Guía docente de Sistemas de Recuperación de Información y de Recomendación (M51/56/3/22)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- Juan Manuel Fernández Luna
- Carlos Gustavo Porcel Gallego
Horario de Tutorías
Juan Manuel Fernández Luna
Email- Tutorías 1º semestre
- Lunes 11:30 a 13:30 (D22 (Etsiit))
- Martes 11:30 a 13:30 (D22(Etsiit))
- Jueves 11:30 a 13:30 (D22 (Etsiit))
- Tutorías 2º semestre
- Lunes 11:30 a 13:30 (D22 (Etsiit))
- Martes 11:30 a 13:30 (D22 (Etsiit))
- Jueves 11:30 a 13:30 (D22 (Etsiit))
Carlos Gustavo Porcel Gallego
EmailBreve descripción de contenidos (Según memoria de verificación del Máster)
En esta asignatura se estudiarán los fundamentos de dos de las áreas más importantes del acceso a la información: los sistemas de recuperación de información y los de recomendación. Se mostrarán los procesos completos de preparación de los sistemas y cómo interactúan los usuarios con ellos, siempre haciendo hincapié en las técnicas de ciencia de datos empleadas.
Prerrequisitos y/o Recomendaciones
No existen requisitos previos ni recomendaciones.
En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0
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.
Competencias Generales
- CG01. Capacidad de acceso y gestión de la información
- CG02. Capacidad de análisis y síntesis
- CG07. Motivación por la calidad
Competencias Específicas
- CE05. Capacidad para modelar y resolver problemas reales o académicos mediante técnicas de ciencia de datos
- CE07. Capacidad de utilización de herramientas avanzadas para modelar y resolver problemas en los que se dispone de un tamaño enorme de datos.
Competencias Transversales
- CT01. Ser consciente de la importancia del desarrollo sostenible y demostrar sensibilidad medioambiental.
- CT02. Ser consciente del derecho a la no discriminación y al acceso universal al conocimiento de las personas con discapacidad.
Resultados de aprendizaje (Objetivos)
- Reconocer la problemática del acceso a información relevante en grandes volúmenes de datos e identificar la Recuperación de Información y la Recomendación como disciplinas complementarias que ayudan a resolver este problema.
- Comprender la importancia de la optimización de los procesos de indexación y búsqueda sobre grandes volúmenes de datos.
- Conocer los fundamentos y detalles teóricos de los modelos de Recuperación de Información y Recomendación.
- Evaluar la bondad de las distintas aproximaciones para la Recuperación de Información y Recomendación, conociendo los criterios de aplicación de cada una de ellas.
- Entender cómo un buen conocimiento del usuario y el contexto concreto en el que se desarrolla el proceso de acceso a la información nos permite mejorar el rendimiento de los sistemas.
- Reconocer la organización interna de un documento como un atributo aprovechable para la Recuperación de Información y conocer las técnicas básicas para indexar y recuperar información estructurada.
- Conocer el estado del arte así como familiarizar al alumno con algunas áreas avanzadas de la disciplina.
Programa de contenidos Teóricos y Prácticos
Teórico
MÓDULO I: RECUPERACIÓN DE INFORMACIÓN
- Tema 1. Introducción a la Recuperación de Información
- Tema 2. Arquitectura de Sistemas de Recuperación
- Tema 3. Modelos de RI
- Tema 4. Técnicas Avanzadas de RI
MÓDULO II: SISTEMAS DE RECOMENDACIÓN
- Tema 5. Introducción a los Sistemas de Recomendación
- Tema 6. Modelos de Sistemas de Recomendación
- Tema 7. Evaluación
- Tema 8. Técnicas Avanzadas de Recomendación
Práctico
- Implementación y defensa de un RAG para un sistema de recomendación basado contenido o un sistema de recuperación de información.
Bibliografía
Bibliografía fundamental
- Cacheda, F., Fernández-Luna, J.M. y Huete, J. Recuperación de Información: Un enfoque práctico y multidisciplinar. Ed. Rama 2011.
- Dietmar, J., Zanker, M., Felferning, A., Friedrich, G. Recommender Systems: an Introduction. Cambridge University Press 2010.
- Manning, C., Raghavan, P., Schütze, H. Introduction to Information Retrieval. Cambridge University Press 2008.
- Ricci, F., Rokach, L., Shapira, B. Recommender systems handbook. Springer 2022.
- Alonso, O. y Baeza-Yates, R. Information Retrieval: Advanced Topics and Techniques (ACM Books). 2025.
- Xu, J. Retrieval Augmented Generation in ProductionWorld Scientific Publishing. 2026.
- Falk, K. Practical Recommender Systems. Ed. Manning, 2019.
- Aggarwal, C.C. Recommender Systems: The Textbook. Ed. Springer, 2016.
- Jannach, D. Recommender Systems: An Introduction. Ed. New Publisher, 2021.
Bibliografía complementaria
- Plataforma de referencia para sistemas de recomendación: https://recommender-systems.com
- Plataforma de referencia para sistemas de recuperación: https://github.com/harpribot/awesome-information-retrieval
Enlaces recomendados
- Recuperación de información:
- Sistemas de recomendación: https://machinelearningmastery.com/recommender-systems-resources/
Metodología docente
- MD01 Lección magistral/expositiva
- MD02 Resolución de problemas y estudio de casos prácticos
- MD03 Prácticas de laboratorio
- MD04 Seminarios
- MD05 Análisis de fuentes y documentos
- MD06 Realización de trabajos en grupo
- MD07 Realización de trabajos individuales
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
La evaluación de esta asignatura se llevará a cabo mediante la realización de un examen escrito sobre los contenidos teórico-prácticos de la asignatura y la entrega y defensa del trabajo práctico ante los docentes. Además se considerará la participación activa en las clases.
El porcentaje sobre la calificación final de cada parte queda detallado a continuación:
- Participación activa en clase: 10%
- Nota del examen: 50%
- Evaluación de la práctica propuesta: 40%
Evaluación Extraordinaria
La convocatoria extraordinaria se realizará en un solo acto académico en forma de realización de un examen escrito sobre los contenidos teórico-prácticos de la asignatura y la entrega y defensa del trabajo práctico ante los docentes. La entrega y la defensa del trabajo tendrá una ponderación en la nota del 50% y el examen escrito del 50%.
Evaluación única final
La evaluación única final se realizará en un solo acto académico en forma de realización de un examen escrito sobre los contenidos teórico-prácticos de la asignatura y la entrega y defensa del trabajo práctico ante los docentes. La entrega y la defensa del trabajo tendrá una ponderación en la nota del 45% y el examen escrito del 55%.
Información adicional
Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).