Inteligencia Artificial

 

Contenido Temático

• 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	2017-II
  Silabo del Curso

• Logro del curso

  Al finalizar el curso el alumno adquirirá conocimientos generales del área de inteligencia artificial, diseñará e implementará juegos de competición humano-máquina basados en inteligencia artificial y sistemas basados en el conocimiento, haciendo uso de manera clara y precisa de la técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.

• Unidades de aprendizaje

  N°	Título	N° H/S
  1	Fundamentos de Inteligencia Artificial	10 h/2S
  2	Búsqueda de Estado y su aplicación para juegos humano-máquina	25 h/5S
  3	Ingeniería de conocimiento	10 h/2S
  4	Desarrollo y validación de Sistemas Expertos	15 h/3S
  5	Introducción a Machine Learning y a Heurísticas	5 h/2S

• Temas por semanas

  Semana	Tema	Tareas	Laboratorio
  1	Clasificación de problemas algorítmicos Clasificación de problemas algorítmicos,P y NP Problemas de decisión, localización y optimización	Sensores	Ejercicios
  2	Fundamentos de la inteligencia artificial Definición de la Inteligencia Artificial Máquina inteligente Diferencia entre sistemas operacionales y sistemas inteligentes
  3 y 4	Representación de problemas de juego humano-maquina como búsqueda en un espacio de estado Definición de problemas de la IA como problemas de búsqueda en un espacio de estado Representación de problemas de juegos humano-máquina	IA-MATIA	Manual Lips Ejercicios
  5	Método de Búsqueda Ciega El problema de búsqueda en un espacio de estado como grafo La imposibilidad de usar métodos de caminos mínimos El concepto de los métodos de búsqueda ciega e informada. El árbol de estado Los métodos ciegos: amplitud, profundidad, no-deterministico	Programa Arduino	Ejercicios de Funciones
  6	Métodos de búsqueda informados La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación	Inteligencia Artificial Mejorada	Ejercicios de Funciones Recursivas
  7	Métodos de búsqueda para juegos Humano-Máquina Algoritmo de juego Humano-Maquina. Estrategias de juego de máquina: no determinístico, primero el mejor, min-mx y mejor diferencia de utilidades Algoritmo min-max y alfa-beta	Primera Practica Laboratorio
  8	Examen Parcial	Solución Examen Parcial
  9	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	Ejercicios Arboles
  10	Ingeniería del conocimiento Introducción, adquisición del conocimiento La metodología commonKADS Diseño de Sistemas Expertos (SE) Ciclo de Vida de un SE	Ejercicio 6 niveles con recursividad (PROLOG)
  11	Adquisición de Conocimiento Construcción de la base de hecho y la base de conocimiento.El motor de Inferencia Los métodos de encadenamiento regresivo, progresivo y reversavilidad. Técnica de equiparación, el algoritmo RETE. Técnicas de Resolución de Conflictos.
  12	Desarrollo de Sistemas Expertos Basados en reglas Construcción de la base de hecho y la base de conocimiento.El motor de Inferencia Los métodos de encadenamiento regresivo, progresivo y reversavilidad. Técnica de equiparación, el algoritmo RETE. Técnicas de Resolución de Conflictos.
  13	Calidad y Validación de Sistemas Expertos Principales errores en el desarrollo de sistemas expertos. Calidad de un sistema experto Validación de Sistemas Inteligentes, métodos cuantitativos de validación Eficiencia y error de sistemas expertos
  14	Introducción a Machine Learning y Heurísticas Conceptos de Machine Learning. Sistemas Expertos vs Machine Learning Tecnicas de aprendizaje y fase de desarrollo de machine learning Aplicaciones de Machine Learning en la industria y servicios El problema de la Optimizacion Combinatoria Conceptos de Heurísticas y meta-Heurísticas Algoritmos Exactos vs Algoritmos Heurísticos
  15	Presentación de Trabajos Computacionales Los alumnos mostraran sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y los servicios Los alumnos presentaran un informe y un software.	Paper Proyecto Aplicación Android	Arduino 1Arduino 2
  16	Examen Final	Practica 2 Laboratorio

  Video del Proyecto Final