Hoy, 18 de octubre, comienza la tercera asignatura del Máster Universitario en Robótica: «Inteligencia artificial en robótica». Con un total de 4’5 ECTS. Sus objetivos principales son:
- Entender el ámbito de la robótica en el marco de la inteligencia artificial.
- Comprender el modelo matemático de una neurona.
- Entender y utilizar diferentes arquitecturas de redes neuronales.
- Comprender el modelo de un algoritmo genético para solucionar problemas complejos.
- Utilizar un filtro de kalman con objeto de fusionar medidas multisensoriales.
- Analizar diferentes procedimientos para reconocimiento de patrones.
Descripción
Se realiza un repaso a los principales algoritmos de inteligencia artificial aplicados en robótica centrándose en algunos de los que por su aplicabilidad más se utilizan en la actualidad. En este sentido se dedica una especial atención a las Redes Neuronales como sistema de clasificación de patrones.
Profesorado
Competencias Generales
- Capacidad para trabajar en equipo y de forma interdisciplinar.
- Habilidades para aplicar el razonamiento crítico.
- Habilidades de investigación y generación de nuevas ideas.
- Aprendizaje autónomo. Capacidad de aprender autónomamente dentro del campo científico y tecnológico relacionado con la robótica.
- Capacidad para la organización y planificación de proyectos en el ámbito de la robótica.
- Capacidad de gestión, análisis, síntesis y actualización de la información.
- Capacidad para aplicar los conocimientos en la práctica.
Competencias Específicas
- Conocimiento y capacidad para el uso de algoritmos de inteligencia artificial en robótica.
Objetivos (resultados de aprendizaje)
- Entender el ámbito de la robótica en el marco de la inteligencia artificial
- Comprender el modelo matemático de una neurona
- Entender y utilizar diferentes arquitecturas de redes neuronales
- Comprender el modelo de un algoritmo genético para solucionar problemas complejos
- Utilizar un filtro de kalman con objeto de fusionar medidas multisensoriales
- Analizar diferentes procedimientos para reconocimiento de patrones
Evaluación
Seguimiento de las sesiones (10%) + Trabajo individual (20%) + Examen individual (70%)