Los estudiantes de esta asignatura, además de cumplir los requisitos de formación previa exigidos en el Máster Universitario en Investigación en Inteligencia Artificial (IA), podrán adaptar y ampliar los conocimientos adquiridos en asignaturas relacionadas como son, aprendizaje automático e interfaces de usuario adaptativos, al dominio concreto de los sistemas inteligentes de educación.

En concreto, se espera que el estudiante sea capaz de:

• Comprender los conocimientos en computación que sirven de base a los estudios en IA.

  • Los fundamentos de representación y modelado del conocimiento son absolutamente esenciales para comprender el desarrollo práctico de los SAE.

• Saber aplicar las metodología de IA a la solución de problemas en entornos con conocimiento masivo, incertidumbre, imprecisión y variabilidad temporal propios de la IA.

  • La asignatura tiene un carácter fundamentalmente aplicado en el que se aplican los principios básicos asociados a la capacidad de solucionar problemas en IA.

  • Especialmente se hace necesaria la utilización de técnicas de decisión sujetas a la incertidumbre y el conocimiento masivo.

• Saber integrar los distintos métodos de aprendizaje automático para enfrentarse al carácter híbrido de los problemas del mundo real en las tareas que caracterizan cada una de las dos líneas de especialización curricular.

  • Se utilizan técnicas de aprendizaje automático para dar soporte a la adaptabilidad del sistema, como pueda ser el desarrollo de los modelos de usuario .

• Saber comunicar los resultados de sus trabajos a entornos especializados.

  • En los desarrollos prácticos y las actividades preparadas se exigirá el conocimiento de proyectos de investigación y desarrollos especializados en el campo.

  • Igualmente se realizarán tareas de colaboración en dicho ámbito.

• Poder continuar su investigación en el doctorado, tras la evaluación positiva de su Trabajo de Fin de Máster.

  • Esta asignatura está especialmente orientada a la posibilidad de realizar una tesis doctoral en este ámbito y por ello se parte de un estudio de los antecedentes del campo que permitan interpretar la rápida evolución experimentada recientemente en este campo (minería de datos en educación, analíticas de aprendizaje, computación afectiva, etc.)