Universitat Internacional de Catalunya
Intel·ligència Artificial I
Altres llengües d'impartició: català, castellà
Professorat
Presentació
La intel·ligència artificial (IA) està despertant un gran interès en la recerca bioinformàtica per les seves múltiples aplicacions, particularment en els entorns biomèdic-clínics. Aquesta assignatura té com a objectiu familiaritzar l'estudiant amb els conceptes més bàsics de la IA, de tal manera que pugui comprendre les seves aplicacions pràctiques i sàpiga plantejar els seus propis projectes IA. Per a això partirem de zero i recorrerem els principals passos tècnics en la construcció de predictors IA: (i) recopilació de dades; (ii) selecció del predictor, (iii) la validació dels resultats; i (iv) el desplegament controlat dels programes IA.
Requisits previs
Es recomana haver cursat i superat:
- Introducció a la bioinformàtica
Es recomana cursar en paral·lel:
- Intel·ligència Artificial I
- Coneixements de programació
Objectius
- Entendre l'aproximació de la intel·ligència artificial als problemes científic-tecnològics.
- Conèixer i entendre les tècniques bàsiques de la intel·ligència artificial.
Competències/Resultats d’aprenentatge de la titulació
BÀSIQUES:
- CB1: Que els estudiants hagin demostrat posseir i comprendre coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i se sol trobar a un nivell que, si bé es recolza en llibres de text avançats, inclou també alguns aspectes que impliquen coneixements procedents de l'avantguarda del seu camp d'estudi
- CB3: Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per a emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica
- CB4: Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat
- CB5: Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per a emprendre estudis posteriors amb un alt grau d'autonomia
GENERALS
- CG7: Integrar els conceptes bàsics relacionats amb el camp de la biomedicina tant a nivell teóric com experimental.
- CG10: Dissenyar, redactar i executar projectes relacionats amb l'àrea de les Ciències Biomèdiques
- CG11: Reconèixer conceptes bàsics de diferents àmbits vinculats a les ciències biomèdiques.
ESPECÍFICAS:
- CE7: Aplicar les eines estadístiques a estudis en Ciències de la Salut.
- CE19: Reconèixer els principis de les ciències biomèdiques relacionades amb la salut i aprendre a treballar en qualsevol àmbit de les Ciències Biomèdiques (empresa biomèdica, laboratoris de bioinformàtica, laboratoris de recerca, empresa d'anàlisis clíniques, etc)
- CT1: Desenvolupar la capacitat d'organització i planificació adequades al moment.
- CT2: Desenvolupar la capacitat per a la resolució de problemes.
- CT3: Desenvolupar la capacitat d'anàlisi i síntesi.
- CT4: Interpretar resultats experimentals i identificar elements consistents i inconsistents.
- CT5: Usar internet com a mitjà de comunicació i com a font d'informació.
- CT6: Saber comunicar, fer presentacions i redactar treballs científics.
- CT7: Ser capaç de treballar en equip.
- CT8: Raonar i avaluar les situacions i resultats des d'un punt de vista crític i constructiu.
- CT9: Tenir la capacitat de desenvolupar habilitats en les relacions interpersonals.
- CT10: Ser capaç de dur a terme un aprenentatge autònom.
- CT11: Aplicar els coneixements teòrics a la pràctica.
- CT12: Aplicar el mètode científic.
Resultats d’aprenentatge de l’assignatura
Com a resultat d'aprenentatge específic d'aquesta menció es contempla el següent:
- L'alumne compren i interioritza els elements bàsics de la Intel·ligència Artificial requerits en els projectes biomèdics.
Continguts
- La Intel·ligència Artificial aplicada a problemes biomèdics:
- Visió general de la IA en el camp biomèdic.
- Exemples pràctics d'aplicacions de IA en la biomedicina.
2. Introducció suau a les matemàtiques darrere de la IA:
- Conceptes bàsics de la IA i l'aprenentatge automàtic.
- Un model per a cada problema: Exemples de problemes biomèdics i com la IA pot abordar-los.
- Tasques de classificació binària: Entendre el concepte de classificació i com s'utilitza en IA.
- Regressió: Problemes de predicció contínua en la biomedicina.
Introducció als conceptes bàsics de la IA i l'aprenentatge automàtic, enfocant-se en les aplicacions biomèdiques. Inclou exemples de problemes biomèdics i com es poden abordar amb diferents tècniques de IA.
3. Del món real al món de la IA: Què considerar quan es planifica l'ús de la IA en la teva recerca?:
- Recopilació de dades i la seva importància.
- Com seleccionar el problema adequat per a usar IA.
- Aspectes ètics i legals a considerar.
Aprofundirem en com seleccionar un problema biomèdic adequat per aplicar IA, com recopilar i preparar les dades necessàries i com enfrontar desafiaments ètics i legals en aquest procés.
4. Els principals passos en el desenvolupament de models de IA:
- Preparació i neteja de les dades.
- Elecció de les propietats discriminants: Entenent les característiques i com seleccionar-les.
- Trobar un model adequat: Introducció a Random Forest, Xarxes Neuronals, etc.
- Validació del teu predictor: Com assegurar la fiabilitat del teu model.
Els estudiants aprendran com preparar i processar les dades per a la IA, com seleccionar les característiques més rellevants i com triar el model de IA apropiat (Random Forest, Xarxes Neuronals, etc.). S'exploraran tècniques per validar models de IA, assegurant que siguin precisos i fiables per al seu ús en aplicacions biomèdiques.
5. Al in the real word: an overview of deployment guidelines
- Com s'implementa un model de IA en un entorn real?
- Directrius per assegurar una implementació exitosa i ètica.
- Discussió sobre les limitacions i reptes actuals de la IA en la biomedicina.
Metodologia i activitats formatives
Modalitat totalment presencial a l'aula
- Classes magistrals: exposició en blocs d'entre 15 a 50 minuts, d'un tema teòric a desenvolupar per part del professor.
- Casos clínics o mètodes del cas (MC): Plantejament d'una situació real o imaginària. Els alumnes treballen les preguntes formulades en grups reduïts o en interacció activa amb el professor i es discuteixen les respostes. El professor intervé activament i si fa falta aporta nous coneixements.
- Educació virtual (EV): Material en línia que l'alumne pot consultar des de qualsevol ordinador, a qualsevol hora i que contribuirà a l'autoaprenentatge de conceptes relacionats amb l'assignatura.
Sistemes i criteris d'avaluació
Modalitat totalment presencial a l'aula
- Alumnes en primera convocatòria:
- Avaluació Contínua (35%): Inclou exercicis pràctics i tests curts.
- Examen Teòric Final (65%): Avaluació del coneixement teòric i comprensió dels conceptes de IA II aplicats a la biomedicina vists durant el curs.
- Component subjectiu (fins a un 10%): es reservarà fins a un 10% de la nota final a criteris subjectius com la implicació, la participació i el respecte a les normes, per a fomentar una actitud activa i compromesa a l'aula.
- Alumnes en segona o posterior convocatòria: la nota de l'Avaluació Contínua es guarda i l'examen final representarà un 75% de la nota final.
Punts generals a tenir en compte sobre el sistema d'avaluació:
- Per a poder fer mitjana, en l'examen final s'haurà d'obtenir un 5 de nota mínima.
- A més de l'esmentat anteriorment, per a aprovar l'assignatura, la mitjana de totes les qualificacions ha de ser 5 o superior.
- El caràcter continuat d'aquesta avaluació fa que no sigui possible avaluar l'assignatura si no s'ha participat en un 75% de les hores.
- L'ús indegut d'aparells electrònics (com el registre i difusió tant de l'alumnat com del professorat durant les diferents sessions, així com l'ús d'aquests aparells amb finalitats lúdics i no educatius) pot comportar l'expulsió de classe.