Guía docente de Soft Computing: Conjuntos y Sistemas Difusos (M51/56/3/26)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- Francisco Javier Cabrerizo Lorite
- Alberto Luis Fernández Hilario
- Antonio González Muñoz
- Nicolás Marín Ruiz
Horario de Tutorías
Francisco Javier Cabrerizo Lorite
Email- Tutorías 1º semestre
- Martes 15:30 a 18:30 (D68-4P (Etsiccp))
- Martes 12:30 a 13:30 (D68-4P (Etsiccp))
- Martes 8:30 a 10:30 (D68-4P (Etsiccp))
- Tutorías 2º semestre
- Jueves 10:30 a 13:30 (D16 (Etsiit))
- Viernes 10:30 a 13:30 (D16 (Etsiit))
Alberto Luis Fernández Hilario
Email- Tutorías 1º semestre
- Lunes 10:00 a 12:00 (Mect (Fciencia))
- Miércoles 9:30 a 11:30 (Mect (Fciencia))
- Jueves 10:00 a 12:00 (Mect (Fciencia))
- Tutorías 2º semestre
- Miércoles 10:00 a 13:00 (D16 (Etsiit))
- Jueves 10:00 a 13:00 (D16 (Etsiit))
Antonio González Muñoz
Email- Tutorías 1º semestre
- Martes 9:00 a 12:00 (1D1 (Ugr-Ai))
- Miércoles 9:00 a 12:00 (1D1 (Ugr-Ai))
- Tutorías 2º semestre
- Lunes 11:30 a 13:30 (D40 (Etsiit))
- Lunes 8:30 a 9:30 (D40 (Etsiit))
- Martes 15:30 a 17:30 (D40 (Etsiit))
- Jueves 8:30 a 9:30 (D40 (Etsiit))
Nicolás Marín Ruiz
Email- Tutorías 1º semestre
- Lunes 10:30 a 14:30 (D68-4P (Etsiccp))
- Viernes 10:30 a 12:30 (D17 (Etsiit))
- Tutorías 2º semestre
- Lunes 10:30 a 13:30 (D17 (Etsiit))
- Martes 10:30 a 13:30 (D17 (Etsiit))
Breve descripción de contenidos (Según memoria de verificación del Máster)
- Conjuntos y Lógica Difusa (1 ECTS).
- Sistemas Difusos (1 ECTS).
- Razonamiento Aproximado y Sistemas Basados en Reglas Difusas (1 ECTS).
- Tratamiento de Datos Imprecisos en Bases de Datos (1 ECTS).
Prerrequisitos y/o Recomendaciones
Sin requisitos previos.
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
- CG03. Capacidad de organización y planificación
- CG04. Capacidad emprendedora
- CG05. Capacidad para tomar decisiones de forma autónoma
- CG06. Capacidad de uso de una lengua extranjera
- CG07. Motivación por la calidad
- CG08. Capacidad para trabajar en equipo
Competencias Específicas
- CE06. Capacidad para modelar y resolver problemas reales o académicos mediante tecnologías inteligentes o de inteligencia computacional.
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)
El estudiante debe ser capaz de
- Manejar convenientemente los conceptos de conjuntos difusos y representar de forma apropiada en problemas reales la imprecisión, la preferencia y la incertidumbre.
- Conocer las metodologías de diseño y construcción de sistemas difusos para resolver problemas concretos.
- Conocer los diferentes sistemas basados en reglas difusas, entender y seleccionar los diferentes parámetros que intervienen en su diseño y poder construir sistemas que resuelvan problemas concretos haciendo uso de las diferentes técnicas de construcción de los mismos.
- Conocer los fundamentos teóricos, las similitudes y las diferencias de los diferentes modelos de bases de datos difusas de la literatura.
- Incorporar en un SGBD los principales elementos de una Bases de Datos Imprecisa.
- Aplicar las diferentes propuestas a un ejercicio práctico sobre prototipos reales.
Programa de contenidos Teóricos y Prácticos
Teórico
- Tema 1: Fundamentos de Conjuntos y Sistemas Difusos.
- Tema 2: Sistemas Basados en Reglas Difusas.
- Tema 3: Sistemas Difusos: Inteligencia Artificial Explicable mediante modelos de reglas transparentes.
- Tema 4: Extensiones de Representación Difusa: Aplicaciones en toma de decisiones.
- Tema 5: Bases de Datos Difusas.
Práctico
- Aproximaciones básicas con SCBRDs: Temas 1, 2 y 3.
- Aplicaciones en toma de decisiones: Tema 4.
- Consulta flexible de bases de datos: Tema 5.
Bibliografía
Bibliografía fundamental
- Fuzzy Logic and Mathematics: A Historical Perspective, Radim Belohlavek, Joseph W. Dauben, and George J. Klir (2017) Oxford Scholarship Online
- Classification and Modeling with Linguistic Information Granules: Advanced Approaches to Linguistic Data Mining Authors: Ishibuchi, Hisao, Nakashima, Tomoharu, Nii, Manabu (2005) Springer
- Explainable Fuzzy Systems: Paving the Way from Interpretable Fuzzy Systems to Explainable AI Systems, Alonso Moral, J.M., Castiello, C., Magdalena, L., Mencar, C. (2021) Springer
- Interpretable Machine Learning: A Guide for Making Black Box Models Explainable, Christoph Molnar (2021) Self-Edited
- Janusz Kacprzyk, Slawomir Zadrozny, Guy De Tré: Fuzziness in database management systems: Half a century of developments and future prospects. Fuzzy Sets Syst. 281: 300-307 (2015)
- H. Bustince, F. Herrera, J. Montero. Fuzzy Sets and Their Extensions: Representation, Aggregation and Models. Springer Berlin, Heidelberg, 2008. ISBN: 978-3-540-73722-3
- C. Kahraman. Fuzzy Multi-Criteria Decision Making: Theory and Applications with Recent Developments. Springer New York, NY, 2008. ISBN: 978-0-387-76812-0
Bibliografía complementaria
- Fundamentals of Computational Intelligence: Neural Networks, Fuzzy Systems, and Evolutionary Computation, David B Fogel, Derong Liu, James M Keller (2016) Wiley
- Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing, Nazmul Siddique, Hojjat Adeli (2013) Wiley
- Handbook of Computational Intelligence, Janusz Kacprzyk Witold Pedrycz (2015)
- Understanding artificial intelligence ethics and safety: A guide for the responsible design and implementation of AI systems in the public sector, D. Leslie (2019) The Alan Turing Institute
Enlaces recomendados
Metodología docente
- MD01 Lección magistral/expositiva
- MD02 Resolución de problemas y estudio de casos prácticos
- MD03 Prácticas de laboratorio
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
La evaluación consistirá de varias pruebas realizadas durante el curso:
Prueba | Peso Total | |
---|---|---|
|
60% | |
|
40% |
Evaluación Extraordinaria
La evaluación extraordinaria se realizará mediante un examen que tendrá 2 partes: una primera parte con cuestiones relativas a lo indicado en la prueba P1 de la convocatoria ordinaria (60%), y una segunda parte con cuestiones relativas a la prueba P2 de la convocatoria ordinaria (40%). El estudiante podrá optar por realizar únicamente una de las partes, y conservar la nota alcanzada en la convocatoria ordinaria.
Evaluación única final
La evaluación extraordinaria se realizará mediante un examen que tendrá 2 partes: una primera parte con cuestiones relativas a lo indicado en la prueba P1 de la convocatoria ordinaria (60%), y una segunda parte con cuestiones relativas a la prueba P2 de la convocatoria ordinaria (40%).
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).