Salta el contingut

Programació

Informació general

Mòdul 5071 — Models d'Intel·ligència Artificial Cicle Curs d'especialització Intel·ligència Artificial i Big Data (CEIABD)
Hores totals 66 hores al centre Distribució 3 hores/setmana · 22 setmanes
Centre Institut Sa Palomera, Blanes Professor Francesc Barragán
Curs 2026-2027 Trimestre 1r trimestre del curs IABD

Normativa

Titulació: Cursos d'especialització d'FP

Competències professionals

Les competències professionals, personals i socials relacionades amb aquest mòdul, d'acord amb el currículum vigent, inclouen:

  • Caracteritzar sistemes d'intel·ligència artificial i relacionar-los amb la millora de l'eficiència operativa de les organitzacions.
  • Utilitzar models d'IA implementant sistemes per a la resolució de problemes.
  • Relacionar el processament del llenguatge natural amb les seves aplicacions, determinant-ne el potencial i les limitacions.
  • Analitzar sistemes robotitzats avaluant les opcions de disseny i implementació.
  • Aplicar sistemes experts avaluant la influència dels controladors intel·ligents.
  • Aplicar els principis legals i ètics vigents al desenvolupament de sistemes d'IA.
  • Adaptar-se a les noves situacions laborals, mantenint actualitzats els coneixements científics, tècnics i tecnològics del seu entorn professional.
  • Resoldre situacions, problemes o contingències amb iniciativa i autonomia, amb creativitat, innovació i esperit de millora.
  • Comunicar-se amb eficàcia transmetent la informació i els coneixements adequats i respectant l'autonomia de les persones amb qui interactua.
  • Exercir els seus drets i complir les obligacions derivades de la seva activitat professional, d'acord amb la legislació vigent.

Resultats d'Aprenentatge

RA Nom Hores Pes
RA1 Caracteritza sistemes d'IA relacionant-los amb la millora de l'eficiència operativa. 12h 18%
RA2 Utilitza models d'IA implementant sistemes a la resolució de problemes. 15h 23%
RA3 Relaciona el PLN amb les seves aplicacions determinant potencial i limitacions. 18h 27%
RA4 Analitza sistemes robotitzats avaluant opcions de disseny i implementació. 6h 9%
RA5 Aplica sistemes experts avaluant la influència dels controladors intel·ligents. 9h 14%
RA6 Aplica principis legals i ètics al desenvolupament de la IA. 6h 9%
TOTAL 66h 100%

Consulta els criteris d'avaluació (CA) complets de cada RA a la seva pàgina d'introducció: RA1, RA2, RA3, RA4, RA5, RA6.

Continguts de referència

Bloc 1 — Fonaments dels sistemes intel·ligents (RA1, 12h)

  • 1.1. Orígens i evolució de la intel·ligència artificial
  • 1.2. Paradigmes de la IA: simbòlic, connexionista, evolucionari i híbrid
  • 1.3. Agents intel·ligents: arquitectura PEAS (Performance, Environment, Actuators, Sensors)
  • 1.4. Sectors d'aplicació: salut, manufactura, finances, educació, transport
  • 1.5. Eficiència operativa i transformació digital: casos reals

Bloc 2 — Models i automatització (RA2, 15h)

  • 2.1. Taxonomia dels models d'IA: supervisat, no supervisat, per reforç
  • 2.2. Models d'automatització: RPA (Robotic Process Automation) i IPA (Intelligent Process Automation)
  • 2.3. Raonament imprecís i lògica difusa: aplicació pràctica
  • 2.4. Sistemes basats en regles: CLIPS, Drools, encadenament cap endavant i cap enrere
  • 2.5. Selecció i avaluació de models per a un problema concret

Bloc 3 — Processament del Llenguatge Natural (RA3, 18h)

  • 3.1. Evolució del PLN: de Bag of Words a Transformers
  • 3.2. Arquitectura Transformer i mecanisme d'atenció
  • 3.3. Models de llenguatge actuals: GPT-4o, Claude 3.5, Gemini 1.5, LLaMA 3.1, Mistral
  • 3.4. Tasques NLP: classificació, NER, traducció, generació, Q&A, RAG
  • 3.5. Tokenització, embeddings i vector stores
  • 3.6. Rol del lingüista: anotació, avaluació, prompt engineering
  • 3.7. Limitacions: al·lucinació, biaixos, context window, cost

Bloc 4 — Sistemes robotitzats (RA4, 6h)

  • 4.1. Tipus de robots: industrials, cobots, autònoms, socials
  • 4.2. Cinemàtica directa i inversa: conceptes i aplicació
  • 4.3. Robot Operating System 2 (ROS 2): arquitectura i programació
  • 4.4. Visió artificial amb IA: YOLO v8/v9, detecció d'objectes
  • 4.5. Casos d'ús industrials: pick & place, AGV, inspecció de qualitat

Bloc 5 — Sistemes experts (RA5, 9h)

  • 5.1. Arquitectura clàssica: base de coneixement, motor d'inferència, interfície
  • 5.2. Xarxes bayesianes i raonament probabilístic
  • 5.3. Knowledge graphs i ontologies (OWL, RDF)
  • 5.4. Comparativa: sistemes experts vs. ML vs. LLMs
  • 5.5. IA neuro-simbòlica: tendències 2025

Bloc 6 — Ètica i legalitat en IA (RA6, 6h)

  • 6.1. AI Act de la UE (Reglament 2024/1689): classificació de risc i calendari
  • 6.2. Principis ètics: transparència, equitat, responsabilitat, privadesa (ALTAI/ENISA)
  • 6.3. Biaixos algorítmics: tipus, casos reals (COMPAS, Amazon hiring tool)
  • 6.4. RGPD aplicat a la IA: Privacy by Design i dades sintètiques
  • 6.5. Security by Design: atacs adversarials, model poisoning, prompt injection
  • 6.6. Sostenibilitat ambiental de la IA: petjada de carboni dels LLMs

Planificació temporal

---
config:
  theme: base
  themeVariables:
    background: "#FFFFFF"
    primaryTextColor: "#1F2937"
    secondaryTextColor: "#fafafa"
    lineColor: "#64748B"
    nodeBorder: "#CBD5E1"
    cScale0: "#2563EB"
    cScale1: "#16A34A"
    cScale2: "#7C3AED"
---
timeline
    title Models d Intel-ligencia Artificial — M5071
    section 1r Trimestre - part 1
        Fonaments dels sistemes intel-ligents
            : Origens i evolucio de la IA
            : Paradigmes de la IA
            : Agents intel-ligents i arquitectura PEAS
            : Sectors d aplicacio i eficiencia operativa
        Models i automatitzacio
            : Taxonomia dels models d IA
            : RPA i IPA
            : Raonament impreces i logica difusa
            : Sistemes basats en regles
            : Seleccio i avaluacio de models
    section 1r Trimestre - part 2
        Processament del Llenguatge Natural
            : Evolucio del PLN i arquitectura Transformer
            : Models de llenguatge actuals
            : Tasques NLP i RAG
            : Practica Chatbot amb Rasa
        Sistemes robotitzats
            : Tipus de robots i cinematica
            : Visio artificial amb IA
    section 1r Trimestre - part 3
        Sistemes experts
            : Arquitectura classica i xarxes bayesianes
            : Practica Sistema expert en Python
        Etica i legalitat en IA
            : AI Act i principis etics ALTAI
            : Biaixos algoritmics i RGPD
            : Security by Design i sostenibilitat

Avaluació

Per a l'avaluació del mòdul es ponderaran els resultats d'aprenentatge respecte als percentatges indicats a la taula anterior.

Per a l'avaluació de cada RA, s'utilitzaran diferents Instruments d'Avaluació (IA):

  • Activitats d'ensenyament/aprenentatge (AC), normalment realitzades a l'aula.
  • Pràctiques (PR), amb una càrrega temporal d'una a dues setmanes, qualificades sobre 10 punts amb rúbriques detallades.
  • Qüestionari inicial, de caràcter diagnòstic i no qualificador.

Per calcular la qualificació de cada RA es realitzarà la mitjana ponderada simple dels instruments d'avaluació emprats. Per comprovar la cobertura de tots els criteris d'avaluació, consulteu la pàgina de validació als annexos.

Totes les qualificacions es podran consultar en tot moment a la plataforma Moodle del curs.

Per considerar superat el mòdul, cadascun dels elements d'avaluació ha de tenir una nota superior o igual a 5.

Materials

Al llarg del curs, treballarem amb materials disponibles en aquest espai web. Cada bloc comença amb una pàgina d'introducció amb el resultat d'aprenentatge, els criteris d'avaluació (CA) que cobreix i un enllaç al contingut de detall.

A la part final de cada apartat es presenten miniactivitats codificades amb el prefix AC5071/<bloc>/<núm> (per exemple, AC5071/02/03 és la 3a activitat del Bloc 2 del mòdul 5071), i les pràctiques avaluables amb el prefix PR5071/<núm>.