
  • Elsevier Science: Fuzzy Sets and Systems, Intelligent Data Analysis, International Journal of Neurocomputing, Neural Networks, Pattern Recognition, Neurocomputing, Applied Soft Computing, Artificial Intelligence
  • Ablex Publishing: Journal of Artificial Neural Networks
  • World Scientific Publishing: International Journal on Artificial Intelligence Tools, International Journal of Intelligent Control and Systems, International Journal of Neural Systems, International Journal of Pattern Recognition and Artificial Intelligence, International Journal of Cooperative Intelligent Systems, International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems
  • MIT Press: Neural Computation, Evolutionary Computation, Journal of Cognitive Neuroscience, Artificial Life
  • Kluwer Academic Publishers: Machine Learning, Neural Processing Letters, Journal of Intelligent Systems
  • Springer Verlag: Neural Computing with Applications, Swarm Intelligence, Machine Learning, Artificial Life and Robotics, Evolutionary Intelligence, Fuzzy Optimization and Decision Making, Genetic Programming and Evolvable Machines, Pattern Recognition and Image Analysis, Soft Computing
  • John Wiley & Sons: International Journal of Intelligent Systems Pergamom Press: Neural Networks
  • Blackwell Publishers: Computational Intelligence
  • International Neural Network Society: INNS Neural Networks Newsletter
  • Finance & Technology Publishing: Journal of Computational Intelligence in Finance

Apuntes

Unidad Título Apunte Descripción Descargar
Introducción (Unidad I) Introducción general. Perceptrón simple

S. Haykin, Neural Networks: A Comprehensive Foundation, 2nd Ed.
1.1-1.4, 1.6 (opcional: 1.5, 1.7-1.9)
2.1-2.5, 2.8-2.10 (opcional: 2.6, 2.7, 2.8, 2.11-2.16)
3.1, 3.3, 3.5, 3.8

J. Freeman, D. Skapura, Neural Networks: Algorithms, Applications, and Programming Techniques
1.1, 1.2 (opcional: 1.3)
2.2 (opcional: 2.1, 2.4, 2.5)

A. Jain, J. Mao, K. Mohiuddin, Artificial Neural Networks: A Tutorial
pp 31-39 (backpropagation no)

R. Lippmann, An Introduction to Computing with Neural Nets
pp 4-7 (Hopfield no)
pp 13, 14

B. Widrow, M.A. Lehr, 30 years of adaptive neural networks: perceptron, Madaline, and backpropagation
pp 1415-1420
pp 1423-1432

Descargar
Redes neuronales 1 (Unidad II) Reconocimiento de patrones

R. Duda, P. Hart, D. Stork, Pattern Classification, Second Edition, Wiley-Interscience, 2000
1, 2.1-2.6, 3.1, 3.2

Descargar
Redes neuronales 2 (Unidad III) Perceptrón multicapa

S. Haykin, Neural Networks: A Comprehensive Foundation
4.1-4.6 (opcional: 6.7)
4.12, 4.14 (opcional: 4.16)

J. Freeman, D. Skapura, Neural Networks: Algorithms, Applications, and Programming Techniques
3.1-3.3

R. Lippmann, An Introduction to Computing with Neural Nets
pp 16-18

B. Widrow, M.A. Lehr, 30 years of adaptive neural networks: perceptron, Madaline, and backpropagation
pp 1420-1421
pp 1432-1435

Descargar
Redes neuronales 2 (Unidad III) Redes con funciones de base radial

C. Bishop, Neural Networks for Pattern Recognition
5.1-5.3, 5.7-5.10

S. Haykin, Neural Networks: A Comprehensive Foundation
5.1, 5.7, 5.8, 5.11

Descargar
Redes neuronales 2 (Unidad III) Mapas auto-organizativos

S. Haykin, Neural Networks: A Comprehensive Foundation, 2nd Ed.
9.1-9.4 (opcional: 9.6)
9.7

J. Freeman, D. Skapura, Neural Networks: Algorithms, Applications, and Programming Techniques
7.1 (opcional: 7.3)

T. Kohonen, Self-organizing maps, 3rd. Ed.
3.1, 3.2, 3.7-3.9, 3.13 (opcional: 3.4, 3.14)
1.5.1, 6.1-6.3 (opcional: 6.9)

R. Lippmann, An Introduction to Computing with Neural Nets
pp 19-21

Descargar
Redes neuronales 2 (Unidad III) Redes dinámicas

S. Haykin, Neural Networks: A Comprehensive Foundation, 2nd Ed.
13.3, 13.4
14.7 (pp 687-696) (opcional: 14.8)
15.1, 15.2, 15.6, 15.7

D. R. hush, B. G. Horne, Progress in Supervised Neural Networks
pp 28-34 (sin versiones continuas)

R. Lippmann, An Introduction to Computing with Neural Nets
pp 8-10

Descargar
Lógica borrosa 1 (Unidad IV) Lógica

Russell, S. & Norvig, P. Inteligencia Artificial. Un enfoque moderno, 2nd Ed

7, 8, 9.1, 9.2, 9.3

Descargar
Lógica borrosa 1 (Unidad IV) Lógica borrosa

B. Kosko, Neural networks and fuzzy systems

(opcional: 1)

7

 

Fuzzy expert systems and Fuzzy reasoning, Willam Siler y James Buckley

(opcionales 3, 4 y 5)

Fuzzy logic systems for engineering: a tutorial, Jerry Mendel, Proceedings of the IEEE , vol 83 no 3

(opcional)

Soft computing and fuzzy logic, Lofti Zadeh, IEEE Software, vol 11, no 6, pp 48-56

(opcional)

 

Descargar
Lógica borrosa 2 (Unidad V) Memorias asociativas borrosas

B. Kosko, Neural networks and fuzzy systems

8

Descargar
Inteligencia colectiva 1 (Unidad VI) Búsqueda

Russell, S. & Norvig, P. Inteligencia Artificial. Un enfoque moderno, 2nd Ed

3

4.1, 4.2

8

9.1-9.4

11.1-11.3

Descargar
Inteligencia colectiva 1 (Unidad VI) Computación evolutiva 1

D. E. Goldberg, Genetic Algorithms in Search, Optimization & Machine Learning

1-4

 

J. R. Koza, Genetic Programming

5, 6

 

Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs,

(opcionales 1-5, 9)

M. Mitchell, An Introduction to Genetic Algorithms,

(opcionales 1, 2)

T. Back, D. B. Fogel, Z. Michalewicz, Evolutionary Computation 1: Basic Algorithms and Operators,

(opcionales 1-4, 8-10)

R. L. Haupt, S. E. Haupt, Practical Genetic Algorithms,

(opcionales 1, 2)

T. Back, U. Hammel, H-F. Schewfel, Evolutionary Computation: Comments on History and Current State

(opcional)

Descargar
Inteligencia colectiva 1 (Unidad VI) Algoritmos genéticos
Apunte de la Catedra (material con introduccion teorica y ejercicios)
Descargar
Inteligencia colectiva 1 (Unidad VI) Computación evolutiva 2

D. E. Goldberg, Genetic Algorithms in Search, Optimization & Machine Learning

1-4

 

J. R. Koza, Genetic Programming

5, 6

 

Z. Michalewicz, Genetic Algorithms + Data Structures = Evolution Programs,

(opcionales 1-5, 9)

M. Mitchell, An Introduction to Genetic Algorithms,

(opcionales 1, 2)

T. Back, D. B. Fogel, Z. Michalewicz, Evolutionary Computation 1: Basic Algorithms and Operators,

(opcionales 1-4, 8-10)

R. L. Haupt, S. E. Haupt, Practical Genetic Algorithms,

(opcionales 1, 2)

T. Back, U. Hammel, H-F. Schewfel, Evolutionary Computation: Comments on History and Current State

(opcional)

Descargar
Inteligencia colectiva 1 (Unidad VI) Introducción a Inteligencia Colectiva

A. P. Engelbrecht, Computational Intelligence: An Introduction, 2nd Ed.

16.1, 16.2, 16.4 (opcional: 16.7)

17.1.1-17.1.4, 17.1.12 (opcional: 17.5)

 

 M. Clerc, Particle swarm optimization,

(opcional 3)

M. Dorigo, T. Stutzle, Ant Colony Optimization,

(opcional 2)

J. Kennedy, R.C. Eberhart, Swarm intelligence,

(opcionales 1,7)

E. Bonabeau, M. Dorigo, G. Theraulaz, Swarm intelligence: from natural to artificial intelligence,

(opcionalles 1,2)

Descargar
Inteligencia colectiva 2 (Unidad VII) Colonia de hormigas y enjambre de partículas

A. P. Engelbrecht, Computational Intelligence: An Introduction, 2nd Ed.

16.1, 16.2, 16.4 (opcional: 16.7)

17.1.1-17.1.4, 17.1.12 (opcional: 17.5)

 

 M. Clerc, Particle swarm optimization,

(opcional 3)

M. Dorigo, T. Stutzle, Ant Colony Optimization,

(opcional 2)

J. Kennedy, R.C. Eberhart, Swarm intelligence,

(opcionales 1,7)

E. Bonabeau, M. Dorigo, G. Theraulaz, Swarm intelligence: from natural to artificial intelligence,

(opcionalles 1,2)

Descargar
Aplicaciones (Unidad VIII) Aplicaciones Descargar
Aplicaciones (Unidad VIII) Clase invitada: modelado conceptual Descargar

Cronograma de Actividades

Unidades I y II (introducción a la asignatura, perceptrón simple, generalidades de redes neuronales). Planificación y condiciones de regularidad. Semana 1

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone
Descripción:

En todas las clases que figura como "Teoría" en este formulario se incluyen también las Clases de discusión, tal como se describió en la Sección Metodología de Enseñanza.

Observaciones:

(ju 15/08/13)

Comienza GTP 1. Introducción teórica al perceptrón simple. Semana 1

Tipo: EP

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 12/08/13)

En cada clase de práctica se incluye la formación experimental de laboratorio, resolución de ejercicios y problemas, y proyectos de ingeniería.

 

Unidad III.a (perceptrón multicapa, redes con funciones de base radial). Semana 2

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone
Descripción:
Observaciones:

(ju 22/08/13)

Feriado Semana 2

Tipo: P/D

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 19/08/13)

Continúa la GTP 1. Semana 3

Tipo: PI

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 26/08/13)

Unidad III.b (mapas autoorganizativos, redes dinámicas). Semana 3

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Hugo Leonardo Rufiner
Descripción:
Observaciones:

(ju 29/08/13)

Continúa GTP 1. Evluación GTP1 parte a Semana 4

Tipo: PL

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 02/09/13)

Unidad IV (lógica, inferencia, teoría de conjuntos borrosos). Semana 4

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone, Georgina Silvia Stegmayer
Descripción:
Observaciones:

(ju 05/09/13)

Comienza GTP 2. Continúa GTP1. Semana 5

Tipo: EP

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 09/09/13)(semana de finales)

En esta clase participa como Profesor Invitado el Dr. César Martínez.

Unidad V (memorias asociativas borrosas). Semana 5

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone
Descripción:
Observaciones:

(ju 12/09/13)

Comienza GTP 3. Continúa GTP 2. Evaluación GTP 1 parte b. Semana 6

Tipo: PL

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 16/09/13)

Unidad VI.a (búsqueda, planificación). Semana 6

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Georgina Silvia Stegmayer
Descripción:
Observaciones:

(ju 19/09/13)

Continúa GTP 2. Continúa GTP 3. Semana 7

Tipo: EP

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 23/09/13)

Parcial 1 (Unidades I a IV). Semana 7

Tipo: E

Duración: 3 hs
Docente/s responsable/s: Georgina Silvia Stegmayer
Descripción:
Observaciones:

(ju 26/09/13)

Feriado Semana 8

Tipo: PL

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 30/09/13)

Unidad VI.b (introducción a la inteligencia colectiva, algoritmos evolutivos 1). Semana 8

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone
Descripción:
Observaciones:

(ju 03/10/13)

Unidades VII (algoritmos evolutivos 2, colonias de hormigas, enjambre de partículas). Semana 9

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone
Descripción:
Observaciones:

(ju 10/10/13)

Continúa GTP 3. Evaluación GTP 2. Semana 9

Tipo: PI

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 07/10/13)

Feriado Semana 10

Tipo: PL

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 14/10/13)

Unidades VIII (aplicaciones). Explicacion general e inicio de los trabajos finales. Semana 10

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Hugo Leonardo Rufiner
Descripción:
Observaciones:

(ju 17/10/13)

Comienza GTP 4. Evaluación GTP 3. Entrega de 3 propuestas para trabajos finales y asignación de tutores por grupo. Semana 11

Tipo: EP

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 21/10/13)

En esta actividad participan todos los docentes, se analizan las propuestas y se asignan los tutores para cada grupo.

 

Parcial 2 (Unidades V a VIII). Semana 11

Tipo: E

Duración: 3 hs
Docente/s responsable/s: Georgina Silvia Stegmayer
Descripción:
Observaciones:

(ju 24/10/13)

Continúa GTP 4. Entrega de búsqueda bibliográfica y propuesta de solución para el trabajo final. Semana 12

Tipo: PI

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 28/10/13)

En esta actividad participan todos los docentes, cada cual atendiendo a los grupos de los que es tutor en el trabajo final.


 

Desarrollo de trabajos finales Semana 12

Tipo: P/D

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(ju 31/10/13)

En esta actividad participan todos los docentes, cada cual atendiendo a los grupos de los que es tutor en el trabajo final.

Evaluación GTP 4. Desarrollo de trabajos finales. Semana 13

Tipo: P/D

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 04/11/13)

En esta actividad participan todos los docentes, cada cual atendiendo a los grupos de los que es tutor en el trabajo final.

Desarrollo de trabajos finales Semana 13

Tipo: E

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(ju 07/11/13)

En esta actividad participan todos los docentes, cada cual atendiendo a los grupos de los que es tutor en el trabajo final.

Introducción al modelado conceptual. Semana 14

Tipo: T

Duración: 3 hs
Docente/s responsable/s: Diego Humberto Milone
Descripción:
Observaciones:

(ju 14/11/13)

Clase especial dictada por la Profesora Invitada, Dra. Gabriela Henning.

Recuperación de prácticos. Entrega de implementación de trabajos finales. Semana 14

Tipo: PI

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 11/11/13)

En esta actividad participan todos los docentes, cada cual atendiendo a los grupos de los que es tutor en el trabajo final.

Entrega de informes y presentación de los trabajos finales (todos los alumnos deben estar presentes durante esta clase). Semana 15

Tipo: P/D

Duración: 3 hs
Docente/s responsable/s: Leandro Ezequiel Di Persia, Diego Humberto Milone, Hugo Leonardo Rufiner, Georgina Silvia Stegmayer, Leandro Daniel Vignolo
Descripción:
Observaciones:

(lu 18/11/13)

En esta actividad participan todos los docentes.

 

Recuperación de parciales. Semana 15

Tipo: E

Duración: 3 hs
Docente/s responsable/s: Georgina Silvia Stegmayer
Descripción:
Observaciones:

(ju 21/11/13)

Guías de Actividades

Actividad Título Guía Descripción Descargar
Comienza GTP 1. Introducción teórica al perceptrón simple. Guía de trabajos prácticos 1 Descargar
Comienza GTP 1. Introducción teórica al perceptrón simple. Datos para trabajos prácticos (concent) Descargar
Comienza GTP 1. Introducción teórica al perceptrón simple. Datos para trabajos práticos (iris) Descargar
Continúa GTP 1. Evluación GTP1 parte a Guía de trabajos prácticos 2 Descargar
Comienza GTP 2. Continúa GTP1. Datos para trabajos prácticos (clouds) Descargar
Comienza GTP 2. Continúa GTP1. Datos para trabajos práticos (phoneme) Descargar
Continúa GTP 2. Continúa GTP 3. Guía de trabajos prácticos 3 Descargar
Feriado Guía de trabajos prácticos 4 Descargar
Unidades VIII (aplicaciones). Explicacion general e inicio de los trabajos finales. Ejemplos y estilos de formato para el trabajo final (oofffice) Descargar
Unidades VIII (aplicaciones). Explicacion general e inicio de los trabajos finales. Ejemplos y estilos de formato para el trabajo final (latex) Descargar
Comienza GTP 4. Evaluación GTP 3. Entrega de 3 propuestas para trabajos finales y asignación de tutores por grupo. Trabajos finales realizados en años anteriores Descargar
Recuperación de parciales. Exámenes parciales de años anteriores Descargar

Requerimientos para Regularizar

 

Instancias de evaluación durante el cursado

La evaluación durante el cursado se realiza en diferentes escalas temporales:

1. Evaluación de práctica: se realiza dentro de las 3 horas previstas para la actividad práctica y tiene por objetivo evaluar tanto los avances en la realización de trabajos prácticos con la incorporación de los conocimientos teóricos básicos relacionados. Esta instancia de evaluación es una de las más importantes del cursado ya que brinda la oportunidad de evaluar de cerca la evolución y sobre todo poder ajustar a tiempo los procesos de enseñanza y aprendizaje de acuerdo a las necesidades particulares de cada grupo de trabajo o alumno, recomendando lecturas adicionales, sugiriendo ampliaciones de algún ejercicio práctico, explicando en detalle algún tema en particular, etc. La evaluación se extiende entre 15 a 30 minutos, dependiendo de la modalidad elegida. El responsable de la práctica podrá optar por:

  • Evaluación oral grupal: defensa del trabajo práctico del tema correspondiente y frente a la computadora, con todo el código fuente y todos los ejercicios resueltos. Durante esta defensa se evalúan tanto los conocimientos prácticos como los teóricos. Si bien la evaluación es grupal, cada integrante del grupo debe estar en condiciones de responder correctamente a las preguntas. Dependiendo de la cantidad de grupos, en esta instancia de evaluación/seguimiento suelen participar todos los integrantes de la cátedra.

  • Evaluación escrita individual: consistente en dos o tres preguntas (cortas) en relación al trabajo práctico y sus fundamentos teóricos.

  • Evaluación escrita grupal: entrega de un informe técnico del trabajo práctico, donde deben presentarse adecuadamente los resultados, discusión y conclusiones para cada ejercicio de la guía. En este caso se informará al alumno acerca de la modalidad con una semana de antelación a la entrega prevista en el cronograma, para que pueda preparar el informe escrito.

Los grupos de trabajo deberán estar conformados por 2 o 3 miembros, no se aceptarán trabajos individuales. Si bien cada grupo puede utilizar cualquier lenguaje o herramienta de programación, se recomienda utilizar un lenguaje compilado, dada la gran carga computacional de los cálculos involucrados. 

La programación de todos los algoritmos desarrollados, sin la utilización de programas, bibliotecas o funciones previamente desarrolladas por terceros, es una importante característica del enfoque pedagógico que damos a la asignatura. Por un lado, consideramos que el entendimiento acabado de todos los algoritmos clave se completa al programarlos desde cero, y más aún dada la formación de un estudiante de informática. Por otro lado, este es un elemento motivacional muy importante para los alumnos, que sin dudas prefieren terminar de comprender los diferentes métodos invirtiendo más tiempo en programación.

Vale aclarar que el aprendizaje de una forma de implementación particular, lenguaje o entorno de programación no es parte de los objetivos de la asignatura. Por lo tanto, los aspectos técnicos de la compilación y utilización de lenguajes y entornos de programación quedan bajo la responsabilidad de cada grupo de trabajo. Al momento de la entrega de los trabajos prácticos todos los programas deben funcionar correctamente y cada alumno debe ser capaz de explicar y justificar cada paso de la solución propuesta.

 

2. Evaluación parcial: se proveen dos exámenes parciales, involucrando aproximadamente la mitad de los temas del programa en cada uno (según se detalla en el cronograma.). Estas evaluaciones serán de aproximadamente 2:30 horas cada una, consistiendo en un examen escrito con especial énfasis en los aspectos teóricos pero incluyendo también problemas de aplicación. Para los problemas de aplicación no se requerirá el nivel de detalle de los trabajos prácticos pero sí la formulación clara de las soluciones propuestas, utilizando diagramas en bloque, pseudocódigo y ecuaciones según corresponda.

Todos los exámenes parciales incluyen un problema abierto, que representa un desafío mayor. No existe una solución única e incluso en muchos casos no existe una solución cerrada a este tipo de problemas. Por lo tanto, no se espera que el alumno “resuelva” el problema por completo sino que demuestre que puede integrar los conocimientos adquiridos para proponer una posible solución, utilizando adecuadamente las técnicas y conceptos desarrollados y formulando una propuesta coherente, con claridad y precisión en el uso del lenguaje técnico del área. Este problema nunca supera los 15 puntos (sobre 100) y el tiempo máximo sugerido para su resolución se indica claramente en el enunciado, como para todos los ejercicios. De esta forma el alumno puede realizar un mejor manejo del tiempo durante el examen.

3. Trabajo final: se debe realizar en grupos de 2 o 3 personas. Este trabajo consiste en solución de un problema que deben proponer los alumnos. Cada integrante del grupo propone un problema práctico a resolver y un tutor asignado de entre los miembros de la Cátedra guía al grupo para seleccionar y delimitar uno de los temas. Este mismo tutor los guía luego todo el desarrollo del trabajo final. En base a una búsqueda bibliográfica de antecedentes relacionados, se debe proponer e implementar una solución válida, aplicando las herramientas computacionales que se proveen durante el cursado. No se aceptarán trabajos individuales ni problemas que no hayan sido seleccionados junto al tutor asignado.

Para facilitar el aprovechamiento de esta instancia se deberán cumplimentar 4 presentaciones en total (3 parciales y 1 final) y la calificación se definirá considerando todas las instancias de evaluación, que deberán ser entregadas en tiempo y forma.

1ra presentación: los grupos llevarán tres propuestas, de las cuales con ayuda de los tutores asignados se eligirá una. Las propuestas se entregan por escrito (200 palabras por cada idea).

2da presentación: entrega de una búsqueda bibliográfica y propuesta de solución por escrito. La búsqueda bibliográfica será de una página, con las referencias en el formato correspondiente y la propuesta de solución en aproximadamente 400 palabras. También se deberán adjuntar impresos de los artículos de las referencias.

3ra presentación: entrega de implementación funcionando (código fuente), con todo el problema resuelto y funcionando correctamente al momento de ser entregado. Se deberá realizar una defensa oral de todo lo entregado.

La presentación final consiste en un informe escrito y una exposición oral de 15 minutos, con defensa de 5 minutos. Una guía de estilo y estructura para preparar el informe final puede descargarse desde la sección Guías de Actividades. Otros detalles del informe y la presentación se especificarán durante el cursado.

Puntuación para la aprobación

Para la aprobación de la asignatura se consideran todas las instancias de evaluación durante el cursado, con la siguiente distribución relativa de puntos:

  • Evaluaciones de práctica: 40 puntos (distribuidos por tema).

  • Evaluaciones parciales: 40 puntos (distribuidos por parcial).

  • Trabajo final: 20 puntos

Para regularizar la asignatura (lo que implica la promoción de práctica) se requieren 60 puntos o más puntos en las evaluaciones durante el cursado. 

Aclaración importante: en ningún caso es válida la acumulación de puntos si en alguna de las instancias de evaluación se obtuviera menos del 40% de la puntuación total. Los trabajos finales deberán aprobarse con al menos el 60%, es decir, 12 puntos.

Exámenes de recuperación

Se proveen dos instancias de recuperación de exámenes:

  • Se podrán recuperar dos temas en caso de no alcanzar el 40% en alguna de las instancias de evaluación práctica. Un examen de recuperación se podrá utilizar para las evaluaciones prácticas de redes neuronales y el otro para la práctica de lógica borrosa o la de inteligencia colectiva.

  • Se podrá recuperar un examen a elección para aumentar la calificación
    en las evaluaciones parciales.

Los exámenes de recuperación serán individuales aunque la modalidad (escrito/oral) será dispuesta por el responsable de la asignatura independientemente de aquella con que se hubiese evaluado originalmente el tema. La calificación final es el máximo entre el examen original y el examen de recuperación.

Deshonestidad académica

En el caso de que un alumno incurra en cualquier acto de deshonestidad académica quedará automáticamente LIBRE sin importar su condición previa en la asignatura. Además se elevará un pedido a la Secretaría Académica para que el alumno sea sancionado de acuerdo al caso. Se considerarán actos de deshonestidad académica: copiar exámenes (de cualquier tipo y en cualquier forma), copiar informes, copiar programas o ideas originales para la resolución de problemas. Todo trabajo presentado por el alumno se considera que ha sido el resultado de su proceso de aprendizaje y fruto de su propio esfuerzo. Como regla general, en un caso de copia a otros compañeros son culpables ambas partes, por lo que se sugiere a los alumnos cuidar sus informes, códigos fuente o cualquier otro objeto de una evaluación. Se considera también un acto deshonesto utilizar material (texto, figuras, etc.) de otras fuentes (Internet, libros, revistas, etc.) sin realizar la cita correspondiente. No es aceptable la copia textual en ningún caso, desde ninguna fuente (libros, artículos, páginas web, etc.). Sólo se puede transcribir una frase textual, entre comillas y en itálica, y por supuesto citando la fuente. Como es natural, no es posible enumerar todos los casos de deshonestidad académica por lo que la lista anterior no es exhaustiva y otros casos serán analizados oportunamente. Se invita a los alumnos a que en el caso de tener cualquier duda al respecto, consulten al responsable de la asignatura antes de realizar cualquier acción.

Requerimientos para Promover

Con las mismas consideraciones detalladas en los Requerimientos para Regularizar, para el caso de la Promoción (completa) se requieren 80 puntos o más puntos en las evaluaciones durante el cursado.

Examen Final

Alumnos Regulares

Evaluación de teoría: examen oral de entre 15 y 30 minutos por alumno. Se evalúan tres temas para los que el alumno puede realizar un desarrollo preliminar en la pizarra y luego explicar oralmente, respondiendo a las preguntas y realizando las ampliaciones que se le soliciten. El tribunal puede agregar preguntas de otros temas para terminar de definir la calificación. En caso de que en un turno de examen asistan más de diez alumnos, el tribunal podrá optar por tomar un examen escrito.

Alumnos Libres

Evaluación del trabajo final: los alumnos libres deben aprobar previamente el trabajo final tal como se indicó más arriba pero en este caso su realización no podrá ser grupal. El alumno deberá informar al responsable de la asignatura 15 días antes de la fecha en que desea presentarse.

Evaluación de práctica: examen a libro abierto y con computadora. Se formulan problemas que involucran varios temas de la asignatura y deben ser resueltos en un plazo de 3 horas. Durante el examen el alumno puede consultar toda la bibliografía con la que cuente en el aula y utilizar código fuente desarrollado previamente. No se podrán realizar consultas a terceros y una vez resueltos los problemas el alumno deberá defender adecuadamente cada parte de la implementación según lo solicite el tribunal.

Evaluación de teoría: igual que para alumnos regulares.

Evaluaciones

Fecha Tipo Modalidad Descripción
02-09-2013 Trabajo Práctico Oral/Escrita GTP 1a.

GTP 1 primera parte.

16-09-2013 Trabajo Práctico Oral/Escrita GTP 1b.

GTP 1 segunda parte.

26-09-2013 Parcial Escrita Examen parcial 1

Unidades I a IV.

07-10-2013 Trabajo Práctico Oral/Escrita GTP 2.

Unidad III parte b.

21-10-2013 Trabajo Práctico Oral/Escrita GTP 3.

GTP 3 completa.

21-10-2013 Otras Evaluaciones Oral/Escrita Trabajo final: 3 propuestas.

Entrega de 3 propuestas para trabajos finales y asignación de tutores por grupo.

24-10-2013 Parcial Escrita Examen parcial 2

Unidades V a VIII.

28-10-2013 Otras Evaluaciones Oral/Escrita Trabajo final: búsqueda bibliográfica y propuesta de solución

Entrega de búsqueda bibliográfica y propuesta de solución.

04-11-2013 Trabajo Práctico Oral/Escrita GTP 4.

GTP 4 completa.

11-11-2013 Recuperatorio Oral/Escrita Recuperación de prácticos.

Todos.

11-11-2013 Otras Evaluaciones Oral/Escrita Trabajo final: implementación.

Entrega del código fuente con todo funcionando.

18-11-2013 Otras Evaluaciones Oral/Escrita Trabajo final: informe y presentaciones.

Entrega de informes y presentación oral.

21-11-2013 Recuperatorio Oral/Escrita Recuperación de parciales.

Todos.

Información Complementaria

No se ha especificado la información complementaria de la asignatura