Logo

Inteligencia Artificial

Código: 101764
Créditos: 6
2026/2027
Titulación Tipo Curso
Gestión Aeronáutica OB 3

Profesor/a de contacto

Nombre :
Olivier Penacchio
Correo electrónico :
oliver.penacchio@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Para poder hacer las prácticas de la asignatura es necesario tener los conocimientos adecuados de programación en lenguaje Python que se proporcionan en Fundamentos de Informática y en Informática Avanzada.

Por lo tanto, EN CASO DE NO HABER SUPERADO LA ASIGNATURA DE FUNDAMENTOS DE INFORMÁTICA PREVIAMENTE Y/O NO TENER PREVISTO MATRICULARSE DE INFORMÁTICA AVANZADA EN EL CURSO ACTUAL SE RECOMIENDA FIRMEMENTE NO MATRICULARSE DE ESTA ASIGNATURA ESTE CURSO.

Para la parte teórica de la asignatura, también son necesarios unos conocimientos mínimos de estadística (1er curso) y álgebra (2º curso).

En el caso de los estudiantes del grado de Empresa y Tecnología, se recomienda haber superado las asignaturas de su grado equivalentes a las mencionadas por los estudiantes de Gestión Aeronáutica.

Objetivos

Los objetivos de la asignatura se pueden resumir en:

  • Describir las áreas más importantes de la inteligencia artificial.
  • Describir las técnicas básicas de representación del conocimiento, aprendizaje y búsqueda para la resolución de problemas.
  • Reconocer situaciones en las que la aplicación de la inteligencia artificial sea adecuada para resolver un problema del sector aeronáutico.
  • Analizar el problema a resolver y diseñar la solución óptima aplicando las técnicas aprendidas.
  • Programar los algoritmos básicos para resolver los problemas propuestos.
  • Evaluar los resultados de la solución implementada y valorar las posibles mejoras.
  • Defender y argumentar las decisiones tomadas en la solución de los problemas propuestos.
  • Adquirir los conocimientos básicos necesarios para comprender las técnicas modernas de inteligencia artificial en un campo en constante evolución.
  • Identificar los principales retos éticos asociados al desarrollo y la aplicación de la inteligencia artificial, y valorar sus implicaciones.


La asignatura de Inteligencia Artificial se enmarca dentro de la materia Tecnologías de la Información en el Sector Aeronáutico, junto con las asignaturas de Informática Avanzada y Análisis y Diseño de Sistemas de Información. Por su temática, esta materia está estrechamente relacionada con la asignatura de Fundamentos de Informática de primer curso.


Los objetivos de la asignatura se pueden resumir en:

Conocimientos:

  • Describir cuáles son las áreas más importantes de la inteligencia artificial.
  • Describir las técnicas básicas de representación del conocimiento, aprendizaje y búsqueda para la resolución de problemas.
  • Enumerar los pasos esenciales de los diferentes algoritmos.
  • Identificar las ventajas e inconvenientes de los algoritmos explicados.
  • Relacionar las técnicas de inteligencia artificial con su aplicación al sector aeronáutico.

Habilidades:

  • Reconocer las situaciones en las que la aplicación de la inteligencia artificial sea adecuada para resolver un problema.
  • Analizar el problema a resolver y diseñar la solución óptima aplicando las técnicas aprendidas.
  • Redactar documentos técnicos relacionados con el análisis y la solución de un problema.
  • Programar los algoritmos básicos para resolver los problemas propuestos.
  • Evaluar los resultados de la solución implementada y valorar las posibles mejoras.
  • Defender y argumentar las decisiones tomadas en la solución de los problemas propuestos.
  • Analizar el problema a resolver y diseñar la solución óptima aplicando las técnicas aprendidas.
  • Redactar documentos técnicos relacionados con el análisis y la solución de un problema.
  • Programar los algoritmos básicos para resolver los problemas propuestos.
  • Evaluar los resultados de la solución implementada y valorar las posibles mejoras.
  • Defender y argumentar las decisiones tomadas en la solución de los problemas propuestos.

Resultados de aprendizaje

  • KM22 (Definir la aplicación de la inteligencia artificial en la gestión de aeropuertos y aerolíneas, identificando los retos tecnológicos en la representación del conocimiento, el razonamiento, el aprendizaje automático y la optimización de procesos.) Definir la aplicación de la inteligencia artificial en la gestión de aeropuertos y aerolíneas, identificando los retos tecnológicos en la representación del conocimiento, el razonamiento, el aprendizaje automático y la optimización de procesos.

Contenidos


  1. Introducción

  2. Resolución de problemas y búsqueda

  3. Representación del conocimiento

  4. Aprendizaje automático

  5. Redes neuronales

  6. Sistemas multiagente 

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Preparación de las clases de teoría 10 0,4 KM22
Estudio personal 30 1,2 KM22
Preparación y discusión de temas relacionados con las tascas prácticas 15 0,6 KM22
Clases de teoría y discusion 22 0,88 KM22
Clases de prácticas 10 0,4 KM22
Estudio en grupo 45 1,8 KM22
Clases de problemas 12 0,48 KM22

La plataforma Campus Virtual (http://cv.uab.cat) será la herramienta habitual de intercambio de información entre profesorado y estudiantes. Todos los materiales e informaciones relacionados con el desarrollo de la asignatura se publicarán en esta plataforma.


Las actividades que se llevarán a cabo en la asignatura se organizan de la siguiente manera:


Clases de teoría


Se seguirán dos metodologías principales:

  • Clase magistral participativa en la que se expondrán los principales conceptos y algoritmos de cada tema, y se propondrán ejemplos y ejercicios cortos para que los estudiantes pongan en práctica aspectos concretos de los temas expuestos.
  • Aula invertida donde se realizarán ejercicios y problemas que se entregarán al finalizar la clase. Antes de la clase, habrá que realizar alguna tarea de preparación como mirar un vídeo, leer algún documento o responder a un cuestionario.

 

Clases de problemas


Se propondrán ejercicios a resolver en pequeños grupos cooperativos para consolidar el aprendizaje de los temas expuestos en las clases de teoría. Según el tema, algunos de estos ejercicios se resolverán con programas. Los trabajos se realizarán en grupos que cambiarán por cada entrega.

Clases de práctica


En las clases de práctica se trabajará la parte más práctica de las tareas. Se comentarán las soluciones y la retroalimentación en detalle y se prestará atención a cada grupo mediante entrevistas y revisión de la coevaluación. Para comprobar que cada alumno del grupo ha entendido cada parte de la solución entregada, habrá sesiones de control con asistencia obligatoria.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Prueba escrita del Bloque 2 25% 2 0,08 KM22
Prueba escrita del Bloque 1 25% 2 0,08 KM22
Verificación de entregas en grup 50% 2 0,08 KM22

Esta asignatura no contempla el sistema de evaluación única. La evaluación es continua. El estudiante puede ver en todo momento su evolución en la asignatura.

Habrá una entrega por cada tema, que puede contener ejercicios escritos y programas. Las tareas se resolverán en grupo.

En total, las calificaciones de las entregas contribuyen un 50% de la nota final.

Habrá dos exámenes escritos durante el curso y cada uno tendrá un peso del 25%.

No hay notas mínimas en ninguna de las evaluaciones, excepto en la nota final. La nota para aprobar la asignatura es 5,0.


Proceso de recuperación: Los dos exámenes son recuperables. El estudiante podrá presentarse a la recuperación siempre que se haya presentado a un conjunto de actividades que representen un mínimo de dos terceras partes de la calificación total de la asignatura. De estos estudiantes, podrán presentarse a la recuperación aquellos que tengan como media de todas las actividades de la asignatura una calificación superior a 3,5.


Criterios para Matrícula de Honor: La concesión de una calificación de Matrícula de Honor es decisión del profesorado responsable de la asignatura. La normativa de la UAB indica que las MH solo podrán concederse a estudiantes que hayan obtenido una calificación final igual o superior a 9,00. Se podrá otorgar hasta un 5% de MH del total de estudiantes matriculados.


Criterios para la calificación No Evaluado: Un estudiante se considerará no evaluado (NA) únicamente si no se ha presentado a las actividades de pruebas escritas.


Programación de actividades de evaluación: Las fechas de evaluación continua y entrega de trabajos se publicarán en la página web de la asignatura y en el Campus Virtual, y podrán estar sujetas a cambios de programación por motivos de adaptación a posibles incidencias. Siempre se informará en la página web de la asignatura y en el Campus Virtual sobre estos cambios, ya que se entiende que la página web de la asignatura y el Campus Virtual son los mecanismos habituales de intercambio de información entre el profesorado y los estudiantes.


Procedimiento de revisión: Para cada actividad de evaluación, se indicará un lugar, fecha y hora de revisión en la que el estudiante podrá revisar la actividad con el profesor. En este contexto, se podrán realizar reclamaciones sobre la nota de la actividad, que serán evaluadas por el profesorado responsable de la asignatura. Si el estudiante no se presenta a esta revisión, no se revisará posteriormente dicha actividad.


Uso de herramientas de IA (p. ej., ChatGPT): El uso de este tipo de herramientas solo estará restringido durante los exámenes. Esto significa que es imprescindible hacer un uso crítico de estas herramientas; es decir, utilizarlas para aprender y no para copiar.


Nota sobre plagios: Sin perjuicio de otras medidas disciplinarias que se consideren oportunas, y de acuerdo con la normativa académica vigente, las irregularidades cometidas por un estudiante que puedan conducir a una variación de la calificación en una actividad evaluable se calificarán con un cero (0). Las actividades de evaluación calificadas de esta forma y mediante este procedimiento no serán recuperables. Si es necesario superar alguna de estas actividades de evaluación para aprobar la asignatura, esta quedará suspendida directamente, sin oportunidad de recuperarla en el mismo curso.

Estas irregularidades incluyen, entre otras:

  • La copia total o parcial de una práctica, informe o cualquier otra actividad de evaluación.
  • Dejar copiar.
  • Presentar un trabajo de grupo que no haya sido realizado íntegramente por los miembros del grupo (aplicable a todos los miembros, no únicamente a aquellos que no hayan trabajado).
  • Presentar como propios materiales elaborados por un tercero, aunque sean traducciones o adaptaciones, y en general trabajos con elementos no originales y exclusivos del estudiante.
  • Tener dispositivos de comunicación (como teléfonos móviles, smartwatches, bolígrafos con cámara, etc.) accesibles durante las pruebas de evaluación teórico-prácticas individuales (exámenes).
  • Hablar con compañeros o compañeras durante las pruebas de evaluación teórico-prácticas individuales (exámenes).
  • Copiar o intentar copiar de otros alumnos durante las pruebas de evaluación teórico-prácticas (exámenes).
  • Usar o intentar usar escritos relacionados con la materia durante la realización de las pruebas de evaluación teórico-prácticas (exámenes), cuando estos no hayan sido explícitamente permitidos.

La nota numérica del expediente será el valor menor entre 3,0 y la media ponderada de las notas en caso de que el estudiante haya cometido irregularidades en un acto de evaluación (y, por tanto, no será posible el aprobado por compensación).

En resumen: copiar, dejar copiar o plagiar en cualquiera de las actividades de evaluación equivale a un SUSPENSO con una nota inferior a 3,0.


Bibliografía

S. Russell and P. Norvig. Artificial Intelligence: A Modern Approach. Fourth Edition. Prentice Hall, 2021.

(Spanish translation available: Inteligencia artificial: Un enfoque moderno.)


Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer-Verlag, Berlin, Heidelberg, 2006.

(Available online at: https://github.com/Benlau93/Bishop-Pattern-Recognition-and-Machine-Learning-2006)


I. Goodfellow, Y. Bengio, and A. Courville. Deep Learning. MIT Press, 2016.

(Available online at: https://www.deeplearningbook.org)


Christopher M. Bishop and Hugh Bishop. Deep Learning: Foundations and Concepts. Springer, 2024.

(Provides an up-to-date introduction to the foundations of deep learning.)


Kevin P. Murphy. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.

(An advanced reference on probabilistic approaches to machine learning.)


Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. Second Edition. MIT Press, 2018.

(Available free of charge at: http://incompleteideas.net/book/the-book-2nd.html)


Aurélien Géron. Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow. Third Edition. O'Reilly Media, 2022.

(A book focused on the practical implementation of machine learning techniques in Python.)


Melanie Mitchell. Artificial Intelligence: A Guide for Thinking Humans. Farrar, Straus and Giroux, 2019.

(An accessible introduction to the foundations, limitations, and challenges of artificial intelligence.)


Virginia Dignum. Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible Way. Springer, 2019.

(An introduction to the ethical, social, and legal aspects of artificial intelligence.)


MIT OpenCourseWare. Artificial intelligence and machine learning course materials.

https://ocw.mit.edu/


Stanford Online / CS229: Machine Learning. Course materials and lecture notes.

https://cs229.stanford.edu/


Elements of AI. A free introductory course on artificial intelligence developed by the University of Helsinki.

https://www.elementsofai.com/


Software

Para la programación con Python, se utilizará la última versión del paquete Anaconda, que incluye Python 3.x y el editor Spyder (https://www.anaconda.com/products/individual), o bien cualquier entorno de desarrollo compatible con Python 3.x, como Visual Studio Code, PyCharm Community Edition o JupyterLab.


Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(TE) Teoría 11 Catalán primer cuatrimestre tarde
(PAUL) Prácticas de aula 11 Catalán primer cuatrimestre tarde
(PLAB) Prácticas de laboratorio 32 Catalán primer cuatrimestre tarde