{"id":300161,"date":"2024-05-10T10:48:02","date_gmt":"2024-05-10T08:48:02","guid":{"rendered":"https:\/\/cpfp.uvigo.gal\/estudos\/titulos-propios\/id1150-1\/"},"modified":"2024-05-10T10:48:02","modified_gmt":"2024-05-10T08:48:02","slug":"id1150-1","status":"publish","type":"sigma_course","link":"https:\/\/cpfp.uvigo.gal\/gl\/estudos\/titulos-propios\/id1150-1\/","title":{"rendered":"Intelixencia artificial para enxe\u00f1eiros"},"content":{"rendered":"
\n

\"Intelixencia<\/p>\n<\/div>\n

\n
\n

Diploma de curso de formaci\u00f3n universitaria<\/h3>\n

\u00c1mbito: Enxe\u00f1er\u00eda industrial, enxe\u00f1er\u00eda mec\u00e1nica, enxe\u00f1er\u00eda autom\u00e1tica, enxe\u00f1er\u00eda da organizaci\u00f3n industrial e enxe\u00f1er\u00eda da navegaci\u00f3nC\u00f3digo: TCS:1150\/1<\/span>
\n\t\t\u00c1rea de interese principal: Tecnolox\u00eda | \u00c1rea de interese secundaria: Tecnolox\u00eda<\/p>\n

\n
\n
\n

Inicio e fin<\/h3>\n

<\/i> 03\/06\/2024 – 14\/06\/2024 <\/p>\n<\/p><\/div>\n

\n

Modalidade<\/h3>\n

\t\t\t\t\t\t<\/i> Presencial\t\t\t\t<\/div>\n

\n

Cr\u00e9ditos ECTS<\/h3>\n

<\/i> 6.0 ECTS<\/p>\n<\/p><\/div>\n

\n

Estado<\/h3>\n

<\/i> Finalizado\t\t\t\t\t<\/p>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n

30 prazas<\/a><\/p>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

Descrici\u00f3n<\/h2>\n

Este curso est\u00e1 dirixido a introducir ao alumnado, con perfil de enxe\u00f1ar\u00eda industrial, no concepto xeral dos sistemas intelixentes, compo\u00f1entes esenciais na implantaci\u00f3n de soluci\u00f3ns de intelixencia artificial. Abordaranse a s\u00faa definici\u00f3n, tipolox\u00eda, compo\u00f1entes, modelos e enfoques inferenciais, explorando, desde unha perspectiva pr\u00e1ctica, as s\u00faas utilidades e aplicaci\u00f3ns centradas no \u00e1mbito da xesti\u00f3n das decisi\u00f3n dentro do contexto dos procesos da enxe\u00f1ar\u00eda industrial. O curso permitir\u00e1 aos estudantes adquirir unha visi\u00f3n sint\u00e9tica dos sistemas intelixentes, dende a s\u00faa conceptualizaci\u00f3n ata o seu desenvolvemento e implementaci\u00f3n, inclu\u00edndo tanto o seu potencial de desenvolvemento como as s\u00faas principais limitaci\u00f3ns. O obxectivo final formativo ser\u00e1 capacitalo para identificar, seleccionar e avaliar o sistema intelixente m\u00e1is axeitado e preciso en funci\u00f3n da natureza e caracter\u00edsticas da s\u00faa aplicaci\u00f3n industrial, non s\u00f3 no que se refire \u00e1 selecci\u00f3n de soluci\u00f3ns e modelos de razoamento artificial sen\u00f3n tam\u00e9n considerando a avaliaci\u00f3n global da s\u00faaidoneidade e rendemento.<\/p>\n

 <\/p>\n

\n
\n

Director\/a:<\/p>\n

Jorge Cerqueiro Peque\u00f1o, Alberto Comesa\u00f1a Campos<\/p>\n

Tel\u00e9fono contacto:<\/p>\n

986 130 304<\/p>\n

Email contacto:<\/p>\n

jcerquei@uvigo.es, acomesana@uvigo.es<\/p>\n

Entidade organizadora:<\/p>\n

Escola de Enxe\u00f1er\u00eda Industrial<\/p>\n<\/p><\/div>\n

\n
\n
\n

PER\u00cdODO DE INSCRICI\u00d3N
\n\t\t\tInscrici\u00f3n pechada<\/small>
\n\t\t\t09\/05\/2024 – 23\/05\/2024<\/p>\n

<\/p>\n

\n

PER\u00cdODO DE MATR\u00cdCULA
\n\t\t\tMatr\u00edcula pechada<\/small>
\n\t\t\t17\/05\/2024 – 30\/05\/2024<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

<\/p>\n

Matr\u00edcula pechada<\/a><\/p>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

 <\/p>\n

Modalidade<\/h2>\n
\n
\n
\n
\n

Docencia presencial\/virtual<\/h3>\n

<\/i><\/p>\n

50 horas<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n

Docencia non presencial<\/h3>\n

<\/i><\/p>\n

0 horas<\/p>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n

Pr\u00e1cticas en empresa<\/h3>\n

<\/i><\/p>\n

0 horas<\/p>\n<\/p><\/div>\n<\/p><\/div>\n<\/p><\/div>\n

\n
\n
\n

Lugar de impartici\u00f3n<\/strong>
\nSede Campus da Escola de Enxe\u00f1er\u00eda Industrial\t<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

 <\/p>\n

Horario<\/h2>\n

\tLuns a venres, en horario de 16:00 a 21:00 en modalidade presencial.<\/p>\n

 <\/p>\n

 <\/p>\n

Prezos<\/h2>\n\n\n\n\n\n
P\u00fablico en xeral<\/th>\nAlumni UVigo<\/th>\nComunidade UVigo<\/th>\n<\/tr>\n<\/thead>\n
200 \u20ac<\/td>\n180 \u20ac<\/td>\n170 \u20ac<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

Observaci\u00f3ns aos prezos<\/strong>
\n\t\tAs persoas en situaci\u00f3n de desemprego ou discapacidade reco\u00f1ecida poder\u00e1n solicitar o prezo reducido da comunidade universitaria no momento da matr\u00edcula<\/p>\n

 <\/p>\n

Obxectivos<\/h2>\n

\tCapacitar aos estudantes para dese\u00f1ar e desenvolver sistemas intelixentes sinxelos, empregando ferramentas inform\u00e1ticas tanto comerciais (MATLAB\u00a9) como gratu\u00edtas (PYTHON\u00a9). Estas ferramentas utilizaranse na xesti\u00f3n das decisi\u00f3n en distintos \u00e1mbitos, tanto en apliaci\u00f3ns nas materias nos distintos Graos ou Mestrados, como en traballos profesionais en Enxe\u00f1ar\u00eda Industrial.\t<\/p>\n

 <\/p>\n

Destinatarios<\/h2>\n

Estudantes de \u00faltimo curso de Grao, Mestrado ou Doutoramento que desexen formarse no dese\u00f1o, desenvolvemento e proba de concepto de diversos sistemas intelixentes aplicados en materias ou na elaboraci\u00f3n do seu TFG, TFM ou Tese de Doutoramento, mellorando tam\u00e9n a s\u00faa futuraempregabilidade. <\/p>\n

Profesionais do \u00e1mbito da enxe\u00f1ar\u00eda industrial interesados na aplicaci\u00f3n de ferramentas de intelixencia artificial de forma eficiente e orientada a resultados no seu contexto laboral.<\/p>\n

 <\/p>\n

Sa\u00eddas Profesionais<\/h2>\n

\tEmpresas de enxe\u00f1er\u00eda interesadas en desenvolver sistemas intelixentes con criterios de eficiencia e fiabilidade para a mellora dos seus procesos, ou ben para prestar ese servicio \u00f3s seus clientes.\t<\/p>\n

 <\/p>\n

Idioma<\/h2>\n

Castel\u00e1n<\/p>\n

 <\/p>\n

Competencias Espec\u00edficas<\/h2>\n

Co\u00f1ecemento da estrutura e funcionamento dos sistemas intelixentes.\n<\/p>\n

Co\u00f1ecemento da tipolox\u00eda dos sistemas intelixentes.\n<\/p>\n

Co\u00f1ecemento sobre as boas pr\u00e1cticas no dese\u00f1o de sistemas intelixentes.\n<\/p>\n

Capacidade para dese\u00f1ar e desenvolver sistemas intelixentes sinxelos.\n<\/p>\n

Co\u00f1ecer e comprender problem\u00e1ticas existentes mediante casos reais.\n<\/p>\n

Aplicar os sistemas intelixentes no soporte \u00e1s decisi\u00f3n de enxe\u00f1er\u00eda.<\/p>\n

 <\/p>\n

Competencias Transversais<\/h2>\n

Pensamento anal\u00edtico.\n<\/p>\n

Resolver problemas complexos.<\/p>\n

 <\/p>\n

Condici\u00f3ns de acceso<\/h2>\n

1) Graduados en Enxe\u00f1er\u00eda da Rama Industrial\n<\/p>\n

2) M\u00e1ster en Enxe\u00f1er\u00eda Industrial\n<\/p>\n

3) Titulados universitarios en Enxe\u00f1er\u00eda con experiencia profesional en Intelixencia Artificial\n<\/p>\n

4) Poderanse admitir estudantes das titulaci\u00f3ns 1) e 2) con o TFG ou TFM pendente\n<\/p>\n

\nDOCUMENTACI\u00d3N REQUIRIDA:
\n1) Documento de identificaci\u00f3n
\n2) Copia do t\u00edtulo universitario ou certificado de estudos previos
\n3) Curr\u00edculum v\u00edtae (indicando la experiencia af\u00edn a la tem\u00e1tica del curso)<\/p>\n

 <\/p>\n

Criterios de selecci\u00f3n<\/h2>\n

1) Formaci\u00f3n acad\u00e9mica <\/p>\n

2) Experiencia af\u00edn \u00e1 tem\u00e1tica do curso <\/p>\n

 <\/p>\n

Metodolox\u00eda<\/h2>\n

01. INTELIXENCIA ARTIFICIAL E SISTEMAS INTELIXENTES.
\nIntroduci\u00f3n e conceptos b\u00e1sicos. Terminolox\u00eda, compo\u00f1entes e paradigmas. Razoamento e inferencia. Expectativas e limitaci\u00f3ns. Aplicaci\u00f3ns com\u00fans.\n<\/p>\n

\n02. REPRESENTACI\u00d3N DO CO\u00d1ECEMENTO: CONCEPTOS E EXEMPLOS.
\nSistemas baseados no co\u00f1ecemento. Representaci\u00f3n l\u00f3xica do co\u00f1ecemento. Principios de l\u00f3xica proposicional e de primeira orde. Mecanismos de inferencia. Aplicaci\u00f3ns.\n<\/p>\n

\n03. INCERTEZA E RISCO: AVALIACI\u00d3N E XESTI\u00d3N.
\nDefinici\u00f3n no contexto das decisi\u00f3ns de enxe\u00f1er\u00eda. Clasificaci\u00f3n e tipos de incerteza. Decisi\u00f3ns con incerteza. Xesti\u00f3n da incerteza. Definici\u00f3n emp\u00edrica do risco asociado \u00e1 incerteza.
\nAplicaci\u00f3ns.\n<\/p>\n

\n04. SISTEMAS EXPERTOS.
\nEstrutura e aplicaci\u00f3ns. Definici\u00f3n e contextualizaci\u00f3n te\u00f3rica. Tipos e compo\u00f1entes de sistemas expertos. Modelos deterministas e estoc\u00e1sticos. Enfoques inferenciais. Aplicaci\u00f3ns. <\/p>\n

05. ALGORITMOS DE APRENDIZAXE M\u00c1QUINA: NATUREZA E CLASIFICACI\u00d3N.
\nDefinici\u00f3n e conceptos: caracter\u00edsticas, modelos e tarefas. Modelos de regresi\u00f3n, clasificaci\u00f3n e agrupaci\u00f3n. Escenarios de aprendizaxe. Modelos inferenciais. Preprocesamento de datos. T\u00e9cnicas controladas de aumento de datos. Aplicaci\u00f3ns.\n<\/p>\n

\n06. REDES NEURAIS: TIPOLOX\u00cdA E APLICACI\u00d3NS.
\nDefinici\u00f3n e contextualizaci\u00f3n te\u00f3rica. O paradigma conexionista fronte ao simb\u00f3lico. Tipos e arquitecturas habituais. M\u00e9todos de adestramento. Modelos de aprendizaxe profunda. Aplicaci\u00f3ns.\n<\/p>\n

\n07. ALGORITMOS EVOLUTIVOS.
\nDefinici\u00f3n e contextualizaci\u00f3n te\u00f3rica. Programaci\u00f3n e estratexias evolutivas. Programaci\u00f3n e algoritmos xen\u00e9ticos. Operadores de algoritmos xen\u00e9ticos. Aplicaci\u00f3ns.\n<\/p>\n

\n08. SISTEMAS DE APOIO \u00c1 DECISI\u00d3N: ESTRUTURA E DESENVOLVEMENTO.
\nDefinici\u00f3n e contextualizaci\u00f3n te\u00f3rica. Compo\u00f1entes e desenvolvemento. Relaci\u00f3n cos sistemas intelixentes. Operaci\u00f3n complementaria. Verificaci\u00f3n, validaci\u00f3n e comparaci\u00f3n de resultados. Busca a mellor hip\u00f3tese. Aplicaci\u00f3ns.\n<\/p>\n

\n09. GRANDES MODELOS DE LINGUAXE (LLM): INTRODUCI\u00d3N.
\nConcepto e estrutura. Capacidades e limitaci\u00f3ns. Soluci\u00f3ns abertas e comerciais.<\/p>\n<\/p>\n

 <\/p>\n

Materias<\/h2>\n\n\n\n\n\n
id<\/th>\nnome<\/th>\ncaracter<\/th>\ncr\u00e9ditos<\/th>\n<\/tr>\n<\/thead>\n
200432<\/td>\nInteligencia artificial para ingenieros<\/td>\nObligatoria<\/td>\n6.0<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

 <\/p>\n

Profesorado<\/h2>\n

Jorge Cerqueiro Peque\u00f1o\n<\/p>\n

Manuel Casal Guisande\n<\/p>\n

Alberto Comesa\u00f1a Campos\n<\/p>\n<\/p>\n

 <\/p>\n

Avaliaci\u00f3n<\/h2>\n

Probas de resposta curta: 40%\n<\/p>\n

Entregas de exercicios de pr\u00e1cticas: 40%\n<\/p>\n

Traballo na clase: 20%\n<\/p>\n

A asistencia m\u00ednima para superar o curso ser\u00e1 do 70% das horas do curso.<\/p>\n<\/p>\n

 <\/p>\n

Titulaci\u00f3n<\/h2>\n

Diploma de curso de formaci\u00f3n universitaria en Intelixencia artificial para enxe\u00f1eiros<\/p>\n

 <\/p>\n","protected":false},"featured_media":0,"parent":0,"template":"","meta":{"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0},"class_list":["post-300161","sigma_course","type-sigma_course","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/sigma_course\/300161","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/sigma_course"}],"about":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/types\/sigma_course"}],"wp:attachment":[{"href":"https:\/\/cpfp.uvigo.gal\/gl\/wp-json\/wp\/v2\/media?parent=300161"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}