FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA
   
  .
  Silabo
 

1. ESPECIFICACIONES GENERALES

  • ASIGNATURA
: INTELIGENCIA ARTIFICIAL
  • CODIGO DE CURSO
: 207008
  • CONDIDICION
: OBLIGATORIO
  • PRE-REQUISITO
: 205007- IO1
  • HORAS SEMANALES
: Teoría: 3h, Laboratorio: 2h
  • CREDITOS
: 4
  • SEMESTRE
: 2010 - 1
  • PROFESOR
:

HUGO VEGA H.

2. SUMILLA

La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios. Representación del conocimiento. Representación de problemas de IA como búsqueda en el espacio de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes hombre-máquina. Sistemas Expertos. Sistemas inteligentes.

3. OBJETIVO GENERAL

La Inteligencia Artificial es una de las áreas de la ciencia de la computación que presenta grandes expectativas de desarrollo, debido a su diversidad de aplicaciones en la industria, en los sectores de educación, servicios y, ciencia y tecnología.

El presente curso visa introducir el área de inteligencia artificial, la representación del conocimiento, los métodos básicos para la resolución de problemas y sus principales aplicaciones en el contexto de la demanda nacional, dando énfasis al estudio y desarrollo de juegos y sistemas expertos.

4.OBJETIVOS ESPECÍFICOS

•Representar el conocimiento mediante técnicas ad hoc tales como redes semánticas, predicados, y listas.

•Representar y resolver problemas determinada clase de problemas de la Inteligencia Artificial mediante las técnicas de búsqueda en un espacio de estados.

•Diseñar y desarrollar software de juegos inteligentes hombre-máquina que usen técnicas de la Inteligencia Artificial.

•Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencia (métodos de encadenamiento y redes neuronales artificiales).

•Presentar los fundamentos de los sistemas inteligentes y sus diversas aplicaciones, así como establecer las diferencias respecto de los métodos basados en búsqueda y los sistemas expertos.

5.CONTENIDO ANALÍTICO POR SEMANAS:

Semana Temas (Diapositivas descargables) Clases Trabajos Examenes
1


 
Fundamentos de la Inteligencia Artificial
  • Presentación del curso.
  • Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Revisión de los lenguajes de la inteligencia artificial. Aplicaciones en la industria y servicios.
  • Referencias: [1] Capítulo 1, [2] Capítulo 1.
 
2



 
Representación del conocimiento – Clasificación de problemas algorítmicos
  • Representación del conocimiento: redes semánticas, registros, y predicados.
  • Clasificación de problemas algorítmicos. Problemas de decisión, localización y optimización. Problemas P y NP. Descripción de algunos problemas.
  • Referencias: [1] Capítulos 6, 7 y 10, [2] Capítulo 2, [3] Capítulos 4 y 5, [4] Capítulo 1
 
 
3

 
Búsqueda en un espacio de estados
  • Definición de problemas de la IA como problemas de búsqueda en un espacio de estado.
  • Referencias: [1] Capítulos 3 y 4, [2] Capítulo 3, [3] Capítulo 2 y 3, [4] Capítulo 3
 
 
4





 
Métodos de búsqueda en un espacio de estados
  • Métodos de búsqueda ciega: amplitud, profundidad y no determinista.
  • Referencias: [1] Capítulo 4, [2] Capítulos 3 y 4, [3] Capítulo 3, [4] Capítulos 5 y 6
 
 
5



 
Métodos de búsqueda informados
  • Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación.
  • Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5 y 6.
 
 
6


 
Métodos de búsqueda para juegos hombre-máquina
  • Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina.
  • Referencias: [1] Capítulo 5, [2] Capítulos 5 y 6, [3] Capítulos 3 y 12, [4] Capítulos 5 y 6.
 
 
7


 
Presentación de trabajos computacionales
  • Presentación de trabajos computacionales
 
 
8
Examen Parcial  
 
9
 


 
Fundamentos de Sistemas Expertos
  • Definición de Sistemas Expertos. Arquitectura de un sistema experto. Taxonomía y aplicaciones de los sistemas expertos. Requisitos para el desarrollo de sistemas expertos y ventajas del uso de sistemas expertos. Algunos problemas basados en el conocimiento.
  • Referencias: [6] Capítulo 1
 
 
10

 
Diseño de Sistemas Expertos
  • Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de un SE.
  • Referencias: [6] Capítulos 1 y 6.
 
 
11

 
Desarrollo de Sistemas Expertos
  • Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo y progresivo. Ventajas y desventajas del uso de los métodos de encadenamiento. Consideraciones para el desarrollo de interfaces
  • Referencias: [1] Capítulos 6 y 7, [2] Capítulo 7, [6] Capítulo 3.
   
12

 
Sistemas expertos basados en Redes Neuronales
  • Conceptos básicos de redes neuronales artificiales (RNA). El problema de identificación de patrones y sus aplicaciones. Identificación de patrones a través de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones para resolver problemas basados en el conocimiento a través de RNA.
   
13

 
Calidad y validación de sistemas expertos
  • Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Eficiencia y error de sistemas expertos.
   
14

 
Introducción a los Sistemas Inteligentes
  • Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.
   
15

 
Presentación de trabajos computacionales
  • Presentación de trabajos computacionales
   
16
Examen Final  
 

6. METODOLOGÍA

El curso se desarrolla a través de actividades teórico – prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en grupos de 3 estudiantes, desarrollarán dos trabajos computacionales.

7. EVALUACIÓN

El Promedio Final (PF) se determina de la forma siguiente:

PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*EA + 0,30*EB

Donde:

CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)

TB1: Trabajo Grupal (Juegos Inteligentes Hombre – Máquina)

TB2: Trabajo Grupal (Sistemas Expertos)

EA: Examen Parcial

EB: Examen Final

LA: Laboratorio

8. BIBLIOGRAFIA

• STUART, RUSSELL; PETER, NORVIG

1996 Inteligencia artificial, un enfoque moderno. Ed Prentice Hall.ISBN 0-13-103805-2

• PATRICK, WINSTON

1984 Inteligencia Artificial. Ed. Addison-Wesley ISBN 0-201-51876-7

• ELAINE, RICH

1988 Inteligencia Artificial. Ed McGraw-Hill ISBN 0-07-450364-2

• DAVID, MAURICIO

2000 Apuntes de Inteligencia Artificial.

• BONIFACIO, MARTIN; ALFREDO, SANZ

2002 Redes Neuronales y Sistemas Difusos. Ed. Alfaomega ISBN 84-7897-466-0

• GIARRATANO RILEY

2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson ISBN 970-686-059-2

 
  Hoy habia 1 visitantes (2 clics a subpáginas) ¡Aqui en esta página!  
 
=> ¿Desea una página web gratis? Pues, haz clic aquí! <=
2010- 1