A6. Introducción a la investigación
102117
2016-17
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
3
OBLIGATORIA
Anual
Castellano
En esta materia se pretende cubrir los conocimientos necesarios para las
actividades de investigación de los graduados. Estos conocimientos incluyen
habilidades de comunicación (oral y escrita), descripción del proceso de
publicación de resultados, e información sobre los distintos tipos de
proyectos de investigación y bibliometría:
Cómo escribir un trabajo de investigación, cómo presentarlo.
Proyectos de investigación.
Publicaciones científicas: sus tipos, el proceso de su elaboración,
bibliometría.
1. Módulo 1: Investigación: su desarrollo y sus procesos de comunicación
1.1. Generalidades
1.2. Procesos de publicación
1.3. Momentos difíciles en la tarea de investigación
2. Módulo 2: Investigación: su transferencia y sus procesos de comunicación
2.1. I+D+i
2.2. Protección y transferencia de los resultados de la I+D
2.3. Emprendimiento basado en la investigación
2.4. Comunicación para la "venta" de los resultados de la I+D
Unidades
CG1 - Entender los conceptos, los métodos y las aplicaciones de la
inteligencia artificial.
CG4 - Describir problemas de investigación mediante la redacción precisa de
los objetivos a lograr, las hipótesis a utilizar, las técnicas a aplicar, las
conjeturas a formular y las limitaciones a considerar.
CG5 - Evaluar las hipótesis de investigación propuestas en un trabajo
científico que permitan su validación o su refutación.
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación
en Inteligencia Artificial para poder determinar cuáles de ellas son
relevantes en la resolución de problemas concretos.
A1 - Sesiones presenciales virtuales: visionado inicial del material
audiovisual (vídeos introductorios, presentaciones, animaciones) que se
elabore en cada una de las materias y que servirán presentación de cada uno de
los temas a los estudiantes (7,5 horas - 100% presencialidad).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (12
horas - 0% presencialidad).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos y estudio (48,5 horas - 0% presencialidad).
A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión
general (3,5 horas - 0% presencialidad).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc
(3,5 horas - 100% presencialidad).
E1 - Valoración de los cuestionarios de evaluación: los
estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación
que será objeto de puntuación en la nota final (ponderación mínima 20% y
máxima 40%).
E2 - Valoración de la participación en foros y chats: se
valorará el nivel de participación/debate de los estudiantes que contará para
la nota final (ponderación mínima 10% y máxima 20%).
E3 - Valoración de los trabajos individuales: se valorarán los
problemas, proyectos, trabajos realizados y entregados a través de la
plataforma, y apoyado en los casos que sea necesario (sobre todo cuando se
trate de desarrollo de código) por plataformas de gestión de código como
GitHub. También se incluirá el video que el alumno deberá enviar al profesor
para cada asignatura (ponderación mínima 40% y máxima 70%).
Las sesiones se desarrollarán en octubre de 2016.
Publicación
Journal of AI Research. Information
for authors
Artificial Intelligence. Information
for authors
Michael Ernst: Choosing
a venue: conference or journal?
Escritura
Mary-Claire van Leunen, Richard Lipton: How to have your abstract rejected.
SIGACT News 8-3, 1976. http://dl.acm.org/citation.cfm?id=1810928
Michael Ernst: Writing
a technical paper
Jonathan Shewchuk: Three Sins
of Authors in Computer Science and Math
Revisión
Alan Jay Smith: The
task of the referee
G Cormode: How NOT to
review a paper: the tools and techniques of the adversarial reviewer
Ética y práctica de la investigación
Justin Zobel: Guidelines
on Research Practice in Computer Science
Pamela Samuelson: Self-Plagiarism
or Fair Use?. Communications of the ACM, agosto de 1994
Christian Collberg and Stephen Kobourov: Self-Plagiarism
in Computer Science. Communications of the ACM, abril de 2005
Miscelánea
Ian Parberry: "Guides"
Matt Might Blog: http://matt.might.net/articles/advice-for-phd-thesis-proposals/
http://matt.might.net/articles/successful-phd-students/
http://matt.might.net/articles/phd-school-in-pictures/
Barro, S. (coord.) (2015): La
transferencia de I+D, la innovación y el emprendimiento en las universidades.
Educación Superior en Iberoamérica. Informe 2015. Chile: CINDA.
Universidad de Alicante: Guía
práctica de transferencia de tecnología, del Observatorio
Virtual de Transferencia de Tecnología (OVTT) de la Universidad de Alicante.
González Sabater, J.; Manual
de transferencia de tecnología y conocimiento; The Transfer
Institute, 2ª edición, 2011.
Guía
de Transferencia de Tecnología de Centros Públicos de Investigación para las
empresas.
Módulo 1
Módulo 2
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Anual
Créditos ECTS: 3
Barro Ameneiro, Senén
Catedrático de Ciencias de la Computación e Inteligencia Artificial
Director del Centro de Investigación en Tecnologías de la Información (CiTIUS)
Universidad de Santiago de Compostela
Balcázar Navarro, José Luis
Catedrático de Lenguajes y Sistemas Informáticos
Universidad Politécnica de Cataluña