Representación del Conocimiento e Inferencia. La asignatura se inscribe en esta tarea genérica de los sistemas inteligentes: la construcción de una representación interna, significativa y operativa que hace el agente de su entorno exterior. Representación que, en este área, se produce sobre algún lenguaje simbólico, con su semántica concreta y sus cálculos de inferencia. En sentido amplio, estos lenguajes se vienen proponiendo como refinamiento de diversas familias de formalismos, cada una con sus asunciones ontológicas y epistemiológicas: desde las derivadas de las 'lógicas clásicas'  (proposicional, lógicas de predicados, descriptivas, ...), las lógicas modales y temporales o las aproximaciones probabilistas hasta las lógicas difusas. 

La relación de la asignatura con el programa del Máster. Prácticamente todas las asignaturas describen procesos que permiten a un agente inteligente variar su estado interno para responder más adecuadamente a variaciones exteriores. En algunas de ellas ese estado interno y sus procesos de adaptación son más legibles directamente por un observador humano ya que se expresan en alguno de esos lenguajes simbólicos. Desde esta perspectiva, la asignatura formalmente más relacionada con ésta es Métodos Simbólicos, con la que además comparte los lenguajes de representación (proposicional, predicados, descriptivas). En el mismo marco formal, pero con otra opción de lenguaje, se encuentra Métodos Probabilistas. Y estos formalismos, junto a los no simbólicos de otras asignaturas (como Aprendizaje o Minería de Datos), se ofrecen para la resolución de procesos en asignaturas  que se pueden considerar más finalistas: Visión, Robótica, Descubrimiento de Información en Textos o Procesamiento de Lenguaje Natural.

El contexto específico de la asignatura. La disponibilidad de grandes conjuntos de datos está favoreciendo el diseño y el entrenamiento de agentes inteligentes, especialmente desde la perspectiva renovada de los sistemas conexionistas en IA. La Inteligencia Artificial Simbólica, como línea complementaria (e hibridable), también puede verse beneficiada por la disponibilidad masiva de datos curados, estructurados y compartidos.

La Web de Datos Públicos Enlazados articula colectivamente los procesos de publicación y uso de fuentes de datos diversas. Es una arquitectura común sobre la que además se superpone el diseño compartido de conceptualizaciones (vocabularios, taxonomías, ontologías) que estructuran estos datos para determinados objetivos.

Estas bases de conocimiento, publicas e interconectadas, facilitan tareas de recopilación de información y de inferencia. Siempre dentro de los estándares, con sus restricciones, en que se conforman estas bases en la Web Semántica. Desde una perspectiva más general, la investigación sobre Grafos de Conocimiento (Knowledge Graphs) estudia la creación, refinamiento y explotación de bases de conocimiento similares, no necesariamente ubicadas en la Web Semántica.

Objetivos de la asignatura. La aproximación a la Web Semántica se hace desde la perspectiva del consumidor de datos y no tanto como ingeniero responsable de la publicación de datos de una institución. Se revisan los estándares y funcionalidades de la Web de Datos así como las conceptualizaciones superpuestas (como vocabularios u ontologías) a estas bases de conocimiento públicas. Este objetivo, de la primera parte de la asignatura, sirve de fundamento para la consecución del segundo objetivo: la construcción, refinamiento y explotación de un Grafo de Conocimiento propio.

Contribución al perfil profesional. Esta asignatura pretende contribuir a la formación del estudiante como ingeniero de conocimiento. Desde una aproximación actualizada, donde la construcción de bases de conocimiento ya no se realiza exclusivamente mediante entrevistas a expertos del dominio sino mediante la recopilación masiva de datos del dominio y la conformación semiautomatizada de ontologías a partir de esos datos.