Inteligencia Artificial

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.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 1

 Profesores

• Docentes:
• Fernando Matía { fernando.matia@upm.es }
• Claudio Rossi { claudio.rossi@upm.es }

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 2

 Horas de Esfuerzo

• 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

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 3

 Temario

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

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 4

 Temario

• Estos paradigmas básicos se utilizarán o ampliarán en 
otras asignaturas.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 5

 Evaluación

• 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.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 6

 Evaluación

• 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.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 7

 Evaluación

• 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%.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 8

 Bibliografía

• Básica
• Inteligencia Artificial, F. Matía, C. Rossi, 
presentaciones de clase.
• Fundamentos de Control con MATLAB, E. Pinto, F. 
Matía, Pearson, 2011.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 9

 Bibliografía

• 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.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 10

 Bibliografía

• 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.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 11

 Bibliografía

• Complementaria Redes Neuronales:
• Artificial Neural Systems, P. K. Simpson, Pergamon Press, 
1989.
• Neural Networks: A Comprehensive Foundation, S. 
Haykin, IEEE Press, 1999.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 12

 Bibliografía

• 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).

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 13

 Bibliografía

• 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.

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 14

 Calendario de clases
Sesión Fecha  Profesor Tema
1 6‐sep Fernando Matía Introducción. Sistemas Expertos
2 10‐sep Fernando Matía Sistemas Expertos. Lógica Borrosa

3 13‐sep Fernando Matía Lógica Borrosa

4 17‐sep Fernando Matía Lógica Borrosa
5 18 y 20‐sep Fernando Matía Práctica 1
6 20‐sept Claudio Rossi Redes Neuronales
7 24‐sep Claudio Rossi Redes Neuronales
8 28‐sep Claudio Rossi Algoritmos Evolutivos
9 1‐oct Claudio Rossi Algoritmos Evolutivos
10 2 y 4‐oct Claudio Rossi Práctica 2
11 4‐oct Claudio Rossi Búsqueda Heurística
12 8‐oct Claudio Rossi Búsqueda Heurística
13 11‐oct Claudio Rossi Búsquedas sobre Grafos
14 15‐oct Claudio Rossi Búsquedas sobre Grafos

Curso 2019/20 Máster en Automática y Robótica - Inteligencia Artificial 15

Inteligencia Artificial

Fernando Matía, Claudio Rossi