Inteligencia Computacional
(Curso Académico 2026 - 2027)
Mostrar Todo


Nota informativa: Atendiendo a la normativa de Protección de Datos y propiedad intelectual en la que se limita la publicación de imágenes de terceras personas sin su consentimiento, aquellos que difundan grabaciones de las sesiones de clase sin previo consentimiento de las personas implicadas, serán responsables ante la ley del uso prohibido de las citadas grabaciones.



1. Datos descriptivos de la asignatura
  • Código: 830050928
  • Centro: Escuela de Doctorado y Estudios de Postgrado
  • Lugar de impartición: Escuela Superior de Ingeniería y Tecnología
  • Titulación: Máster Universitario en Informática Industrial y Robótica (Interuniversitario)
  • Plan de Estudios: 2025 (MU05) (publicado en 15-01-2022)
  • Rama de conocimiento: Ingeniería y Arquitectura
  • Ámbito de conocimiento:
  • Mención/Especialidad:
  • Itinerario/Intensificación:
  • Departamento/s:
  • Área/s de conocimiento:
    • Lenguajes y Sistemas Informáticos
  • Curso: 1
  • Carácter: Optativa
  • Despliegue temporal: Segundo cuatrimestre
  • Créditos ECTS: 3,0
  • Modalidad de impartición: Presencial
  • Horario: Ver horario
  • Aula virtual de la asignatura: Ver web de la asignatura
  • Idioma: Español
2. Requisitos de matrícula y calificación
3. Profesorado que imparte la asignatura

Profesor/a Coordinador/a: AIRAM EXPÓSITO MÁRQUEZ

General:
Nombre:
AIRAM
Apellido:
EXPÓSITO MÁRQUEZ
Departamento:
Ingeniería Informática y de Sistemas
Área de conocimiento:
Lenguajes y Sistemas Informáticos
Grupo:
1
Contacto:
Teléfono 1:
Teléfono 2:
Correo electrónico:
aexposim@ull.es
Correo alternativo:
aexposim@ull.edu.es
Tutorías primer cuatrimestre:
DesdeHastaDíaHora incialHora finalLocalizaciónPlantaDespacho
Todo el cuatrimestre Lunes 08:00 10:00 Escuela Superior de Ingeniería y Tecnología - Módulo C - AN.4A ESIT 2 P2.103
Todo el cuatrimestre Martes 08:00 10:00 Escuela Superior de Ingeniería y Tecnología - Módulo C - AN.4A ESIT 2 P2.103
Todo el cuatrimestre Miércoles 08:00 10:00 Escuela Superior de Ingeniería y Tecnología - Módulo C - AN.4A ESIT 2 P2.103
Observaciones: Las tutorías podrán ser presenciales o telemáticas a través de Google Meet. Pueden ser solicitadas mediante email (aexposim@ull.edu.es) con el suficiente tiempo de antelación, indicando la modalidad de tutoría que se desea.
Tutorías segundo cuatrimestre:
DesdeHastaDíaHora incialHora finalLocalizaciónPlantaDespacho
Todo el cuatrimestre Lunes 08:00 10:00 Escuela Superior de Ingeniería y Tecnología - Módulo C - AN.4A ESIT 2 P2.103
Todo el cuatrimestre Martes 08:00 10:00 Escuela Superior de Ingeniería y Tecnología - Módulo C - AN.4A ESIT 2 P2.103
Todo el cuatrimestre Miércoles 08:00 10:00 Escuela Superior de Ingeniería y Tecnología - Módulo C - AN.4A ESIT 2 P2.103
Observaciones: Las tutorías podrán ser presenciales o telemáticas a través de Google Meet. Pueden ser solicitadas mediante email (aexposim@ull.edu.es) con el suficiente tiempo de antelación, indicando la modalidad de tutoría que se desea.
General:
Nombre:
ISAAC
Apellido:
MARCO RODRÍGUEZ
Departamento:
Ingeniería Informática y de Sistemas
Área de conocimiento:
Lenguajes y Sistemas Informáticos
Grupo:
1
Contacto:
Teléfono 1:
Teléfono 2:
Correo electrónico:
imarcoro@ull.es
Correo alternativo:
Tutorías primer cuatrimestre:
DesdeHastaDíaHora incialHora finalLocalizaciónPlantaDespacho
Todo el cuatrimestre Lunes 10:00 14:00 Escuela Superior de Ingeniería y Tecnología - Módulo A - AN.4A ESIT PB PB 0.25
Todo el cuatrimestre Martes 10:00 12:00 Escuela Superior de Ingeniería y Tecnología - Módulo A - AN.4A ESIT PB PB 0.25
Observaciones: Para concertar una tutoría, deberá ponerse en contacto con el docente a través del correo electrónico imarcoro@ull.edu.es
Tutorías segundo cuatrimestre:
DesdeHastaDíaHora incialHora finalLocalizaciónPlantaDespacho
Todo el cuatrimestre Lunes 10:00 14:00 Escuela Superior de Ingeniería y Tecnología - Módulo A - AN.4A ESIT PB PB 0.25
Todo el cuatrimestre Martes 10:00 12:00 Escuela Superior de Ingeniería y Tecnología - Módulo A - AN.4A ESIT PB PB 0.25
Observaciones: Para concertar una tutoría, deberá ponerse en contacto con el docente a través del correo electrónico imarcoro@ull.edu.es
4. Contextualización de la asignatura en el plan de estudio
  • Bloque formativo al que pertenece la asignatura:
  • Perfil profesional:
5. Resultados de Aprendizaje

Saber (conocimientos o contenidos)

  • OPT-CON37 - Identificar el uso de diferentes técnicas para lograr funcionalidades particulares.

Habilidad (habilidades o destrezas)

  • OPT-HAB30 - Aplicar técnicas de evaluación adecuadas para analizar la efectividad de un algoritmo.

Competencia

  • OPT-COMP27 - Diseñar un algoritmo de inteligencia computacional a partir de especificaciones
  • OPT-COMP28 - Evaluar críticamente el uso de técnicas de inteligencia computacional.
6. Contenidos de la asignatura

Contenidos teóricos y prácticos de la asignatura

Profesor Airam Expósito Márquez - Contenidos teórico:
  • Introducción. ¿Dónde y cuándo se deben utilizar técnicas modernas de inteligencia computacional?
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.

Profesor Isaac Marco Rodríguez – Contenidos prácticos:
  • Introducción. ¿Dónde y cuándo se deben utilizar técnicas modernas de inteligencia computacional?
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.

Actividades a desarrollar en otro idioma

Un alto porcentaje de los textos (bibliografía, documentación, ayudas), así como los apuntes de la asignatura se proporcionan en lengua inglesa.
7. Metodología, actividades formativas y volumen de trabajo del estudiante

Modelo de Enseñanza Centrada en el Alumnado

Aplica las siguientes metodologías activas: Aula invertida - Flipped Classroom, Aprendizaje basado en Proyectos (ABP), Aprendizaje basado en Problemas (PBL)

Descripción

Cada semana, se llevará a cabo una exposición o clase invertida sobre los contenidos teóricos necesarios para abordar los contenidos prácticos en el laboratorio. Durante dichas sesiones prácticas, se utilizará una metodología de aprendizaje basada en problemas/proyectos con la cual se planteará al alumnado un problema o proyecto como eje central sobre el que trabajar, en algunos casos, de manera colaborativa. La asistencia a las diferentes sesiones es obligatoria.

La IA puede ser usada como una primera aproximación a un problema pero es necesario analizar las respuestas de manera crítica, contrastando la información, para llegar a un resultado creativo que permita el aprendizaje y evite algunos de los problemas derivados del uso de la misma.

En caso de situaciones de riesgo declaradas oficialmente, para la programación y realización de las actividades docentes se estará a lo previsto en el plan específico del centro.

Actividades formativas y horas de trabajo del estudiante

Actividades formativas Horas Presencialidad [%]
Enseñanza teórica 11,00 100,00
Enseñanza práctica 11,00 100,00
Asistencia a tutorías 1,00 100,00
Trabajo personal 49,50 0,00
Evaluación 2,50 100,00
Total horas
Total ECTS
8. Bibliografía / Recursos

Bibliografía básica

Eiben. Introduction to Evolutionary Computing. Springer Berlin Heidelberg, 2015. Web. (Disponible a través de PuntoQ-ULL)

Géron, Aurélien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 3rd Edition. O'Reilly Media, Inc., 2022. Web. (Disponible a través de PuntoQ-ULL)

Bibliografía complementaria

Otros recursos

9. Sistema de evaluación y calificación

Descripción

La Evaluación de la asignatura se rige por el Reglamento de Evaluación y Calificación (REC) que la Universidad de La Laguna tenga vigente, además de por lo establecido en la Memoria de Verificación o Modificación del título vigente. 

En virtud de dicho reglamento, todo el alumnado está sujeto a evaluación continua en la primera convocatoria de la asignatura, salvo el que se acoja a la evaluación única, lo que tendrá que ser comunicado por el propio alumnado antes de haberse presentado a las actividades cuya ponderación compute, al menos, el 40% de la evaluación continua (ver art. 5.5 del REC), o excepcionalmente por circunstancias sobrevenidas (ver art. 5.7 del REC).

Evaluación Continua:

Dicha evaluación continua consiste, según la Memoria de Verifica/Modifica para la titulación, en las siguientes pruebas:
Pruebas escritas objetivas (C - 30%).
  • Se le planteará al alumnado un cuestionario que deberá responder durante la última semana del bimestre. El alumnado deberá superar este apartado con una calificación mínima de 5 (sobre 10) para aprobar la asignatura a través de la modalidad de evaluación continua.
Evaluación de trabajos y proyectos (P - 60%)
  • Se llevarán a cabo dos proyectos, cada uno de ellos contribuyendo un 30% a la calificación global, ya sean individuales o grupales (uno durante las semanas 1-4 del bimestre, y otro durante las semanas 5-8 del bimestre, aproximadamente). Este apartado se calificará como la media de ambos trabajos, siempre y cuando se obtenga, en cada uno de ellos, una calificación igual o superior a 5 (sobre 10). Lo anterior hace que el alumnado tenga que superar este apartado con una calificación mínima de 5 (sobre 10) para aprobar la asignatura a través de la modalidad de evaluación continua.
Evaluación de asistencia y participación en actividades (A - 10%)
  • La asistencia es obligatoria. Por lo tanto, se llevará a cabo control de asistencia en las diferentes sesiones. El alumnado deberá superar este apartado con una calificación mínima de 5 (sobre 10) para aprobar la asignatura a través de la modalidad de evaluación continua.

La modalidad de evaluación continua se mantendrá en la segunda convocatoria. Por lo tanto, la segunda convocatoria podrá utilizarse para recuperar las pruebas de evaluación continua no superadas (C y P) antes del fin de la primera convocatoria de la asignatura, a excepción, de la asistencia y participación en actividades, lo cual no es recuperable.
 
Agotamiento de la Evaluación Continua:

En relación a la evaluación continua, conforme al artículo 4.7 del REC “se entenderá agotada la convocatoria desde que el alumnado se presente, al menos, a las actividades cuya ponderación compute el 50 % de la evaluación continua, salvo en los casos recogidos en el artículo 5.7". Por lo tanto, una vez realizado cualquier conjunto de actividades cuya suma de ponderaciones alcance el 50% supone el agotamiento de la evaluación continua de la asignatura. Una vez agotada la evaluación continua la calificación en el acta no podrá ser "No presentado".
 
Obligatoriedad de las actividades:

Será obligatorio realizar todas las pruebas de evaluación propuestas. En ese caso, la nota final (NF) o calificación en el acta se obtiene tras la aplicación de lo siguiente:

Tal y como se ha indicado con anterioridad, siempre y cuando se superen cada una de las partes, la calificación global de la asignatura vendrá dada como su media ponderada, de acuerdo a las ponderaciones más arriba indicadas, también especificadas en la tabla de Estrategia Evaluativa, esto es, NF = 0,2 * C + 0,7 * P + 0,1 * A. Si se ha agotado la evaluación continua (se han realizado pruebas cuya suma de ponderaciones es mayor o igual al 50%), pero no se han superado todas las partes, la calificación final vendrá dada por la siguiente fórmula: NF = min(4,5; 0,2 * C + 0,7 * P + 0,1 * A). En este caso, la calificación en el acta será de "Suspenso". Si no se ha agotado la evaluación continua, la calificación en el acta será de "No presentado".

Evaluación única:

Si el alumnado no se evalúa de forma continua (por las circunstancias que se describen en el REC), debe evaluarse de todo el contenido teórico y práctico de la asignatura en la fecha oficial de convocatoria que figure en el calendario académico. Esta circunstancia podría tener que ser comunicada al profesorado de la asignatura con una antelación mínima de una semana respecto a la fecha oficial en la que el/la estudiante quiera presentarse, para la preparación de un laboratorio de prácticas o similar.

La evaluación única se compondrá de dos pruebas:
  • Una prueba teórica (T) donde se evaluarán los contenidos teóricos impartidos durante la asignatura, con una ponderación del 30% en la calificación final.
  • Una prueba práctica (P) donde se evaluarán los contenidos prácticos impartidos durante la asignatura, con una ponderación del 70% en la calificación final. Se estima la realización de dos ejercicios, ponderando cada uno de ellos un 35%.

Si la realización de estas pruebas no puede realizarse el mismo día debido a su extensión, el profesorado convendrá con el alumnado una fecha alternativa para su realización. 

Es necesario aprobar, tanto la prueba teórica, como la prueba práctica, con una calificación igual o superior a 5 (sobre 10). En el caso de superar ambas pruebas, la calificación final será la media ponderada, esto es, NF = 0,3 * T + 0,7 * P. En el caso de no superar ambas partes, la calificación final en actas será de "Suspenso" y se aplicará la siguiente fórmula: NF = min(4,5; 0,3 * T + 0,7 * P).

Respecto a la 5ª convocatoria y posteriores:

El alumnado que se encuentre en la quinta o posteriores convocatorias y desee ser evaluado por un Tribunal, deberá presentar una solicitud a través del procedimiento habilitado en la sede electrónica, dirigida a la Dirección de la Escuela de Doctorado y Estudios de Posgrado. Dicha solicitud deberá realizarse con una antelación mínima de diez días hábiles al comienzo del periodo de exámenes.

Evaluación del 5% de inglés:

Las actividades en inglés de la asignatura que se describen en el apartado 6 serán evaluadas a través de la síntesis escrita y exposición oral de las tareas y proyectos planteados durante la asignatura.

Estrategia Evaluativa

Pruebas evaluativas Criterios Ponderación Resultados de aprendizaje
Pruebas periódicas y/o examen final
  • Adecuación a lo solicitado.
  • Concreción en la redacción.
  • Nivel de conocimientos adquiridos.
  • Nivel de aplicabilidad.
30,00 % [OPT-CON37], [OPT-HAB30], [OPT-COMP27], [OPT-COMP28]
Evaluación de los trabajos y proyectos académicamente dirigidos
  • Adecuación a lo solicitado.
  • Concreción en la redacción.
  • Nivel de conocimientos adquiridos.
  • Nivel de aplicabilidad.
60,00 % [OPT-CON37], [OPT-HAB30], [OPT-COMP27], [OPT-COMP28]
Evaluación continua, asistencia y participación en actividades
  • Adecuación a lo solicitado.
  • Concreción en la redacción.
  • Nivel de conocimientos adquiridos.
  • Nivel de aplicabilidad.

10,00 % [OPT-CON37], [OPT-HAB30], [OPT-COMP27], [OPT-COMP28]
10. Cronograma / calendario de la asignatura

Descripción

Cada semana, se llevará a cabo una exposición o clase invertida sobre los contenidos teóricos necesarios para abordar los contenidos prácticos en el laboratorio. Durante dichas sesiones prácticas, se utilizará una metodología de aprendizaje basada en problemas/proyectos con la cual se planteará al alumnado un problema o proyecto como eje central sobre el que trabajar, en algunos casos, de manera colaborativa. La asistencia a las diferentes sesiones es obligatoria.

La IA puede ser usada como una primera aproximación a un problema pero es necesario analizar las respuestas de manera crítica, contrastando la información, para llegar a un resultado creativo que permita el aprendizaje y evite algunos de los problemas derivados del uso de la misma.

En caso de situaciones de riesgo declaradas oficialmente, para la programación y realización de las actividades docentes se estará a lo previsto en el plan específico del centro.

Segundo cuatrimestre

Semana Temas Actividades de enseñanza aprendizaje Horas de trabajo lectivas Horas de trabajo autónomo Total
Semana 8:
  • Introducción. ¿Dónde y cuándo se deben utilizar técnicas modernas de inteligencia computacional?
  • Presentación de la asignatura.
  • Introducción a la inteligencia computacional.
  • Técnicas de computación evolutiva.
  • Primer proyecto de la asignatura.
4.00 7.00 11.00
Semana 9:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de computación evolutiva.
  • Primer proyecto de la asignatura.
3.50 6.50 10.00
Semana 10:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de computación evolutiva.
  • Primer proyecto de la asignatura.
3.00 6.00 9.00
Semana 11:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de computación evolutiva.
  • Primer proyecto de la asignatura.
3.00 6.00 9.00
Semana 12:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de aprendizaje automatizado.
  • Segundo proyecto de la asignatura.
3.00 6.00 9.00
Semana 13:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de aprendizaje automatizado.
  • Segundo proyecto de la asignatura.
3.00 6.00 9.00
Semana 14:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de aprendizaje automatizado.
  • Segundo proyecto de la asignatura.
3.00 6.00 9.00
Semana 15:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Técnicas de aprendizaje automatizado.
  • Segundo proyecto de la asignatura.
  • Cuestionario.
3.00 6.00 9.00
Semana 16 a 18:
  • Estudio teórico de técnicas tales como: algoritmos evolutivos, redes neuronales, coevolución, sistemas clasificadores, lógica difusa, etc.
  • Puesta en práctica mediante el desarrollo de implementaciones y la evaluación de algoritmos de inteligencia computacional.
  • Evaluación y trabajo autónomo del alumnado.
  • Evaluación única.
0.00 0.00 0.00
Total 25.50 49.50 75.00
Fecha de última modificación: 02-07-2026
Fecha de aprobación: 09-07-2026