Hugo Vega Inteligencia Artificial 2010-II , dictado por el Profesor Hugo Vega Huerta en la Facultad de Ingeniería de Sistemas e Informática de la Universidad Nacional Mayor de San Marcos.
SILABO Ver Silabo Descargar silabo
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú,DECANA DE AMÉRICA)
FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA
Escuela Académico Profesional de Ingeniería de Sistemas
1. 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 : 2010 – I
Profesor : Hugo Vega Huerta
2. SUMILLA
La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios. Representación del conocimiento. Representación de problemas de IA como búsqueda en el espacio de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes hombre-máquina. Sistemas Expertos. Sistemas inteligentes.
3. OBJETIVO GENERAL
La Inteligencia Artificial es una de las áreas de la ciencia de la computación que presenta grandes expectativas de desarrollo, debido a su diversidad de aplicaciones en la industria, en los sectores de educación, servicios y, ciencia y tecnología.
El presente curso visa introducir el área de inteligencia artificial, la representación del conocimiento, los métodos básicos para la resolución de problemas y sus principales aplicaciones en el contexto de la demanda nacional, dando énfasis al estudio y desarrollo de juegos y sistemas expertos.
4. OBJETIVOS ESPECÍFICOS
· Representar el conocimiento mediante técnicas ad hoc tales como redes semánticas, predicados, y listas.
· Representar y resolver problemas determinada clase de problemas de la Inteligencia Artificial mediante las técnicas de búsqueda en un espacio de estados.
· Diseñar y desarrollar software de juegos inteligentes hombre-máquina que usen técnicas de la Inteligencia Artificial.
· Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencia (métodos de encadenamiento y redes neuronales artificiales).
· Presentar los fundamentos de los sistemas inteligentes y sus diversas aplicaciones, así como establecer las diferencias respecto de los métodos basados en búsqueda y los sistemas expertos.
5. CONTENIDO ANALÍTICO POR SEMANAS:
|
SEMANA |
TEMAS |
TRABAJO TEORIA |
TRABAJOS LABORATORIO |
||
|
1º Semana |
Fundamentos de la Inteligencia Artificial Presentación del curso. Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Revisión de los lenguajes de la inteligencia artificial. Aplicaciones en la industria y servicios. Referencias: [1] Capítulo 1, [2] Capítulo 1 Hugo Vega Inteligencia Artificial
|
|
|
||
|
2º Semana |
Representación del conocimiento – Clasificación de problemas algorítmicos Representación del conocimiento: redes semánticas, registros, y predicados. Clasificación de problemas algorítmicos. Problemas de decisión, localización y optimización. Problemas P y NP. Descripción de algunos problemas. Referencias: [1] Capítulos 6, 7 y 10, [2] Capítulo 2, [3] Capítulos 4 y 5, [4] Capítulo 1 Hugo Vega Inteligencia Artificial
|
|
|
||
|
3º Semana |
Búsqueda en un espacio de estados Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Referencias: [1] Capítulos 3 y 4, [2] Capítulo 3, [3] Capítulo 2 y 3, [4] Capítulo 3 Hugo Vega Inteligencia Artificial
|
|
|
||
|
4º Semana |
Métodos de búsqueda en un espacio de estados Métodos de búsqueda ciega: amplitud, profundidad y no determinista. Referencias: [1] Capítulo 4, [2] Capítulos 3 y 4, [3] Capítulo 3, [4] Capítulos 5 y 6. Hugo Vega Inteligencia Artificial
|
|
|
||
|
5º Semana |
Métodos de búsqueda informados Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación. Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5 y 6. Hugo Vega Inteligencia Artificial |
|
|
||
|
6º Semana |
Métodos de búsqueda para juegos hombre-máquina Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina. Referencias: [1] Capítulo 5, [2] Capítulos 5 y 6, [3] Capítulos 3 y 12, [4] Capítulos 5 y 6. Hugo Vega Inteligencia Artificial
|
|
|
||
|
7º Semana |
Presentación de trabajos computacionales Presentación de trabajos computacionales
|
|
|
||
|
8º Semana |
EXAMEN PARCIAL
|
Solucionario del Examen Parcial
|
|
||
|
9º Semana |
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. Referencias: [6] Capítulo 1 Hugo Vega Inteligencia Artificial
|
|
|
||
|
10º Semana |
Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de un SE. Referencias: [6] Capítulos 1 y 6. Hugo Vega Inteligencia Artificial
|
|
|
||
|
11º Semana |
Desarrollo de Sistemas Expertos Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo y progresivo. Ventajas y desventajas del uso de los métodos de encadenamiento. Consideraciones para el desarrollo de interfaces. Referencias: [1] Capítulos 6 y 7, [2] Capítulo 7, [6] Capítulo 3. Hugo Vega Inteligencia Artificial
|
|
|
||
|
12º Semana |
Sistemas expertos basados en Redes Neuronales Conceptos básicos de redes neuronales artificiales (RNA). El problema de identificación de patrones y sus aplicaciones. Identificación de patrones a través de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones para resolver problemas basados en el conocimiento a través de RNA. Hugo Vega Inteligencia Artificial
|
|
|
||
|
13º Semana |
Calidad y validación de sistemas expertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Eficiencia y error de sistemas expertos. Hugo Vega Inteligencia Artificial
|
|
|
||
|
14º Semana |
Introducción a los Sistemas Inteligentes Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes. Hugo Vega Inteligencia Artificial
|
|
|
||
|
15º Semana |
Presentación de trabajos computacionales Presentación de trabajos computacionales
|
|
|
||
|
16º Semana |
EXAMEN FINAL
|
|
|
||
|
17º Semana |
EXAMEN SUSTITUTORIO
|
|
|
5. METODOLOGÍA
El curso se desarrolla a través de actividades teórico – prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en grupos de 3 estudiantes, desarrollarán dos trabajos computacionales.
6. EVALUACIÓN
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 + 0,30*EB
Donde:
CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
TB1: Trabajo Grupal (Juegos Inteligentes Hombre – Máquina)
TB2: Trabajo Grupal (Sistemas Expertos)
EA: Examen Parcial
EB: Examen Final
LA: Laboratorio
7. BIBLIOGRAFÍA
· STUART, RUSSELL; PETER, NORVIG
1996 Inteligencia artificial, un enfoque moderno. Ed Prentice Hall.
ISBN 0-13-103805-2
· PATRICK, WINSTON
1984 Inteligencia Artificial. Ed. Addison-Wesley
ISBN 0-201-51876-7
· ELAINE, RICH
1988 Inteligencia Artificial. Ed McGraw-Hill
ISBN 0-07-450364-2
· DAVID, MAURICIO
2000 Apuntes de Inteligencia Artificial.
· BONIFACIO, MARTIN; ALFREDO, SANZ
2002 Redes Neuronales y Sistemas Difusos. Ed. Alfaomega
ISBN 84-7897-466-0
· GIARRATANO RILEY
2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson
ISBN 970-686-059-2
Las lecturas obligatorias serán proporcionadas por el profesor del curso.
Curso: Inteligencia Artificial Hugo Vega
Profesor: Hugo Vega
Facultad de Ingenieria de Sistemas e Informatica
Universidad Nacional Mayor de San Marcos
Lima - Perú
