| Competències |
| Codi | |
| A1 | Dominar l'anàlisi estadística. |
| A14 | Aplicar els coneixements de matemàtiques a l'enginyeria informàtica. |
| A17 | Analitzar, dissenyar i desenvolupar programari. |
| A19 | Analitzar, dissenyar i desenvolupar sistemes robotitzats i intel·ligents. |
| A20 | Aplicar els coneixements d'enginyeria informàtica a l'entorn econòmic-empresarial. |
| B1 | Aprendre a aprendre. |
| B2 | Resoldre problemes de forma efectiva. |
| B3 | Aplicar pensament crític, lògic i creatiu. |
| B5 | Treballar de forma col·laborativa. |
| B9 | Planificació i organització. |
| B11 | Motivació per la qualitat. |
| B12 | Presa de decisions. |
| B13 | Capacitat innovadora, emprenedora i d'adaptació a les noves situacions. |
| B14 | Capacitat d'anàlisi i síntesi. |
| B15 | Gestió del coneixement. |
| C1 | Dominar l'expressió i la comprensió d'un idioma estranger. |
| C2 | Utilitzar com a usuari les eines bàsiques en TIC. |
| C3 | Desenvolupar la vida personal i professional tenint una perspectiva àmplia i global del món. |
| Objectius d'aprenentatge |
| Objectius | Competències | ||
| Identificar els components d'un problema de presa de decisions i saber decidir el tipus de model de presa de decisions més adequat. | A17 |
B3 B12 B14 B15 |
|
| Modelitzar els criteris de preferència segons diversos tipus de dades. | A1 A19 |
B11 B15 |
C2 |
| Saber aplicar diversos operadors d'agregació. | A14 |
B13 |
|
| Saber el funcionament d'alguns mètodes concrets basats en Teoria de l'Utilitat | A14 A20 |
B1 B2 B5 B9 B12 B13 B14 B15 |
C1 C3 |
| Saber el funcionament d'alguns mètodes concrets basats en Relacions de preferència. | A14 A20 |
B1 B2 B5 B9 B12 B13 B14 B15 |
C1 C3 |
| Identificar les relacions entre els models proposats en investigació operativa, coneguts com MCDA, i els mètodes usats en Intel·ligència Artificial (IA). | A20 |
B13 B14 |
|
| Continguts |
| Tema | Subtema |
| 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. |
| 4. Mètodes basats en Relacions de Preferència | 4.1 Introducció 4.2 Relacions d'outranking 4.3 ELECTRE |
| 5. Relacions entre el model MCDA i les tècniques d'Intel·ligència Artificial | 5,1 IA en MCDA 5.2 MCDA en IA |
| Planificació |
| Metodologies :: Proves | |||||||||
| Competències | (*) Hores a classe | Hores fora de classe | (**) Hores totals | ||||||
| Activitats Introductòries |
|
2 | 0 | 2 | |||||
| Sessió Magistral |
|
20 | 20 | 40 | |||||
| Presentacions / exposicions |
|
6 | 30 | 36 | |||||
| Pràctiques a través de TIC |
|
3 | 6 | 9 | |||||
| Pràctiques a través de TIC en aules informàtiques |
|
10 | 10 | 20 | |||||
| Atenció personalitzada |
|
2 | 0 | 2 | |||||
| Proves objectives de preguntes curtes |
|
2 | 2 | 4 | |||||
| (*) En el cas de docència no presencial, són les hores de treball amb suport vitual del professor. (**) Les dades que apareixen a la taula de planificació són de caràcter orientatiu, considerant l’heterogeneïtat de l’alumnat | |||||||||
| Metodologies |
| Descripció | |
| Activitats Introductòries | Presentació dels professors, dels objectius de l'assignatura, metodologia docent i forma d'avaluació. |
| Sessió Magistral | 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. |
| Presentacions / exposicions | L'estudiant haurà de preparar un recull de materials de recerca (articles científics) i presentar-los en un informe en grup. Es farà una presentació oral del treball. |
| Pràctiques a través de TIC | Es farà una pràctica individual usant software lliure específic de sistemes de presa de decisions amb un cas d'estudi concret, o bé s'implementarà un petit software propi. Es lliurarà un informe final que s'avaluarà. |
| Pràctiques a través de TIC en aules informàtiques | Es faran exercisis sobre els mètodes estudiants amb software lliure especialitzat en aqust tipus de sistemes. Caldrà lliurar un breu informe d'alguns d'aquests exercicis. |
| Atenció personalitzada |
| Atenció personalitzada |
|
|
| Avaluació |
| Descripció | Pes | ||
| Presentacions / exposicions | Es valorarà el contingut del recull de material sobre un tema plantejat pel professor i també l'explicació que l'estudiant faci a classe. | 30% | |
| Pràctiques a través de TIC | Es resoldrà un cas pràctic usant software lliure existent, o bé es desenvoluparà un programa propi. | 20% | |
| Pràctiques a través de TIC en aules informàtiques | Resolució de petit exercicis per consolidar els coneixements teòrics. Alguns exercicis es recolliran i avaluaran. També s'avaluarà la participació a classe. |
10% | |
| Proves objectives de preguntes curtes |
Es realitzarà una prova escrita individual. Cal treure una nota mínima de 5 a l'examen per aprovar l'assignatura. |
40% | |
| Altres comentaris i segona convocatòria | |||
|
En segona convocatòria l'alumne haurà d'aprovar un examen i fer un treball. |
|||
| Fonts d'informació |
| Bàsica |
Figueira, J., Greco, S., Ehrgott, M (eds), Multiple Criteria Decision Analysis, Springer, 2005
Doumpos, M., Grigoroudis, E., Multicriteria Decision Aid and Artificial Intelligence, Wiley, 2013 |
||||||||
| Complementària |
http://www.cs.put.poznan.pl/ewgmcda/, Euro working group on MCDA, ,
http://www.mcdmsociety.org/, Int Society on MCDM, ,
Matthias Ehrgott, José Rui Figueira and Salvatore Greco , Trends in Multiple Criteria Decision Analysis, Springer, 2010 |
||||||||
| Recomanacions |
| Assignatures que es recomana haver cursat prèviament | ||
|
||
(*)La Guia docent és el document on es visualitza la proposta acadèmica de la URV. Aquest document és públic i no es pot modificar, llevat de casos excepcionals revisats per l'òrgan competent/ o degudament revisats d'acord amb la normativa vigent