Universitat Internacional de Catalunya

Intel·ligència Artificial I

Intel·ligència Artificial I
4
14873
4
Segon semestre
op
Llengua d'impartició principal: anglès

Altres llengües d'impartició: català, castellà

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

  • CB01 - Que els estudiants hagin demostrat que posseeixen i comprenen coneixements en una àrea d'estudi que parteix de la base de l'educació secundària general, i s’acostuma a trobar en 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.
  • CB03 - Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica.
  • CB04 - Que els estudiants puguin transmetre informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.
  • CB05 - Que els estudiants hagin desenvolupat les habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia.
  • CE07 - 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 d'investigació, empresa d'anàlisis clíniques, etc.).
  • CG07 - Integrar els conceptes bàsics relacionats amb el camp de la biomedicina tant teòrics com experimentals.
  • 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.
  • CT01 - Desenvolupar la capacitat d'organització i planificació adequades al moment.
  • CT02 - Desenvolupar la capacitat per a la resolució de problemes.
  • CT03 - Desenvolupar la capacitat d'anàlisi i síntesi.
  • CT04 - Interpretar resultats experimentals i identificar elements consistents i inconsistents.
  • CT05 - Fer servir internet com a mitjà de comunicació i com a font d'informació.
  • CT06 - Saber comunicar, fer presentacions i redactar treballs científics.
  • CT07 - Ser capaç de treballar en equip.
  • CT08 - Raonar i avaluar les situacions i resultats des d'un punt de vista crític i constructiu.
  • CT09 - 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.
  • CT13 - Reconèixer els aspectes generals i específics relacionats amb el camp de la nutrició i envelliment.
  • CT14 - Respectar els drets fonamentals d'igualtat entre homes i dones, i la promoció dels drets humans i els valors propis d'una cultura de pau i de valors democràtics.

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

  1. 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.