Al terminar los estudios de máster, el alumno debe conocer:
Los fundamentos de la Inteligencia Artificial y las fronteras actuales en investigación.
Un conjunto de métodos y técnicas, tanto simbólicas como conexionistas y probabilistas, para resolver problemas propios de la Inteligencia Artificial.
Los procedimientos específicos de aplicación de estos métodos a un conjunto relevante de dominios (educación, medicina, ingeniería, sistemas de seguridad y vigilancia, etc.) que representan las áreas más activas de investigación en IA.
El grado de pertinencia de las diferentes técnicas del mundo de la IA para un problema dado y la metodología propia del campo para la transformación del conocimiento expresado en lenguaje natural en un sistema informático eficaz y eficiente cuya validez sea verificada y validada con experimentos científicos.
Los fundamentos de las tareas de investigación: recopilación bibliográfica, descripción de un contexto de investigación, redacción de textos científicos, diseño de un proyecto, defensa pública de un trabajo de investigación.
Dado el alto grado de optatividad del Máster es difícil formular competencias más específicas que las citadas más arriba. Por ello, recomendamos la lectura detallada de las competencias adquiridas al cursar las diversas asignaturas que componen el Máster, o al menos de aquéllas de mayor interés para el solicitante. A modo únicamente de orientación, podemos sugerir varios itinerarios posibles dentro del Máster basados en nuestra experiencia pasada, de manera que los solicitantes puedan dirigir su atención a las asignaturas relacionadas con cada itinerario:
Ingeniería del conocimiento: Métodos simbólicos, Métodos lógicos de automatización del Razonamiento, Métodos neuronales bioinspirados, Aplicaciones de la IA para el desarrollo humano y sostenible.
Teoría de la decisión y análisis de datos: Métodos probabilistas, Minería de Datos, Métodos Neuronales Bioinspirados, Computación Evolutiva, Descubrimiento de información en textos, Procesamiento del Lenguaje Natural, Aplicaciones de la IA para el desarrollo humano y sostenible.
Robótica y Visión Artificial: Métodos Neuronales Bioinspirados, Visión Artificial, Robótica Perceptual y Autónoma, Computación Evolutiva, Aplicaciones de la IA para el desarrollo humano y sostenible.
Enseñanza-Aprendizaje: Métodos de Aprendizaje en IA, Interfaces adaptativos, Sistemas adaptativos en educación, Entornos de aprendizaje y modelado basados en estándares, Minería de Datos.
Este Máster tiene una vocación clara de preparar a sus estudiantes en el ámbito de la investigación científica. Por lo tanto, al acabar el máster el alumno debe estar en disposición de llevar a cabo las tareas más básicas y habituales en este tipo de actividad, incluyendo la redacción de textos científicos como artículos o ponencias para congresos. Los estudios de doctorado (en caso de llevarse a cabo con posterioridad al máster) deberían completar esta formación, de manera que el estudiante al final de ellos haya adquirido todas las habilidades propias de un investigador independiente.
