Aprendizaje

computacional
PID_00151056

Antonio Moreno i Ribas

Vicenç Torra i Reventós
David Masip i Rodó
© FUOC • PID_00151056 Aprendizaje computacional

Antonio Moreno i Ribas Vicenç Torra i Reventós David Masip i Rodó

Licenciado con Grado en Informáti-
ca por la Universidad Politécnica de
Cataluña (UPC) en 1992 y doctor en
Informática por la UPC, en el pro-
grama de doctorado en Inteligen-
cia Artificial (2000). Actualmente es
profesor titular de universidad del
Departamento de Ingeniería Infor-
mática y Matemáticas de la Universi-
dad Rovira i Virgili (URV). Su docen-
cia (en las universidades UPC, URV
y UOC) se ha centrado en los temas
de lógica matemática e inteligencia
artificial. Su principal tema de inves-
tigación son los sistemas multiagen-
te inteligentes.
Licenciado y doctor en Informáti-
ca por la Universidad Politécnica de
Cataluña. Actualmente es científico
titular en el Instituto de Investiga-
ción en Inteligencia Artificial. Ha im-
partido clases en las universidades
de Lleida, Rovira i Virgili (donde fue
profesor titular) y Autónoma de Bar-
celona. Sus temas de investigación
son la fusión de información y los
sistemas difusos.
Ingeniero en Informática por la UAB
(2001) y doctor en Informática por
la UAB, en el programa de docto-
rado de Visión por Computador
(2005). Actualmente es profesor en
la Universitat Oberta de Catalun-
ya, de los Estudios de Informática,
Multimedia y Telecomunicaciones.
Con anterioridad ha sido docen-
te en la Universidad Autónoma de
Barcelona, en el Departamento de
Ciencias de la Computación, y en la
Universidad de Barcelona, en el De-
partamento de Matemática Aplica-
da y Análisis. Sus principales temas
de investigación son: la visión por
computador, el reconocimiento es-
tadístico de patrones, el aprendizaje
computacional y las aplicaciones de
clasificación facial.

La revisión de este recurso de aprendizaje UOC ha sido coordinada

por el profesor: David Masip i Rodó (2013)

Primera edición: febrero 2013

© Antonio Moreno i Ribas, Vicenç Torra i Reventós, David Masip i Rodó
Todos los derechos reservados
© de esta edición FUOC, 2013
Av. Tibidabo, 39-43, 08035 Barcelona
Diseño: Manel Andreu
Traducción: Universitat Oberta de Catalunya
Realización editorial: Eureca Media, SL
Depósito legal: B-30.783-2012

Ninguna parte de esta publicación, incluido el diseño general y la cubierta, puede ser copiada,
reproducida, almacenada o transmitida de ninguna forma, ni por ningún medio, sea este eléctrico,
químico, mecánico, óptico, grabación, fotocopia, o cualquier otro, sin la previa autorización escrita
de los titulares de los derechos.
© FUOC • PID_00151056 3 Aprendizaje computacional

Introducción

La principal motivación de esta asignatura es dar a conocer el aprendizaje au-

tomático y cómo se situa éste dentro de la inteligencia artificial como discipli-
na, y entender qué son los agentes y los sistemas multiagente.

En Inteligencia artificial se dio una visión general de la inteligencia artificial y

se presentaron algunos de los métodos y técnicas llamados clásicos, como son
la resolución de problemas y búsqueda, y los sistemas basados en el conoci-
miento; también se vieron técnicas más avanzadas como son las redes neuro-
nales y el razonamiento aproximado.

En esta asignatura, los contenidos se han estructurado en dos módulos.

En el primer módulo se da una visión general del aprendizaje dentro de la in-

teligencia artificial, se distingue entre el aprendizaje supervisado y el no super-
visado, y se estudian los distintos métodos de aprendizaje. Después se intro-
ducirán algunos de los métodos que combinan aprendizaje y conocimiento.

El segundo módulo está dedicado a los agentes y los sistemas multiagente.

Se examina el concepto de agente y sus principales características. Se estudia
cómo funcionan los sistemas multiagente, entendidos como la unión de un
grupo de agentes con el objetivo de resolver un problema complejo. Después
se verá cómo se comunican entre ellos, cómo se coordinan y cómo cooperan
agentes heterogéneos para conseguir un objetivo común.
© FUOC • PID_00151056 4 Aprendizaje computacional

Objetivos

Los objetivos concretos son los siguientes:

1. Entender qué es el aprendizaje automático en la inteligencia artificial.

2. Distinguir entre los distintos tipos y métodos de aprendizaje.

3. Conocer los conceptos generales de los agentes y su clasificación.

4. Entender en qué tipo de problemas es apropiado utilizar un sistema mul-

tiagente.

5. Aprender algunos mecanismos de comunicación y cooperación entre

agentes.

6. Aplicar las técnicas estudiadas a un caso concreto.

© FUOC • PID_00151056 5 Aprendizaje computacional

Contenidos

Módulo didáctico 1
Aprendizaje
Vicenç Torra i Reventós y David Masip i Rodó
1. Introducción al aprendizaje computacional
2. Extracción de características
3. Aprendizaje no supervisado
4. Aprendizaje supervisado
5. Representación del conocimiento y aprendizaje

Módulo didáctico 2
Agentes y sistemas multiagente
Antonio Moreno i Ribas
1. Agentes inteligentes
2. Sistemas multiagente
© FUOC • PID_00151056 6 Aprendizaje computacional

Bibliografía

Langley, P. (1996). Elements of Machine Learning. Nueva York: Morgan Kauf-

mann Publishers.

Hastie, T.; Tibshirani, R.; Friedman, J. (2001). The Elements of Statistical

Learning. Nueva York: Springer-Verlag.

Wooldridge, M. (2002). An Introduction to Multiagent Systems. Chichester:

John Wiley & Sons.

Weiss, G. (1999). Multiagent Systems: A Modern Approach to Distributed Artificial

Intelligence. Cambridge: MIT Press.