_____________________________________________________________________________________



Programación Automática

RICARDO ALER MUR

FERNANDO FERNÁNDEZ REBOLLO
RAQUEL FUENTETAJA PIZAN
DAVID QUINTANA MONTERO

Departamento de Informática, Universidad Carlos III de Madrid

Área: Ciencia de la Computación e Inteligencia Artificial

Titulación: Máster en Ciencia y Tecnología Informática

Noviembre, 2013Compartir:    


Horas de clase de teoría y de laboratorio: 19.5 horas de clase y 3 horas de laboratorio.
Tiempo total previsto de aprendizaje: 23 horas.

 

PRERREQUISITOS Y CONOCIMIENTOS PREVIOS RECOMENDADOS

Aunque no es necesario, es útil haber cursado alguna asignatura relacionadas con aprendizaje automático (minería de datos, redes de neuronas, computación evolutiva, ...).

 

DESCRIPCIÓN GENERAL DEL CURSO

Esta asignatura aborda el tema de la Programación Automática desde una perspectiva de Aprendizaje Automático. La asignatura comienza tratando los primeros intentos dentro de la Inteligencia Artificial de aprender programas en LISP mediante la técnica de Summers. Pero el objetivo de la asignatura es mas amplio y se centra en el aprendizaje inductivo de estructuras que tengan la potencia de un programa de ordenador o de atacar tareas que para su resolución requerirían escribir un programa. Por ejemplo, se trata el aprendizaje de estructuras complejas tales como cláusulas lógicas (mediante Inductive Logic Programming), Autómatas de Estado Finito, o programas representados mediante árboles (mediante Programación Genética) o reglas (mediante Learning Classifier Systems). Todas estas estructuras tienen mas capacidad expresiva que estructuras proposicionales típicas tales como los árboles de decisión o las reglas. Otra característica de los programas de ordenador es que se ejecutan a lo largo del tiempo (a diferencia de, por ejemplo, un árbol de decisión). Así, se tratará del aprendizaje de políticas mediante aprendizaje por refuerzo o de programas representados mediante árboles aprendidos mediante técnicas de estimación de distribuciones. Por último, se consideran tareas donde se induce un programa a partir de observar a un agente resolver dicha tarea. Esta cuestión se engloba dentro del learning by example, behavioral cloning o reutilización probabilística de políticas.

OBJETIVOS: CONOCIMIENTOS Y CAPACIDADES

  • Conocer los distintos tipos de programación automática, sus técnicas asociadas y sus dominios de aplicación.
  • Conocer como se han aplicado técnicas de la disciplina en distintos dominios reales.
  • Capacidad para valorar si es adecuado utilizar técnicas de la disciplina en un problema determinado.


MATERIAL DOCENTE

Se aportan las transparencias usadas en clase, así como enlaces a libros electrónicos y referencias a artículos en cada uno de los temas.


 ACTIVIDADES DE EVALUACIÓN O TAREAS PRÁCTICAS

Se trata de una asignatura de un máster de investigación y la evaluación consiste en la realización de un trabajo de investigación. Se aporta un documento donde se realizan propuestas de trabajos, con distintos niveles de dificultad, que los alumnos pueden desarrollar como trabajo de investigación.  Además, se proporcionan algunas preguntas de auto-evaluación con respuestas, para algunos temas.


Last modified: Wednesday, 23 March 2022, 11:44 AM