Esta asignatura está pensada para proporcionar la base teórica y práctica
sobre los fundamentos metodológicos y tecnológicos implicados en la generación
y publicación de vocabularios y datos de la Web de datos enlazados.
A11. Web semántica y datos enlazados
102127
2017-18
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
4,5
OPTATIVA
Anual
Castellano
El objetivo de esta asignatura es proporcionar la base teórica y práctica
sobre los fundamentos metodológicos y tecnológicos implicados en la generación
y publicación de vocabularios y datos de la Web de datos enlazados.
En concreto, se presentarán: los conceptos de Web Semántica y Web de datos
enlazados, lenguajes de representación de datos como RDF y JSON-LD,
metodología y tecnologías de soporte a la generación y publicación de datos
enlazados, ontologías y vocabularios utilizados, fuentes de datos
representativas, como DBpedia, Geonames, etc., y aplicaciones que hacen uso de
datos enlazados. Aplicación al idioma español. Uso de la DBpedia del español
(mapeos de Wikipedia, consultas y procesamiento de recursos en español).
Introducción a la Web de datos enlazados y Web Semántica
Lenguajes de representación de datos en la Web de datos enlazados (RDF,
JSON-LD)
Lenguajes de consulta (SPARQL)
Metodología y tecnologías de soporte a la generación y publicación de datos
enlazados
Ontologías y vocabularios utilizados en la Web de datos enlazados
Fuentes de datos representativas en la Web de datos enlazados
Aplicaciones que utilizan datos enlazados
1. Módulo 0. Introducción
2. Módulo 1. RDF y RDFS
3. Módulo 2. Serializaciones RDF
4. Módulo 3. SPARQL
5. Módulo 4. Jena
6. Módulo 5. Guías de generación
7. Módulo 6. LOD Refine
8. Módulo 7. RDF2rdb
9. Módulo 8. Data Cube
10. Módulo 9. Enlazado de datos
11. Módulo 10. Vocabularios
12. Módulo 11. Publicación
13. Módulo 12. Explotación
Unidades
CG1 - Entender los conceptos, los métodos y las aplicaciones de la
inteligencia artificial.
CG2 - Evaluar nuevas herramientas computacionales y de gestión del
conocimiento en el ámbito de la Inteligencia Artificial.
CG3 - Gestionar de manera inteligente los datos, la información y su
representación.
CE3 - Seleccionar el mecanismo de representación del conocimiento y el método
de razonamiento más adecuados al contexto donde serán utilizados y diseñar su
aplicación para problemas en el ámbito de la Inteligencia Artificial.
CE4 - Conocer los principales modelos de razonamiento impreciso para valorar
su adecuación a la resolución de problemas que surgen en el ámbito de la
Inteligencia Artificial.
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 (12 horas - 100% presencialidad).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (17
horas - 0% presencialidad).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos y estudio (72 horas - 0% presencialidad).
A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión
general (5,5 horas - 0% presencialidad).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc
(6 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%).
Para la convocatoria ordinaria, habrá 3 fechas de entrega de trabajos
final de curso. Los alumnos podrán entregar sus trabajos en cualquier momento,
pero sólo en estas fechas se recogerán y evaluarán los que se hayan entregado.
Las fechas serán:
20/12/17
27/2/18
31/5/18
Habrá una convocatoria extraordinaria en todas las asignaturas.
Para su evaluación, la entrega de trabajos se cerrará el día:
01/07/18
Todas las asignaturas estarán en la plataforma a disposición de los
estudiantes desde octubre hasta julio.
JSON-LD 1.0: https://www.w3.org/TR/json-ld/
N-Quads: https://www.w3.org/TR/n-quads/
N-Triples: https://www.w3.org/TR/n-triples/
RDF 1.1 Concepts and Abstract Syntax: https://www.w3.org/TR/rdf11-concepts/
RDF 1.1 Semantics: https://www.w3.org/TR/rdf11-mt/
RDF 1.1 XML Syntax: https://www.w3.org/TR/rdf-syntax-grammar/
RDFa 1.1 Primer: https://www.w3.org/TR/xhtml-rdfa-primer/
TriG: https://www.w3.org/TR/trig/
Turtle: https://www.w3.org/TR/turtle/
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: 4,5
Corcho García, Óscar
Catedrático de Ciencias de la Computación e Inteligencia Artificial
Universidad Politécnica de Madrid
García Castro, Raúl
Profesor Titular
Universidad Politécnica de Madrid
Rico Almodóvar, Mariano
Profesor Contratado Doctor
Universidad Politécnica de Madrid
Santana Pérez, Idafen
Investigador
Universidad de Las Palmas de Gran Canaria