Académique Documents
Professionnel Documents
Culture Documents
ESPECIFICACIONES GENERALES
Duracin del
Curso
Forma de Dictado
Horas semanales
Naturaleza
Nmero de
crditos
Pre-requisitos
Semestre
acadmico
Coordinador
Profesores :
: INTELIGENCIA ARTIFICIAL
: 207008
: 17 semanas
: Tcnico experimental
: Formacin profesional
: Cuatro (04)
: 205007 Investigacin
Operativa I
: 2015-II
Rolando Maguia
2. SUMILLA
La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la
industria y servicios. Representacin del conocimiento.
Representacin de problemas de IA como bsqueda en el espacio de
estado. Mtodos de bsqueda ciegos e informados. Juegos
inteligentes hombre-mquina. Sistemas expertos, arquitectura,
taxonoma y aplicaciones. Motor de Inferencia. Ingeniera de
conocimiento, conceptos, evolucin, Metodologa CommonKADS.
Calidad y Validacin de Sistemas Expertos, Introduccin a Machine
Learning (Aprendizaje Automtico) y heursticas.
3. OBJETIVO GENERAL
Los estudiantes adquirirn conocimientos del rea de Inteligencia Artificial en
general y desarrollarn aspectos bsicos en el desarrollo de juegos inteligentes
y de sistemas expertos, y su aplicacin en la resolucin de problemas
inteligentes en los sectores de la industria y de servicios.
4. OBJETIVOS ESPECFICOS
Al terminar el curso el alumno ser capaz de:
1.
2.
3.
4.
5.
6.
7.
8.
9.
Seman
a
Temas
Trabajos
Teora
No hubo
Laboratori
o
Clasificacin
de Problemas
Algortmicos
Presentac
in del curso.
Clasificaci
n de
problemas
algortmicos,
problemas P y
NP.
Problema
s de decisin,
localizacin y
Trabajos
Laboratori
o
Sistemas
Inteligente
s
optimizacin.
Descripci
n de algunos
problemas NPdifcil.
Referencias: [4]
Captulo 1, [1]
Anexo A.
2
Fundamentos
de la
Inteligencia
Artificial
Definicin
de la
Inteligencia
Artificial.
Mquina
inteligente.
Diferencia
entre sistemas
operacionales y
sistemas
inteligentes.
Aplicacion
es en la
industria y
servicios
(robtica,
planificacin,
gestin de
Ar
bol
Geneolgi
co v.3
Co
mandos
LISP
Cla
se
Laboratorio
01
desperdicios).
Test de Turing.
Referencias: [1]
Captulo 1, [2]
Captulo 1,[9]
Captulo 1.
Representaci
n de
problemas de
juego humano
mquina como
bsqueda en
un espacio de
estado
Definicin
de problemas
de la IA como
problemas de
bsqueda en un
espacio de
estado.
Represent
acin de
problemas de
juegos humano
mquina.
Referencias: [1]
Captulos 3, [3]
Captulo 2
Eje
rcicios:5
Arboles
Mtodo de
Bsqueda
Informado
La funcin
evaluadora,
mtodos que
usan
informacin
adicional:
primero el
mejor, ascenso
a la colina, A*,
ramificacin y
acotacin
Cla
se
Recursivid
ad
Ej
ercicios
Eje
rcicios
Recursivid
ad
Referencias: [1]
Captulo 4, [2]
Captulo 5,[3]
Captulo 3, [4]
Captulos 5
5
Mtodos de
bsqueda para
juegos
humanomquina
Algoritmo
de juego
humano
mquina.
Estrategia
s de juego de
mquina: no
P
aper
Proyecto
Sistema
Inteligente
Ej
ercicios
propuesto
Pra
ctica
Calificada
determinstico,
primero el
mejor, min-max
y mejor
diferencia de
utilidades.
Algoritmo
min-max y alfabeta
Referencias: [1]
Captulo 5, [2]
Captulos 6, [3]
Captulos 4, [4]
Captulos 6, [9]
Captulos 12.
6
Fundamentos
de sistemas
expertos
Definicin
de Sistemas
Expertos.
Arquitectu
ra de un
sistema experto.
Taxonom
a y aplicaciones
de los sistemas
expertos.
Requisitos
para el
Pr
ctica 2
desarrollo de
sistemas
expertos y
ventajas del uso
de sistemas
expertos.
Algunos
problemas
basados en el
conocimiento.
Referencias: [6]
Captulo 1
7
Ingeniera de
conocimiento
Introducci
n.
Adquisici
n de
conocimiento.
La
metodologa
CommonKADS.
Diseo de
Sistemas
Expertos (SE).
Ciclo de
vida de un SE.
Referencias: [6]
Captulos 6, [7]
Captulos 19.
Examen
Parcial
Presentacin
de trabajos
computacional
es
10
Los
alumnos
mostrarn sus
habilidades en
cuanto al
desarrollo de
software de
juegos
inteligentes
basados en
tcnicas de
bsqueda. Se
deber
presentar un
informe y un
software, y
debern
exponer sus
trabajos.
Adquisicin de
Conocimiento
Adquisici
n de
conocimiento.
Construccin de
la base de
hechos y base
de
conocimiento.
Estructura
s de
representacin
de
conocimientos
(reglas de
inferencias,
frames, objects,
ontologas,
metadatos,
thesaurus).
Referencias: [6]
Captulos 6, [7]
Captulos 19.
11
Desarrollo de
sistemas
expertos
basados en
reglas
Construcc
in de la base
de hechos y
base de
conocimiento.
El motor
de inferencia.
Los
mtodos de
encadenamient
o regresivo,
progresivo y
reversibilidad.
Tcnicas
de
equiparacin, el
algoritmo RETE.
Tcnicas
de resolucin de
conflictos
Referencias: [1]
Captulos 6 y 8,
[2] Captulo 7,
[6] Captulo 3,
[7] Captulo 3
12
Calidad y
validacin de
sistemas
expertos
Principale
s errores en el
desarrollo de un
sistema experto.
Calidad
de un sistema
experto.
Validacin
de sistemas
inteligentes,
mtodos
cuantitativos de
validacin.
Eficiencia
y error de
sistemas
expertos.
Revisin
de la
funcionalidad
del SE del 2do
trabajo.
Tareas:
ejercicios sobre
calidad y
validacin de
SE, validar el
sistema
propuesto del
2do trabajo.
Referencias: [4],
[7] Captulo 21.
13
Introduccin a
Machine
Learning.
Concepto
s de aprendizaje
y de machine
learning.
Sistemas
experto vs
machine
learning.
Tcnicas
de aprendizaje y
fases de
desarrollo de
machine
learning.
Aplicacion
es de machine
learning en la
industria y
servicios.
Referencias: [5]
Captulo 1, [8]
Captulo 1
14
Introduccin a
heursticas y
metaheursticas.
El
problema de la
optimizacin
combinatoria.
Complejid
ad de de
problemas
combinatorios
Concepto
s de heursticas
y metaheursticas.
Algoritmo
s exactos vs
algoritmos
heursticos.
Tcnicas
heursticas y
metaheursticas
Problema
s de
optimizacin
combinatoria en
la industria y
servicios.
Referencias:
[10], [11].
15
Presentacin
de trabajos
computacional
es
Los
alumnos
mostrarn sus
habilidades en
cuanto al
desarrollo de
sistemas
expertos y sus
aplicaciones en
los sectores de
la industria y
servicio. Los
alumnos
presentarn un
informe y un
software.
16
Examen Final
17
Examen final
(solo para
aquellos que no
dieron examen
parcial o final)
6. LABORATORIO:
Durante las sesiones de laboratorio se desarrollarn la programacin
bsica en un lenguaje de inteligencia artificial sea LIPS (o una variante
de ella) o CLIPS y esta se orientar al desarrollo de sistemas expertos
basados en reglas. Tambin en las sesiones de laboratorio se podr
evaluar el avance de los trabajos.
7. METODOLOGA
El curso se desarrolla a travs de actividades terico prcticas,
dando nfasis a aplicaciones en la industria y servicios. Los
estudiantes, organizados en equipos de 3 desarrollarn dos trabajos
computacionales. Durante las sesiones de teora se discutirn la
resolucin de problemas propuestos. Durante las sesiones de
laboratorio se evaluar el avance de los trabajos computacionales y el
proceso de aprendizaje de un lenguaje de inteligencia artificial.
8. EVALUACIN
El Promedio Final (PF) se determina de la forma siguiente: