• [Capte la atención de los lectores mediante una cita importante extraída del documento o

utilice este espacio para resaltar un punto clave. Para colocar el cuadro de texto en cualquier
lugar de la página, solo tiene que arrastrarlo.]
•

FICHA INFORMATIVA

ASIGNATURA: Aprendizaje por Refuerzo

Título: MU Inteligencia Artificial

Carácter: Obligatorio
Créditos: 6 ECTS
Código:
Índice
1. Organización general......................................................................................................................... 3
1.1. Datos de la asignatura .............................................................................................................. 3
1.2. Introducción a la asignatura ..................................................................................................... 3
1.3. Competencias y resultados de aprendizaje (transcribir la información de la memoria de verificación)
3
2. Contenidos ........................................................................................................................................ 4
3. Metodología ...................................................................................................................................... 5
4. Actividades formativas (adaptar según lo contenido en la memoria de verificación) ...................... 5
5. Evaluación ......................................................................................................................................... 8
5.1. Sistema de evaluación .............................................................................................................. 8
5.2. Sistema de calificación .............................................................................................................. 8
1. Organización general
1.1. Datos de la asignatura
Aprendizaje por Refuerzo
ASIGNATURA
6 ECTS

Carácter Obligatorio

Semestre Segundo

Idioma en que se imparte Castellano

Requisitos previos No existen

Dedicación al estudio por ECTS 25 horas

1.2. Introducción a la asignatura

El objetivo de la asignatura es presentar y desarrollar los conceptos y algoritmos principales relacionados

con el Aprendizaje por Refuerzo.
Para ello, el contenido se impartirá de forma escalonada para que el estudiante vaya afianzando el
conocimiento de manera paulatina. Se comenzará con una introducción a la temática y, seguidamente, se
estudiarán los conceptos teóricos más importantes. El resto de la asignatura se centrará en trabajar con los
grupos de algoritmos más destacados para entender sus características principales y cuándo aplicarlos.
Además, se realizarán sesiones prácticas con las herramientas y tecnologías que se usan hoy en día para
desarrollar este tipo de soluciones. Estas herramientas estarán basadas en el lenguaje de programación
Python.

1.3. Competencias y resultados de aprendizaje

Competencias Básicas

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en
el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución
de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o
multidisciplinares) relacionados con su área de estudio
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de
formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre
las responsabilidades sociales y éticas vinculadas a la
aplicación de sus conocimientos y juicios
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas
que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar
estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Específicas
 CE1 - Dominar los fundamentos de la ingeniería de datos (modelado, ingesta, almacenamiento,
procesado, análisis y visualización), las técnicas de rastreo, pro-cesamiento, indexación y
recuperación de información.
CE2 - Dominar el uso de las librerías y herramientas más comunes en el ámbito de la inteligencia
artificial.
CE5 - Dominar técnicas avanzadas en el ámbito del aprendizaje automático y optimización.
CE6 - Dominar la abstracción de información relevante a partir de grandes cantidades de datos
estructurados (big data) mediante algoritmos de inteligencia artificial.
CE7 - Desarrollar algoritmos de aprendizaje automático en distintas tareas de procesamiento natural
del lenguaje y visión por computador.
CE8 - Aplicar metodologías de diseño, implementación y testeo de frameworks de aprendizaje.
CE9 - Evaluar de manera equitativa diferentes soluciones basadas en inteligencia artificial y elección
de la más efectiva en base a ciertos criterios.
CE10 - Interpretar los resultados de evaluación obtenidos de cualquier modelo predictivo o algoritmo
basado en inteligencia artificial.
CE11 - Aplicar técnicas de visión por computador en la resolución de problemas en el ámbito industrial.
CE12 - Aplicar técnicas de procesamiento del lenguaje natural en la resolución de problemas en el
ámbito industrial.
CE13 - Conocer las distintas etapas existentes en la gestión de un proyecto de aprendizaje automático
y las herramientas más comunes para realizar dicha tarea de manera exitosa.
CE14 - Gestionar la puesta en marcha y el ciclo de vida de modelos predictivos en fase de producción.
CE15 - Analizar los últimos avances tecnológicos en el área de la inteligencia artificial, tanto desde el
punto de vista metodológico como de aplicación.
CE16 - Entender las implicaciones legales, morales y éticas, en lo referente al uso de la inteligencia
artificial.

2. Contenidos

• Introducción al aprendizaje por refuerzo: Conceptos y terminología, Clasificación de algoritmos,

Estado del arte, Contexto y líneas futuras.

• Algoritmos model based: Alphago, Chess, Backgammon.

• Algoritmos model free: Deep Q-Networks y Policy Gradients.

• Algoritmos avanzados: Métodos Actor Critic (A2C y A3C), Algoritmos de funciones de

recompensa dispersas (Hindsight Experience Replay), Algoritmo de múltiples actualizaciones
del gradiente por muestra (Proximal Policy Optimization).

• Aprendizaje por refuerzo aplicado a entornos de robótica y conducción autónoma.

3. Metodología
La metodología de la Universidad Internacional de Valencia (VIU) se caracteriza por una apuesta
decidida en un modelo de carácter e-presencial. Así, siguiendo lo estipulado en el calendario de
actividades docentes del Título, se impartirán en directo un conjunto de sesiones, que, además,
quedarán grabadas para su posterior visionado por parte de aquellos estudiantes que lo necesitasen.
En todo caso, se recomienda acudir, en la medida de lo posible, a dichas sesiones, facilitando así el
intercambio de experiencias y dudas con el docente.

En lo que se refiere a las metodologías específicas de enseñanza-aprendizaje, serán aplicadas por el

docente en función de los contenidos de la asignatura y de las necesidades pedagógicas de los
estudiantes. De manera general, se impartirán contenidos teóricos y, en el ámbito de las clases
prácticas se podrá realizar la resolución de problemas, el estudio de casos y/o la simulación.

Por otro lado, la Universidad y sus docentes ofrecen un acompañamiento continuo al estudiante,
poniendo a su disposición foros de dudas y tutorías para resolver las consultas de carácter académico
que el estudiante pueda tener. Es importante señalar que resulta fundamental el trabajo autónomo del
estudiante para lograr una adecuada consecución de los objetivos formativos previstos para la
asignatura.

4. Actividades formativas
Durante el desarrollo de cada una de las asignaturas se programan una serie de actividades de
aprendizaje que ayudan a los estudiantes a consolidar los conocimientos trabajados.

Actividades formativas

Actividad Horas Presencialidad

Clases expositivas 40 0%

Clases prácticas 30 0%

Tutorías 10 0%

Trabajo autónomo 70 0%

Prueba objetiva final 5 100%

A continuación, se relacionan las actividades que forman parte de la asignatura:

1. Actividades de carácter teórico

Se trata de un conjunto de actividades guiadas por el profesor de la asignatura destinadas a la
adquisición por parte de los estudiantes de los contenidos teóricos de la misma. Estas
actividades, diseñadas de manera integral, se complementan entre sí y están directamente
relacionadas con los materiales teóricos que se ponen a disposición del estudiante (manual,
SCORM y material complementario). Estas actividades se desglosan en las siguientes
categorías:
 a. Clases expositivas

b. Sesiones con expertos en el aula

c. Observación y evaluación de recursos didácticos audiovisuales

d. Estudio y seguimiento de material interactivo

2. Actividades de carácter práctico

Se trata de un conjunto de actividades guiadas y supervisadas por el profesor de la asignatura

vinculadas con la adquisición por parte de los estudiantes de los resultados de aprendizaje y
competencias de carácter más práctico. Estas actividades, diseñadas con visión de conjunto,
están relacionadas entre sí para ofrecer al estudiante una formación completa e integral.

3. Tutorías
Se trata de sesiones, tanto de carácter síncrono como asíncrono (e-mail), individuales o
colectivas, en las que el profesor comparte información sobre el progreso académico del
estudiante y en las que se resuelven dudas y se dan orientaciones específicas ante dificultades
concretas en el desarrollo de la asignatura.

4. Trabajo autónomo

Se trata de un conjunto de actividades que el estudiante desarrolla autónomamente y que están

enfocadas a lograr un aprendizaje significativo y a superar la evaluación de la asignatura. La
realización de estas actividades es indispensable para adquirir las competencias y se
encuentran entroncadas en el aprendizaje autónomo que consagra la actual ordenación de
enseñanzas universitarias. Esta actividad, por su definición, tiene carácter asíncrono.

5. Prueba objetiva final

Como parte de la evaluación de cada una de las asignaturas (a excepción de las prácticas y el
Trabajo fin de título), se realiza una prueba (examen final). Esta prueba se realiza en tiempo
real (con los medios de control antifraude especificados) y tiene como objetivo evidenciar el
nivel de adquisición de conocimientos y desarrollo de competencias por parte de los
estudiantes. Esta actividad, por su definición, tiene carácter síncrono.

Metodologías docentes

LMA Lección magistral

LMP Lección magistral participativa

SEM Seminarios y conferencias on-line

ECA Estudio de casos

RPR Resolución de problemas

RBI Revisión bibliográfica

SIM Simulación
 TCO Trabajo Cooperativo

DPR Diseño de proyectos

SEG Seguimiento

5. Evaluación

5.1. Sistema de evaluación

El Modelo de Evaluación de estudiantes en la Universidad se sustenta en los principios del
Espacio Europeo de Educación Superior (EEES), y está adaptado a la estructura de formación
virtual propia de esta Universidad. De este modo, se dirige a la evaluación de competencias.

Sistema de Evaluación Ponderación Ponderación

Mínima Máxima

Portafolio* 40 % 60 %

Prueba final* 40 % 60 %

*Es requisito indispensable para superar la asignatura aprobar cada apartado (portafolio
y prueba final) con un mínimo de 5 para ponderar las calificaciones.
Los enunciados y especificaciones propias de las distintas actividades serán aportados por el
docente, a través del Campus Virtual, a lo largo de la impartición de la asignatura.
Atendiendo a la Normativa de Evaluación de la Universidad, se tendrá en cuenta que la
utilización de contenido de autoría ajena al propio estudiante debe ser citada adecuadamente
en los trabajos entregados. Los casos de plagio serán sancionados con suspenso (0) de la
actividad en la que se detecte. Asimismo, el uso de medios fraudulentos durante las pruebas
de evaluación implicará un suspenso (0) y podrá implicar la apertura de un expediente
disciplinario.

5.2. Sistema de calificación

La calificación de la asignatura se establecerá en los siguientes cómputos y términos:

Nivel de aprendizaje Calificación numérica Calificación cualitativa

 Muy competente 9,0 - 10 Sobresaliente

Competente 7,0 - 8,9 Notable

Aceptable 5,0 -6,9 Aprobado

Aún no competente 0,0 -4,9 Suspenso

Sin detrimento de lo anterior, el estudiante dispondrá de una rúbrica simplificada en el aula

que mostrará los aspectos que valorará el docente, como así también los niveles de
desempeño que tendrá en cuenta para calificar las actividades vinculadas a cada
resultado de aprendizaje.
La mención de «Matrícula de Honor» podrá ser otorgada a estudiantes que hayan obtenido
una calificación igual o superior a 9.0. Su número no podrá exceder del cinco por ciento de los
estudiantes matriculados en una materia en el correspondiente curso académico, salvo que el
número de estudiantes matriculados sea inferior a 20, en cuyo caso se podrá conceder una
sola «Matrícula de Honor.

V.01 - web
Ficha Informativa
9
Dirección de Proyectos Industriales y Proyectos Agiles