Universitat Internacional de Catalunya

Inteligencia Artificial I

Inteligencia Artificial I
4
14873
4
Segundo semestre
op
Lengua de impartición principal: inglés

Otras lenguas de impartición: catalán, castellano

Profesorado


Dra. ÁLVAREZ DE LA CAMPA CRESPO, Elena - ealvarezdelacampa@uic.es

Presentación

La inteligencia artificial (IA) está despertando una gran interés en la investigación bioinformática por sus múltiples aplicaciones, particularmente en los entornos biomédico-clínicos. Esta asignatura tiene como objetivo familiarizar al estudiante con los conceptos más básicos de la IA, de tal manera que pueda comprender sus aplicaciones prácticas y sepa plantear sus propios proyectos IA. Para ello partiremos de cero y recorreremos los principales pasos técnicos en la construcción de predictores IA: (i) recopilación de datos; (ii) selección del predictor, (iii) la validación de los resultados; y (iv) el despliegue controlado de los programas IA.


Requisitos previos

Se recomienda haber cursado y superado: 

  • Introducción a la bioinformática 

Se recomienda cursar en paralelo:

  • Inteligencia Artificial II

  • Conocimientos de programación

Objetivos

  • Comprender la aproximación de la inteligencia artificial a los problemas científico-tecnológicos
  • Conocer y entender las técnicas básicas de la inteligencia artificial.

Competencias/Resultados de aprendizaje de la titulación

  • CB01 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
  • CB03 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • CB04 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
  • CB05 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
  • CE07 - Aplicar las herramientas estadísticas a estudios en Ciencias de la Salud.
  • CE19 - Reconocer los principios de las ciencias biomédicas relacionadas con la salud y aprender a trabajar en cualquier ámbito de las ciencias biomédicas (empresa biomédica, laboratorios de bioinformática, laboratorios de investigación, empresa de análisis clínicos, etc.).
  • CG07 - Integrar los conceptos básicos relacionados con el campo de la biomedicina tanto a nivel teórico como experimental.
  • CG10 - Diseñar, redactar y ejecutar proyectos relacionados con el área de las ciencias biomédicas.
  • CG11 - Reconocer conceptos básicos de diferentes ámbitos vinculados a las ciencias biomédicas.
  • CT01 - Desarrollar la capacidad de organización y planificación adecuadas al momento.
  • CT02 - Desarrollar la capacidad para la resolución de problemas.
  • CT03 - Desarrollar la capacidad de análisis y síntesis.
  • CT04 - Interpretar resultados experimentales e identificar elementos consistentes e inconsistentes.
  • CT05 - Usar internet como medio de comunicación y como fuente de información.
  • CT06 - Saber comunicar, hacer presentaciones y redactar trabajos científicos.
  • CT07 - Ser capaz de trabajar en equipo.
  • CT08 - Razonar y evaluar las situaciones y resultados desde un punto de vista crítico y constructivo.
  • CT09 - Tener la capacidad de desarrollar habilidades en las relaciones interpersonales.
  • CT10 - Ser capaz de llevar a cabo un aprendizaje autónomo.
  • CT11 - Aplicar los conocimientos teóricos a la práctica.
  • CT12 - Aplicar el método científico.
  • CT13 - Reconocer los aspectos generales y específicos relacionados con el campo de la nutrición y envejecimiento.
  • CT14 - Respetar los derechos fundamentales de igualdad entre hombres y mujeres, y la promoción de los derechos humanos y los valores propios de una cultura de paz y de valores democráticos.

Resultados de aprendizaje de la asignatura

Como resultado de aprendizaje específico de esta mención se contempla el siguiente:

  • El alumno comprende e interioriza los elementos básicos de la Inteligencia Artificial requeridos en los proyectos biomédicos.

Contenidos

  1. La Inteligencia Artificial aplicada a problemas biomédicos:
    • Visión general de la IA en el campo biomédico. 
    • Ejemplos prácticos de aplicaciones de IA en la biomedicina.
  1. Introducción suave a las matemáticas detrás de la IA:
    • Conceptos básicos de la IA y el aprendizaje automático.
    • Un modelo para cada problema: Ejemplos de problemas biomédicos y cómo la IA puede abordarlos.
    • Tareas de clasificación binaria: Comprender el concepto de clasificación y cómo se utiliza en IA.
    • Regresión: Problemas de predicción continua en la biomedicina.

 Introducción a los conceptos básicos de la IA y el aprendizaje automático, enfocándose en las aplicaciones biomédicas. Incluye ejemplos de problemas biomédicos y cómo se pueden abordar con diferentes técnicas de IA.

  1. Del mundo real al mundo de la IA: ¿Qué considerar al planificar el uso de la IA en tu investigación?:
    • Recopilación de datos y su importancia. 
    • Cómo seleccionar el problema adecuado para usar IA. 
    •  Aspectos éticos y legales a considerar.

Profundizaremos en cómo seleccionar un problema biomédico adecuado para aplicar IA, cómo recopilar y preparar los datos necesarios y cómo enfrentar desafíos éticos y legales en este proceso.

  1. Los principales pasos en el desarrollo de modelos de IA:
    1. Preparación y limpieza de los datos. 
    2. Elección de las propiedades discriminantes: Entendiendo las características y cómo seleccionarlas.
    3. Encontrar un software adecuado: Introducción a Random Forest, Redes Neuronales, etc. 
    4. Validación de tu predictor: Cómo asegurar la fiabilidad de tu modelo.
    • Los estudiantes aprenderán cómo preparar y procesar los datos para la IA, cómo seleccionar las características más relevantes y cómo escoger el modelo de IA apropiado (Random Forest, Redes Neuronales, etc.).
    • Se explorarán técnicas para validar modelos de IA, asegurando que sean precisos y confiables para su uso en aplicaciones biomédicas.

5. Al in the real word: an overview of deployment guidelines

    • ¿Cómo se implementa un modelo de IA en un entorno real? 
    • Directrices para asegurar una implementación exitosa y ética. 
    • Discusión sobre las limitaciones y retos actuales de la IA en la biomedicina.

Metodología y actividades formativas

Modalidad totalmente presencial en el aula



  • Clases magistrales: exposición en bloques de entre 15 a 50 minutos, de un tema teórico a desarrollar por parte del profesor.
  • Casos clínicos o métodos del caso (MC): Planteamiento de una situación real o imaginaria. Los alumnos trabajan las preguntas formuladas en grupos reducidos o en interacción activa con el profesor y se discuten las respuestas. El profesor interviene activamente y si hace falta aporta nuevos conocimientos.
  • Educación virtual (EV): Material online que el alumno puede consultar desde cualquier ordenador, a cualquier hora y que contribuirá al autoaprendizaje de conceptos relacionados con la asignatura.

Sistemas y criterios de evaluación

Modalidad totalmente presencial en el aula



  • Alumnos en primera convocatoria:   
    • Evaluación Continua (35%): Incluye ejercicios prácticos y tests cortos.
    • Examen Teórico Final (65%): Evaluación del conocimiento teórico y comprensión de los conceptos de IA II aplicados a la biomedicina vistos durante el curso.
    • Componente subjetivo (hasta un 10%): se reservará hasta un 10% de la nota final a criterios subjetivos como la implicación, la participación y el respeto a las normas, para fomentar una actitud activa y comprometida en el aula.
  • Alumnos en segunda o posterior convocatoria: la nota de la Evaluación Continua se guarda y el examen final representará un 75% de la nota final. 

Puntos generales a tener en cuenta sobre el sistema de evaluación:  

  • Para poder hacer media, en el examen final se deberá obtener un 5 de nota mínima.
  • Además de lo mencionado anteriormente, para aprobar la asignatura, la media de todas las calificaciones ha de ser 5 o superior.
  • El carácter continuado de esta evaluación hace que no sea posible evaluar la asignatura si no se ha participado en un 75% de las horas.
  • El uso indebido de aparatos electrónicos (como el registro y difusión tanto del alumnado como del profesorado durante las diferentes sesiones, así como el uso de estos aparatos con fines lúdicos y no educativos) puede comportar la expulsión de clase.

Periodo de evaluación

E: fecha de examen | R: fecha de revisión | 1: primera convocatoria | 2: segunda convocatoria:
  • E2 26/06/2024 A04 18:00h
Versión para imprimir