SILABO

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
Escuela Académico Profesional de Ingeniería de Sistemas

SILABO DEL CURSO DE INTELIGENCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL

SILABO 2014-II

1. Especificaciones generales

Nombre del Curso                                        :   INTELIGENCIA ARTIFICIAL

Código  del Curso inteligencia Artificial       :   207008

Duración del Curso                                     :   16 semanas

Número de créditos                                     :    Cuatro (04)

Prerredquisitos                                              :    205007 – Investigación Operativa I

Semestre académico                                   :     2014 – 2

Coordinador                                                 :    Hugo Vega

Profesores                                                   :    Hugo Vega, Hugo Vega

2. Introducción

La inteligencia artificial es un área de la ciencia de la computación que tiene por objetivo desarrollar los fundamentos prácticos y teóricos para el desarrollo de sistemas de computación que presentan características inteligentes y que por lo general corresponden a problemas intratables. Muchos problemas que ocurren en la industria, servicios y entretenimiento corresponden a problemas inteligentes, y su solución se hace cada vez más indispensable en las organizaciones debido a las exigencias de competitividad que se incrementan cada día.


Entre los diversos tipos de sistemas inteligentes se encuentran los juegos humano-máquina, los sistemas basados en el conocimiento, los sistemas de optimización y machine learning.


En el presente curso, se hace una introducción a la inteligencia artificial y sus aplicaciones en la industria, servicios y entretenimiento, y se muestra como las tecnologías basadas en inteligencia artificial pueden crear valor y hacer que las organizaciones sean más competitivas. También se mostrará sus aplicaciones en la ingeniería de software.


Se aborda con mayor profundidad el diseño e implementación de juego humano-máquina y de sistemas basados en el conocimiento.

4. Logros del Curso

Al finalizar el curso el alumno adquirirá conocimientos generales del área de inteligencia artificial, diseñará e implementará juegos de competición humano-máquina basados en inteligencia artificial y sistemas basados en el conocimiento, haciendo uso de manera clara y precisa de las técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.

5.Contenido Analítico por semana :

SEMANA	CONTENIDO	CLASES	TRABAJOS
1	Clasificación de problemas algorítmicos Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil. Referencias: [4] Capítulo 1, [1] Anexo A. Resumen 1	Clase 1	sistemas inteligente
2	Fundamentos de la inteligencia artificial Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios). Test de Turing. · Tareas: conceptos y aplicaciones de la IA. Referencias: [1] Capítulo 1, [2] Capítulo 1, [9] Capitulo 1.  Resumen 2	Clase 2	Sistemas Inteligentes
3	Representación de problemas de juego humano máquina como búsqueda en un espacio de estado · Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. · Representación de problemas de juegos humano – máquina. Referencias: [1] Capítulos 3, [3] Capítulo 2, [4] Capítulo 3 Resumen 3	Clase 3	Ejercicios en LISP (laboratorio)
4 Y5	Métodos de búsqueda informados La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación. Tareas: ejercicios sobre resolución de problemas mediante métodos informados. Definir una función evaluadora e interfaces para el problema del 1er trabajo. Resumen 4 y 5	Clase 4 y 5	Busquedas de arbol en LISP 10 Ejemplos Básicos de Funciones en LISP
6	Métodos de búsqueda para juegos humano-máquina §  Algoritmo de juego humano – máquina. Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta. Referencias: [1] Capítulo 6, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12. Resumen 6	Clase 6	Problema del zorro, maiz y gallina
7	Presentación de Trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos. Resumen 7	Clase 7	Ciudades de Mexico
8	PARCIAL	Solucionario del 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 Resumen 9	Clase 9	Tres en raya.rar Busqueda.rar
10	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE. Referencias: [6] Capítulos 6, [7] Capítulos 19. Resumen 10	Clase 10	Aplicación con Redes Neuronales
11	Adquisición de Conocimiento Adquisición de conocimiento. Construcción de la base de hechos y base de conocimiento. Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, redes semánticas,lógica de predicados). Referencias: [6] Capítulos 6, [7] Capítulos 19. Resumen 11	Clase 11	Ejemplo de Redes Neuronales
12	Desarrollo de sistemas expertos basados en reglas Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE. Técnicas de resolución de conflictos. Referencias: [1] Capítulos 6 y 8, [2] Capítulo 7, [6] Capítulo 3, [7] Capítulo 3. Resumen 12	Clase 12	Medios de transporte en Prolog
13	Calidad y validación de sistemasexpertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Validación de sistemas inteligentes, métodos cuantitativos de validación. Eficiencia y error de sistemas expertos. Revisión de la funcionalidad del SE del 2do trabajo. Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo. Referencias: [4], [7] Capítulo 21. Resumen 13	Clase 13	Ejercicio Prolog
14	Introducción a Machine Learning (Aprendizaje Automático) y heurísticas. Conceptos de aprendizaje y de machine learning. Sistemas experto vs machine learning. Técnicas de aprendizaje y fases de desarrollo de machine learning. Aplicaciones de machine learning en la industria y servicios. Conceptos de heurísticas y meta-heurísticas. Algoritmos exactos vs algoritmos heurísticos. Técnicas heurísticas y meta-heurísticas. Problemas de optimización combinatoria en la industria y servicios. Referencias: [5] Capítulo 1 y 2, [8] Capítulo 1, [10], [11] Resumenn 14	Clase 14
15	Presentación de trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software. Resumen 15
16	FINAL	examenfinal_1 Solucion del examen final