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
102474
2022-23
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 (clases en vídeo): visionado
inicial del material audiovisual que constituye las lecciones de la
asignatura. Se asume 1.5 veces el tiempo real de vídeo, puesto que el
estudiante deberá parar, repetir, etc. algunas secuencias (6 horas).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (57,5
horas).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos (33 horas).
A4 - Foros y chats: lanzamiento, lectura y contestación de cuestiones y
temas para la discusión general (8 horas).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc.
(8 horas).
Puede consultar en este enlace el Cronograma
de Carga de Trabajo.
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. El peso en la nota
final de este apartado será del 20% sobre el total.
E2 - Valoración de la participación en foros y chats: se
valorará el nivel de participación/debate de los estudiantes en el foro online
así como en la plataforma de gestión de código y entrega de los trabajo, que
contará para la nota final. El peso en la nota final de este apartado será del
10% sobre el total.
E3 - Valoración de los trabajos individuales: se valorarán los
trabajos realizados y entregados a través de la plataforma, y apoyado por
plataformas de gestión de código GitHub. Este trabajo cubre de forma aplicada
todos los conceptos introducidos en la asignatura. El peso en la nota final de
este apartado será del 70% sobre el total.
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:
• 13/01/23
Habrá una convocatoria extraordinaria en todas las asignaturas.
Para su evaluación, la fecha límite para la entrega de trabajos será:
• 14/07/23
Las actas de la convocatoria ordinaria se cerrarán en julio de 2023 y las de
la convocatoria extraordinaria en septiembre de 2023.
• 17/03/23
• 31/05/23
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