Académique Documents
Professionnel Documents
Culture Documents
Fernando Matía, Claudio Rossi
Objetivo de la Asignatura
• Obtener una visión genérica de los distintos paradigmas
que abarca el campo de la Inteligencia Artificial.
• Para ello:
• El profesor desarrollará los temas de forma descriptiva.
• Los alumnos desarrollaréis implementaciones prácticas,
aplicando los conocimientos adquiridos.
• Docentes:
• Fernando Matía { fernando.matia@upm.es }
• Claudio Rossi { claudio.rossi@upm.es }
• Horas de dedicación a la asignatura:
• 3 ECTS = 75‐90 horas de trabajo
• Lecciones de clase: 24 horas
• Prácticas: 4 horas
• Estudio personal: 11‐16 horas
• Ejercicios: 36‐46 horas
Tema 1. Introducción a la Inteligencia Artificial
Tema 2. Sistemas Expertos
Tema 3. Lógica Borrosa
Tema 4. Redes Neuronales
Tema 5. Algoritmos Evolutivos
Tema 6. Búsqueda Heurística
Tema 7. Búsquedas sobre Grafos
• Estos paradigmas básicos se utilizarán o ampliarán en
otras asignaturas.
• La evaluación consta de dos partes:
• Dos ejercicios en grupo (con fechas de entrega programadas
para los días 4 y 18 de octubre). La evaluación podrá ser
diferente para cada miembro del equipo.
• Examen escrito sobre conceptos fundamentales, aunque muy
generales, de la asignatura (última semana del bimestre).
• La nota final será la media ponderada de ambas (50% los
ejercicios y 50% el examen), siendo necesario un mínimo
de 4 puntos en cada parte para aprobar.
• Evaluación extraordinaria de julio:
• Un trabajo práctico individual que incluya al menos dos de los
paradigmas de la Inteligencia Artificial (debe entregarse como
muy tarde el día del examen).
• Examen escrito sobre conceptos fundamentales, aunque muy
generales, de la asignatura.
• Se guardará la parte aprobada en la convocatoria
ordinaria, a no ser que el alumno desee volverla a
realizar, en cuyo caso se recalificará.
• La nota final será la media ponderada de ambas (50%
trabajo y 50% examen), siendo necesario un mínimo de
4 puntos en cada parte para aprobar.
• Si algún alumno desea renunciar a la evaluación
continua deberá indicarlo antes del día 1 de octubre.
• En este caso se le evaluará en la convocatoria
ordinaria igual que se ha indicado en la convocatoria
extraordinaria:
• Examen final en el mes de enero.
• Un trabajo práctico individual que incluya al menos dos de
los paradigmas de la Inteligencia Artificial (debe entregarse
como muy tarde el día del examen final de enero).
Ponderación 50%.
• Básica
• Inteligencia Artificial, F. Matía, C. Rossi,
presentaciones de clase.
• Fundamentos de Control con MATLAB, E. Pinto, F.
Matía, Pearson, 2011.
• Complementaria Sistemas Expertos:
• A Guide to Expert Systems, D. A. Waterman,
Reading, MA. Addison‐Wesley, 1986.
• A Practical Guide to Design Expert Systems,
S.M.Weiss, C.A. Kulikowsky, Roman & Allanheld,
1984.
• Sistemas Expertos. Conceptos y Ejemplos, J.L.
Alty, M.J. Coombs, Diaz de Santos, 1985.
• Complementaria Lógica Borrosa:
• Readings in Fuzzy Sets for Intelligent Systems, D.
Dubois, H. Prade, R. R. Yager Eds, Morgan &
Kaufmann, 1993.
• Sistemas de Control Basados en Lógica Borrosa, R.
Reyero, C. F. Nicolás, OMRON, 1995.
• Aplicaciones de la Lógica Borrosa, E. Trillas y J.
Guitiérrez, CSIC Eds, 1992.
• Complementaria Redes Neuronales:
• Artificial Neural Systems, P. K. Simpson, Pergamon Press,
1989.
• Neural Networks: A Comprehensive Foundation, S.
Haykin, IEEE Press, 1999.
• Complementaria Algoritmos Evolutivos:
• Handbook of Genetic Algorithms, L. Davis, Van Nostrand
Reinhold Eds, 1991.
• Genetic Algorithms + Data Structures = Evolution
Programs, Z. Michalewicz, Springer‐Verlag, 1992.
• Introduction to Evolutionary Computation, A.E. Eiben,
J.E. Smith, Springer (2015).
• Complementaria Inteligencia Artificial y Búsqueda
Heurística:
• Inteligencia Artificial: Un enfoque moderno. S. Russell,
P. Norvig, 3ª Edición. Prentice Hall, 2010.
• Artificial Intelligence and Soft Computing. Behavioural
and Cognitive Modeling of the Human Brain, A. Konar,
CRC PRESS, 2000.
Fernando Matía, Claudio Rossi