Asociación Española para la Inteligencia Artificial (AEPIA)
AEPIA-UIMP
MásterUniversitarioenInvestigaciónenInteligenciaArtificial
AEPIAyUIMP
Masteron-linedeuncursoacadémicodeduración(octubre2019ajulio2020)
CuartaEdición,curso2019/20
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página2de12
MásterUniversitarioenInvestigaciónenInteligenciaArtificialCuartaEdición
InformacióndetalladaenlapáginawebdelmásterenUIMP:http://www.uimp.es/postgrado/estudios/fichaestudio.php?plan=P04C&any=2019-20&verasi=N&lan=es#
Índice
Presentación 2Competencias 3AsignaturasyEspecialidades 5Competenciasquecubrenlasasignaturas 5Especialidades 6Orientacióndecómoestudiarestasasignaturas 7Listadodeprofesoradodistribuidoporasignaturas 8FechasImportantes 10Normativas 11
PresentaciónEs unMáster Universitario Oficial verificado por la ANECA, completamente online yorganizado por la Asociación Española para la Inteligencia Artificial (AEPIA) y laUniversidadInternacionalMenéndezPelayo(UIMP).ElMástertieneunañodeduración.Cadaestudiantedeberácursar60créditos.Enelcurso 2019/20 se impartirá su cuarta edición (segunda con el plan de estudiosmodificadoenelqueseincluyenasignaturasnuevasrespectoalasdosprimeras).Enestedocumentosepresentanbrevementeloscontenidosylaorganizaciónprevistaenestemáster.
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página3de12
CompetenciasLascompetenciasquesevanacubrirenesteMástersonlasqueselistanenlatablasiguiente.Losalumnosdebencursarasignaturasqueentretodasreúnanestascompetencias.3.1COMPETENCIASBÁSICASYGENERALES
BÁSICAS
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de seroriginales en el desarrollo y/o aplicación de ideas, a menudo en un contexto deinvestigación
CB7 -Que losestudiantes sepanaplicar los conocimientosadquiridosy sucapacidadderesolucióndeproblemasenentornosnuevosopococonocidosdentrodecontextosmásamplios(omultidisciplinares)relacionadosconsuáreadeestudio
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a lacomplejidad de formular juicios a partir de una información que, siendo incompleta olimitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a laaplicacióndesusconocimientosyjuicios
CB9-Quelosestudiantessepancomunicarsusconclusionesylosconocimientosyrazonesúltimasquelassustentanapúblicosespecializadosynoespecializadosdeunmodoclaroysinambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitancontinuar estudiando de un modo que habrá de ser en gran medida autodirigido oautónomo.
GENERALES
CG1-Entenderlosconceptos,losmétodosylasaplicacionesdelainteligenciaartificial
CG2-EvaluarnuevasherramientascomputacionalesydegestióndelconocimientoenelámbitodelaInteligenciaArtificial
CG3-Gestionardemanerainteligentelosdatos,lainformaciónysurepresentación
CG4-Describirproblemasdeinvestigaciónmediantelaredacciónprecisadelosobjetivosa lograr, las hipótesis a utilizar, las técnicas a aplicar, las conjeturas a formular y laslimitacionesaconsiderar
CG5 - Evaluar las hipótesis de investigación propuestas en un trabajo científico quepermitansuvalidaciónosurefutación
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página4de12
3.2COMPETENCIASTRANSVERSALES
-
3.3COMPETENCIASESPECÍFICAS
CE1 - Utilizar los diferentes algoritmos de búsqueda basados en la gestión delconocimiento que sean de aplicación en los problemas que surgen en el ámbito de laInteligenciaArtificial
CE2 - Aplicar las técnicas de aprendizaje automático utilizando la metodología devalidaciónypresentaciónderesultadosmásapropiadaencadacaso
CE3 - Seleccionar el mecanismo de representación del conocimiento y el método derazonamientomásadecuadosal contextodondeseránutilizadosydiseñar suaplicaciónparaproblemasenelámbitodelaInteligenciaArtificial
CE4 - Conocer los principales modelos de razonamiento impreciso para valorar suadecuación a la resolución de problemas que surgen en el ámbito de la InteligenciaArtificial
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación enInteligenciaArtificialparapoderdeterminarcuálesdeellassonrelevantesenlaresolucióndeproblemasconcretos
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página5de12
AsignaturasyEspecialidades
LasasignaturasdelMásterestánorganizadasen4bloques:FundamentosdelaInteligenciaArtificialEspecialidad1:AprendizajeyCienciadeDatosEspecialidad2:InteligenciaenlaWebEspecialidad3:RazonamientoyPlanificación
AdemásdeestasasignaturaselMástercuentacondosasignaturasobligatorias:
IntroducciónalaInvestigación(3créditos)TrabajoFindeMáster(12créditos)
Losalumnostienenquecursar:
• Lasdosmateriasobligatorias(15créditos)• Lasasignaturasincluidasenunaespecialidad(22.5créditos).• Asignaturas por valor total de 22.5 créditos, elegidas entre todas las
asignaturas restantes (especialidades distintas a la elegida y bloque deFundamentosde I.A.)de formaqueentre todas lasasignaturas seobtienentodas las competencias listadas anteriormente (CB6-CB10, CG1-CG5 y CE1-CE5).
Asignaturas
Lasiguientetablamuestraelconjuntodecompetenciascubiertasporcadaasignatura.
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página6de12
Especialidades
LasiguientetablamuestralasasignaturascorrespondientesacadaunadelastresespecialidadesdelMáster,asícomolascompetenciasalcanzadasconellas(ylasdosasignaturasobligatorias)ylasqueesnecesariocompletarmedianteelconjuntodeasignaturasadicionales(22.5créditos)aseleccionar.
ESPECIALIDADES
CB6 CB7 CB8 CB9 CB10 CG1 CG2 CG3 CG4 CG5 CE1 CE2 CE3 CE4 CE5X X X X X X
X X X X X X X XX X X X X X X XX X X X X X X X XX X X X X X X X X
X X X
X X X X X X X X X X X
CB6 CB7 CB8 CB9 CB10 CG1 CG2 CG3 CG4 CG5 CE1 CE2 CE3 CE4 CE5X X X X X X
X X X X X X X X X XX X X X X X X XX X X X X X X X XX X X X X X X X X
A20: Métodos empíricos de procesamieto del lenguaje natural X X X X X X X X X
X
X X X X X X X X X X X
CB6 CB7 CB8 CB9 CB10 CG1 CG2 CG3 CG4 CG5 CE1 CE2 CE3 CE4 CE5X X X X X X
X X X X X X X X XX X X X X X X X X XX X X X X X X X XX X X X X X X X X
A21: Aprendizaje por refuerzo X X X X X X X X X
X
X X X X X X X X X X XTrabajo Fin de Máster
A15: Razonamiento automáticoA16: Planificación automáticaA17: Búsqueda heurística avanzadaA18: Razonamiento con restricciones
5 optativas que entre todas incluyan, como mínimo, la competencias señalada con X al no haberse adquirido en ninguna de las asignaturas anteriores (C2)
A6: Introducción a la investigación: ESPECIALIDAD 3: Razonamiento y Planificación
5 optativas que entre todas incluyan, como mínimo, la competencia señalada con X al no haberse adquirido en ninguna de las asignaturas anteriores (C1)
Trabajo Fin de Máster
Especialidad 3: RAZONAMIENTO Y PLANIFICACIÓNBásicas Generales Específicas
ESPECIALIDAD 2: Inteligencia en la WebA11: Web semántica y datos enlazadosA12: Tecnologías semánticas avanzadasA13: Sistemas de RecomendaciónA14: Recuperación y extracción de información, grafos y redes sociales
A6: Introducción a la investigación:
102472 - A9: Datos temporales y complejos102473 - A10: Big Data: Herramientas para el procesamiento de datos masivos
5 optativas que entre todas incluyan, como mínimo, las competencias señaladas con X al no haberse adquirido en ninguna de las asignaturas anteriores (C1, C3 y C4)
Trabajo Fin de Máster
Especialidad 2: INTELIGENCIA EN LA WEBBásicas Generales Específicas
ESPECIALIDAD 1: Aprendizaje y Ciencia de Datos102470 - A7: Métodos supervisados102471 - A8: Métodos no supervisados y detección de anomalías
Especialidad 1: APRENDIZAJE Y CIENCIA DE DATOSBásicas Generales Específicas
102463 - A6: Introducción a la investigación:
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página7de12
OrientacióndecómoestudiarestasasignaturasComoyaseindicó,elMásteresenteramenteonline,siendoelalumnadoquiénmarcalos tiempos y el orden de los estudios. Sin embargo, la Comisión Académicarecomiendaajustarsealasiguientetemporización.EnelcasodelosalumnosaTiempoParcialesteordenseveráreflejadoenlaselección(matrícula)delasasignaturasparaelprimerysegundoaño.1) IntroducciónalaInvestigación
TécnicasavanzadasderepresentacióndelconocimientoyrazonamientoResolucióndeproblemasconmetaheurísticos
2) Cienciadedatosyaprendizajeautomático
ProcesamientodellenguajenaturalSistemasmulti-agente
3) Métodossupervisados
WebsemánticaydatosenlazadosRazonamientoautomático
4) DeepLearning Métodosnosupervisadosydeteccióndeanomalías
TecnologíassemánticasavanzadasPlanificaciónautomática
5) Métodosempíricosdeprocesamientodellenguajenatural
DatostemporalesycomplejosRecuperaciónyextraccióndeinformación,grafosyredessocialesRazonamientoconrestricciones
6) SistemasdeRecomendación
AprendizajeporrefuerzoBúsquedaheurísticaavanzadaBigData:Herramientasparaelprocesamientodedatosmasivos
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página8de12
Listadodeprofesoradodistribuidoporasignaturas
MATERIAOBLIGATORIA
A6:IntroducciónalainvestigaciónSenénBarroJoséLuisBalcazar
FUNDAMENTOSDELAINTELIGENCIAARTIFICIAL
A1:Técnicasavanzadasderepresentacióndelconocimientoyrazonamiento
SerafínMoralHumbertoBustinceLuisMartínez
A2:Resolucióndeproblemasconmetaheurísticos
EnriqueAlbaJoséAntonioLozanoJoséAndrésPérezMoreno
A3:Cienciadedatosyaprendizajeautomático
JoséAntonioGámezMaríaJosédelJesusJoséH.OralloFranciscoCharteOjeda
A4:ProcesamientodellenguajenaturalLuisAlfonsoUreñaMaríaTeresaMartínValdiviaEugenioMartínezCámara
A5:Sistemasmulti-agenteCarlosSierraVicenteBottiSaschaOssowski
A19:DeepLearningOscarLuacesJorgeDíezBeatrizRemeseiro
APRENDIZAJEYCIENCIADEDATOS
Métodossupervisados
PedroLarrañagaConchaBielzaIñakiInzaBojanMihaljevic
Métodosnosupervisadosydeteccióndeanomalías
JuanCarlosCuberoSebastiánVentura
Datostemporalesycomplejos
JoséRiquelmeAliciaTroncosoJuanJosédelCoz
BigData:Herramientasparaelprocesamientodedatosmasivos
AmparoAlonsoBetanzosDavidMartínezRegoVerónicaBolónCarlosEiras
INTELIGENCIAENLAWEB
Websemánticaydatosenlazados
OscarCorchoRaúlGarcía-CastroIdafenSantanaPérezMarianoRicoAlmodóvar
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página9de12
Tecnologíassemánticasavanzadas
MaríadelCarmenSuarezdeFigueroaBaonzaMarianoFernándezLópezMaríaPovedaVillalónVíctorRodríguezDoncelJorgeGraciadelRioElenaMontielPonsoda
SistemasdeRecomendación
JorgeDíezJuanHueteJuanManuelFernándezLunaOscarLuacesAntonioBahamonde
Recuperaciónyextraccióndeinformación,grafosyredessociales
OscarCordónJuanManuelFernándezLuna
Métodosempíricosdeprocesamientodellenguajenatural
CarlosGómezRodríguezMiguelA.AlonsoPardoElenaLloretPastorYoanGutiérrezVázquezJesúsVilaresFerro
RAZONAMIENTOYPLANIFICACIÓN
Razonamientoautomático
AlbertoJoséBugarínDizRobertoConfalonieriLluisGodoLacasaLuisMagdalenaLayosFelipManyàJuanAntonioRodríguezAguilar
Planificaciónautomática EvaOnaindiaDanielBorrajo
Búsquedaheurísticaavanzada PedroMeseguerLawrenceMandow
Razonamientoconrestricciones PedroMeseguerCaminoRodríguez-Vela
Aprendizajeporrefuerzo FernandoFernándezRebolloAndersJonsson
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página10de12
FechasImportantes[Modificadoa28deabrilde2020]Todas lasasignaturasdelMásterestaránabiertasdesdeel15deoctubrehastael15deseptiembrede2020.Para la convocatoria ordinaria, habrá 3 fechas de entrega para los trabajos de lasasignaturas. Los alumnos podrán entregar sus trabajos en cualquiermomento, perosoloenestasfechasserecogerányevaluaránlosquesehayanentregado.Lasfechasserán:
20/12/19,15/03/20,del31/05/20al19/06/20
Habráunaconvocatoriaextraordinariaentodaslasasignaturas.Parasuevaluación,lafechalímiteparalaentregadetrabajosserá:
del1/07/20al1/09/20
Loanterior son fechasgenerales,peroalgunasasignaturaspuedenestablecer fechasparticularesparaelección/presentacióndetrabajosuotraspruebasquenoseajustenalosentregablesgenerales,porloquelosalumnosdeberánestarpendientesdeestosavisosenlosrespectivosespaciosvirtualesdelasasignaturas.
ParalosTrabajosFindeMásterhabrádosconvocatorias:
• Convocatoriaordinaria:o Solicitudhastael1/07/20o Entregahastael8/07/20o Defensael15/07/20
• Convocatoriaextraordinaria:o Solicitudhastael9/09/20o Entregahastael15/09/20o Defensael22/09/20
Las Actas de la convocatoria ordinaria se cerrarán en Julio de 2020 y las de laconvocatoriaextraordinariaenseptiembrede2020.
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página11de12
Preinscripciónparaelcurso2019-20ymásinformaciónLapreinscripciónparaelcurso2019-20comienzael1deabrilde2019,extendiéndosehastael12dejulio(plazoordinario).Sinosecubrierantodaslasplazasseabriráunplazoextraordinariodel19deagostoal6deseptiembrede2019.LapreinscripciónpuederealizarsedesdelapáginawebdelMásterenlaUIMP:http://www.uimp.es/actividades-academicas/postgrado-e-investigacion/estudios/masteres-universitarios/preinscripcion-y-matricula-en-masteres-universitarios.htmlLainformacióncompletadelmásterestádisponibleen:
- WebdeAEPIAhttp://www.aepia.org/aepia/index.php/masteria
- WebdelaUIMPhttp://www.uimp.es/postgrado/estudios/fichaestudio.php?plan=P04C&any=2018-19&verasi=N&lan=es#
Lasnormativasy la informacióndetalladasobre losTrabajosFindeMásteraparecenpublicadasenlacorrespondienteguíadocenteenlawebdelMásterenlaUIMP:http://www.uimp.es/postgrado/estudios/fichaasig.php?plan=P04C&any=2018-19&asi=102484&dis=2&lan=es
MÁSTERUNIVERSITARIOENINVESTIGACIÓNENINTELIGENCIAARTIFICIAL
Página12de12
NormativadereconocimientoytransferenciadecréditosElreconocimientodecréditosenelMUIIAserigeporla
• “Normativadereconocimientoytransferenciadecréditos”delaUIMP,enlazadadesdelapáginawebdelmásterydisponibleen
o http://www.uimp.es/actividades-academicas/postgrado-e-investigacion/estudios/masteres-universitarios/normativa-de-reconocimiento-y-transferencia-de-creditos.html
• MemoriaverificadadelMUIIA,enlazadasdesdelapáginawebdelmásterydisponibleen
o http://www.uimp.es/uxxiconsultas/ficheros/9/475872018_Memoria_Inteligencia_Artificial_MODIFICADA.pdf
Enlaqueseindicaexplícitamentequenosereconoceráncréditosprovenientesde:
• Enseñanzassuperioresoficialesnouniversitarias• Títulospropios• Acreditacióndeexperiencialaboralyprofesional
PorloqueúnicamenteseestudiaránlassolicitudesbasadasenhabercursadoasignaturasafinesrealizadasenMásteresUniversitariosOficialesyenProgramasdeDoctorado.