Contenido Temático

ESPECIFICACIONES GENERALES

Nombre del Curso	INTELIGENCIA ARTIFICIAL
Código del Curso	207008
Duración del Curso	17 semanas
Forma de Dictado	Técnico - experimental
Horas semanales	Teoría: 3h – Laboratorio: 2h
Naturaleza	Formación profesional
Número de créditos	Cuatro (04)
Prerrequisitos	205007 – Investigación Operativa I
Semestre académico	2016 – I
Sílabo del Curso

LOGRO 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.

UNIDADES DE APRENDIZAJE

N°	Título	N° H/S
1	Fundamentos de Inteligencia Artificial	10 h/2S
2	Búsqueda de Estado y su Aplicación para Juegos Humano – Máquina	25 h/5S
3	Ingeniería de conocimiento	10 h/2S
4	Desarrollo y validación de Sistemas Expertos	15 h / 3S
5	Introducción a Machine Learning y a Heurísticas	5 h /1S

TEMAS POR SEMANAS

Sem.	Tema	Teoría	Laboratorio
1	Clasificación de Problemas Algorítmicos&nbsp &nbsp Español &nbsp &nbsp Ingles &nbsp &nbsp Portugues Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.	Tarea SENSORES I1-Classification of algorithmic problems	Ejercicios LISP
2	Fundamentos de la Inteligencia Artificial (Caso Telef. TUP) Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, etc). Test de Turing.	Tarea SI I2 - Fundamentals of Artificial Intelligence	Funciones LISP
3,4	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.	SI	Ejercios LLISP
5	Métodos de búsqueda ciega El problema de búsqueda en un espacio de estado como grafo. La imposibilidad de usar métodos de caminos mínimos. El concepto de los métodos de búsqueda ciega e informada. El árbol de estado. Los métodos ciegos: amplitud, profundidad, no-deterministico.	Arbol de expansión minima, Alex Gonzales Árbol de expansión mínima - Franco Ccopa Árbol de expansión mínima- Lopez Villanueva, Vega Blas	Recursividad Recurs. 2 Recurs. 3
6	Métodos de búsqueda informados La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.	Codigo Lisp Presentación Busqueda A* Alex Gonzales Búsqueda A* Franco Ccopa Búsqueda A*- Lopez Villanueva, Vega Blas
7	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.	GPS	Ejercicio Labo Practica Dirigida
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.	IA_simbólica
10	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE.		Juego Humano-Máquina Lisp
11	Ingeniería 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, ontologías, metadatos, thesaurus).	Árbol
12	Introducción. Adquisición de conocimiento. 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.	diagrama de paraderos	paraderos
13	Calidad y validación de sistemas expertos 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.
14	Introducción a Machine Learning 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. El problema de la optimización combinatoria. 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.
15	Semana: 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.
16	Semana: Examen Final	EXAMEN FINAL - RESOL + CODIGO

Contenido Temático

0 comentarios :

Publicar un comentario

Archivo de Blog

Traducción

Visitas

Estadísticas Mundiales

Enlaces de Interés

Descarga Software

Seguidores