IDENTIFYING DATA 2009_10
Subject (*) Code 175112119
Study programme
Enginyeria Informàtica i de la Seguretat (2007)
Cycle 2nd
Descriptors Credits Type Year Period
4.5 Compulsory First Only annual
Language
Català
Department Enginyeria Informàtica i Matemàtiques
Coordinator
VALLS MATEU, AÏDA
E-mail aida.valls@urv.cat
Lecturers
VALLS MATEU, AÏDA
Web http://moodle.urv.net
General description and relevant information Aquest curs està centrat en dissenyar sistemes automàtics que ajudin a prendre decisions complexes, utilitzant tècniques d'intel.ligència artificial.

Competences
Type A Code Competences Specific
  Research
  AR1 Dominar l’anàlisi estadística.
  AR2 Aplicar els coneixements de matemàtiques a l’enginyeria informàtica.
  AR3 Conèixer productes tecnològics i tendències de la tecnologia.
  AR12 Aplicar metodologies de la intel·ligència artificial.
  AR17 Analitzar, dissenyar i desenvolupar eines de programació
Type B Code Competences Transversal
  Common
  BC1 Creativitat. Desenvolupar idees i projectes originals
  BC4 Resoldre problemes de forma efectiva
  BC5 Transferibilitat. Aplicar coneixements i habilitats en entorns nous o no familiars i en contextos multidisciplinars relatius a la seva àrea específica
  BC6 Actuar amb un esperit crític i responsable.
  BC11 Treballar en equip i gestionar equips
  BC12 Asertivitat. Comunicar de manera clara i sense ambigüitats tant a audiències expertes com no expertes
  BC13 Learning to learn
  BC14 Planificació i organització
  BC15 Promoure una actitud orientada a la motivació per la qualitat
Type C Code Competences Nuclear
  Common
  CC1 Domini de l’expressió i la comprensió del/s idioma/es estrangers per al desenvolupament professional derivat del curs del postgrau.
  CC2 Ús de les eines específiques de TIC per al desenvolupament professional derivat del curs de postgrau.
  CC3 Desenvolupament d’una perspectiva global del món en l’àrea específica on s’ubica el postgrau

Learning aims
Objectives Competences
Identificar els components d'un problema de presa de decisions multicriteri. AR17
BC1
Identificar els tipus de model de presa de decisiona aplicable a un problema concret. AR2
Modelitzar els criteris de preferència segons diversos tipus de dades. AR1
AR12
BC6
BC15
CC2
Saber aplicar diversos operadors d'agregació. AR2
AR12
BC4
BC13
Reconèixer quines són les propietats d'un operador d'agregació. AR2
AR12
Saber el funcionament d'alguns mètodes concrets basats en la Teoria de la Utilitat. AR2
AR17
BC1
BC5
BC11
BC12
BC13
BC14
CC1
CC2
CC3
Saber el funcionament d'alguns mètodes concrets basats en Relacions de preferència. AR2
AR17
BC1
BC5
BC11
BC13
BC14
CC1
CC2
CC3
Identificar el tipus de model de presa de decisions aplicable a un problema concret. AR3
Saber el funcionament d'alguns mètodes concrets basats en Teoria de l'Utilitat AR3

Contents
Topic Sub-topic
1. Introducció 1.1 Objectius de la presa de decisions
1.2 Com enfocar un problema de presa de decisions multicriteri
2. Tipus de dades en els criteris 2.1 Dades numèriques
2.2 Dades categòriques
2.3 Dades amb incertesa
3. Mètodes basats en la Teoria de la Utilitat 3.1 Introducció
3.2 Etapes del procés: agregació i ordenacio.
3.3 Operadors d'agregació. Propietats.
3.4 TOMASO
3.5 ClusDM
4. Mètodes basats en Relacions de Preferència 4.1 Introducció
4.2 Relacions d'outranking
4.3 ELECTRE
4.4 PROMETHEE
5. Breu presentació d'altres metodologies. 5,1 Metodologies alternatives
5.2 Discussió de les metodologies

Planning
Methodologies  ::  Tests
  Competences (*) Class hours Hours outside the classroom (**) Total hours
Introductory activities
2 0 2
 
Lecture
18 18 36
Presentations / expositions
6 12 18
Practicals using information and communication technologies (ICTs) in computer rooms
8 16 24
Problem solving, classroom exercises
9 13.5 22.5
 
Personal tuition
2 0 2
 
Objective short-answer tests
4 4 8
 
(*) On e-learning, hours of virtual attendance of the teacher.
(**) The information in the planning table is for guidance only and does not take into account the heterogeneity of the students.

Methodologies
Methodologies
  Description
Introductory activities Presentació dels professors, dels objectius de l'assignatura, metodologia docent i forma d'avaluació.
Lecture El professor explicarà els continguts bàsics de l'assignatura amb exemples. Posant a disposició de l'alumne tot el material que necessiti per a l'estudi de la matèria.
Presentations / expositions L'estudiant prepararà i realitzarà una exposició oral sobre algun tema del curs. Caldrà preparar una presentació amb suport multimèdia.
Practicals using information and communication technologies (ICTs) in computer rooms En equips s'estudiaran alguns sistemes d'ajut a la presa de decisions. Caldrà lliurar el resultat de l'exercici proposat pel professor.
Problem solving, classroom exercises Es faran alguns exercicis per consolidar els coneixements adquirits a teoria.
Alguns s'avaluaran.

Personalized attention
 
Problem solving, classroom exercises
Personal tuition
Practicals using information and communication technologies (ICTs) in computer rooms
Lecture
Presentations / expositions
Description
Durant algunes de les hores dedicades a pràctiques, el professor atendrà consultes personalitzades al seu despatx. A banda d'aquestes hores, també es respondran dubtes durant l'horari de consultes habitual o bé a través del email. D'altra banda, s'obrirà un forum de l'assignatura en el Moodle per a facilitat l'intercanvi de missatges entre tots els participants.

Assessment
  Description Weight
Presentations / expositions Cada alumne expondrà oralment el tema que se li assigni.
Caldrà preparar una presentació amb suport multimèdia.
15%
Practicals using information and communication technologies (ICTs) in computer rooms S'haurà de testejar un sistema d'jut a la presa de decisions i fer-ne un informe. Es valorarà el treball en equip. 20%
Problem solving, classroom exercises Resolució de petit exercicis per consolidar els coneixements teòrics.
Alguns exercicis es recolliran i avaluaran.
5%
Objective short-answer tests Es realitzaran diverses proves escrites individuals per analitzar el seguiment dels conceptes per part de l'alumne. 40%
Others

L'alumne haurà de demostrar que ha llegit i entès els articles científics que se li demanin.

20%
 
Other comments and second exam session

Es demanarà una nota mínima a la prova escrita per tal de poder aprovar l'assignatura.

En segona convocatòria l'alumne haurà de presentar els mateixos treballs pràctics demanats en el curs i aprovar un examen.


Sources of information

Basic Figueira, J., Greco, S., Ehrgott, M (eds), Multiple Criteria Decision Analysis, Springer, 2005
Vincke, P., Multicriteria Decision-aid, Wiley and Sons, 1992
http://www.inescc.pt/~ewgmcda/, EURO working group on MCDA, ,
http://www.terry.uga.edu/mcdm/index.html, Int society on MCDM, ,

Complementary

Recommendations


Subjects that it is recommended to have taken before
ARTIFICIAL INTELLIGENCE I/17012004
(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.