1.

ESPECIFICACIONES GENERALES

Nombre del Curso

Cdigo del Curso

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

: Teora: 3h Laboratorio :2h

: Formacin profesional

: Cuatro (04)

: 205007 Investigacin
Operativa I

: 2015-II

: Hugo Vega Huerta

Hugo Vega
David Mauricio

 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.

Comprender que es la Inteligencia Artificial y la complejidad de

sus problemas.

2.

Representar y resolver problemas de juego humano mquina

a travs de tcnicas de bsqueda en un espacio de estado.

3.

Conocer las diferentes estrategias de bsqueda a ciegas e

informados.

4.

Disear y desarrollar software de juegos inteligentes con

interaccin hombre-mquina y que usen tcnicas de inteligencia
artificial.

5.

Comprender qu son los sistemas expertos y saber cundo

usarlos.

6.

Conocer que es la Ingeniera de Conocimiento y un mtodo para

el desarrollo de sistemas basados en el conocimiento

7.

Evaluar la calidad de la solucin de sistemas expertos.

8.

Disear y desarrollar sistemas expertos basados en diversos

motores de inferencias (mtodos de encadenamiento), considerando
criterios de calidad.

9.

Conocer los conceptos de machine learning y de heursticas, su

importancia y sus aplicaciones en la industria y servicios.
5. SILABO

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:

PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA +

0,30*(EA +EB)
Donde:
CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
TB1: Trabajo Grupal (Juegos Inteligentes Hombre Mquina)
TB2: Trabajo Grupal (Sistemas Expertos)
EA: Examen Parcial
EB: Examen Final
LA: Laboratorio
El alumno podr sustituir la nota del examen parcial o final siempre
que no haya podido dar alguno de estos examenes. Solo sern
evaluados los alumno que presentan 70% o ms de asistencia.
9. BIBLIOGRAFIA
[1]. STUART, RUSSELL; PETER, NORVIG 1996 Inteligencia
artificial, un enfoque moderno. Ed Prentice Hall.ISBN 0-13-103805-2
[2]. PATRICK, WINSTON 1984 Inteligencia Artificial. Ed. AddisonWesley ISBN 0-201-51876-7
[3]. ELAINE, RICH 1988 Inteligencia Artificial. Ed McGraw-Hill ISBN
0-07-450364-2
[4]. DAVID, MAURICIO 2000 Apuntes de Inteligencia Artificial.
[5]. BONIFACIO, MARTIN; ALFREDO, SANZ 2002 Redes
Neuronales y Sistemas Difusos. Ed. Alfaomega ISBN 84-7897-466-0
[6]. JOSEPH GIARRATANO GARY RILEY 2001 Sistemas
Expertos, principios y programacin. Ed. Ciencias Thomson ISBN 970686-059-2
[7]. JOS PALMA M., ROQUE MARIN M. 2008 Inteligencia artificial,
tcnicas mtodos y aplicaciones. Ed. Mc Graw Hill ISBN 978-84-4845618-3

[8]. JOSE R. HILERA, VICTOR J. MARTINE. 2000 Redes

neuronales artificiales, fundamentos, modelos y aplicaciones. Ed.
Alfaomega rama ISBN 978-84-484-5618
[9]. NILS J. NILSON 2001 Inteligencia artificial, una nueva sntesis.
Ed. Mc Graw Hill ISBN 978-84-484-5618-3
[10]. PINO, GOMEZ, DE ABAJO 2001 Sistemas expertos, redes
neuronales artificiales y computacion evolutiva. Ed. Univ de Oviedo
ISBN 84-8317-249-6
[11]. ALVAREZ MUARRIZ, LUIS 1994 Fundamentos de Inteligencia
Artificial Ed. EDITUM ISBN 84-7684-563-4
[12]. FEDOR DE DIEGO, ALICIA 1995 Terminologia Teria y Practica
Ed. EQUINOCCIO ISBN 980-237-096-7