Jan 28


INTELIGENCIA ARTIFICIAL
Prof. Hugo Vega Huerta
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
                               


CURSO :          INTELIGENCIA ARTIFICIAL 2010-II       Descargar 
DOCENTE:      HUGO VEGA HUERTA        

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 -1        
Coordinador                :  Vega Huerta Hugo Froilán        
           
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 ANALITICO POR SEMANAS  

Semana Temas  Trabajos laboratorio
1


  		 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.
  
2



  		 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
  
Tutorial de Lisp
3

 		 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
  
Ejercicios en Lisp 1
4



  		 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
  
Ejercicios en Lisp 2
5



  		 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.
  
Ejercicios en Lisp 3
6


  		 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.
  
7


  		 Presentación de trabajos computacionales
  • Presentación de trabajos computacionales


Arbol Genealogico
8 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.
  • Referencias: [6] Capítulo 1
Solucionario de la Practica
10

 		 Diseño de Sistemas Expertos
  • Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de un SE.
  • Referencias: [6] Capítulos 1 y 6.


Juego Humano-Maquina
11

 		 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.
  

     sistema experto
12

 		 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.
  
13

 		 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.
  
14

 		 Introducción a los Sistemas Inteligentes
  • Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.
  
15

 		 Presentación de trabajos computacionales
  • Presentación de trabajos computacionales
  
16 Examen Final

 

6. METODOLOGIA

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.

7. 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
8. BIBLIOGRAFÍA
  1.     STUART, RUSSELL; PETER, NORVIG - 1996 Inteligencia artificial, un enfoque moderno. Ed Prentice Hall.
  2.     PATRICK, WINSTON - 1984 Inteligencia Artificial. Ed. Addison-Wesley
  3.     ELAINE, RICH - 1988 Inteligencia Artificial. Ed McGraw-Hill
  4.     DAVID, MAURICIO - 2000 Apuntes de Inteligencia Artificial.
  5.     BONIFACIO, MARTIN; ALFREDO, SANZ - 2002 Redes Neuronales y Sistemas Difusos. Ed. Alfaomega
  6.     GIARRATANO RILEY - 2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson

Nombre Completo:
E-mail:
Asunto:
Mensaje:
 

Perfil de los Integrantes Grupo 1 - Turno 4-6pm

 Perfil del Profesor

           

Syllabus

         

Descargas

     
               

Grupos


Enlaces 

  
  
      
  
    
          
     
  
   

     

Noticias

Resumen:La Web de Datos enlazados, del inglés Web of Linked Data , supone un nuevo paradigma que pretende explotar la Web como un espacio global de información en el que la navegación se realiza a través de datos estructurados enlazados (linked data) en vez de realizarse a través de documentos. Se pasa así de una Web basada en documentos HTML, en la que el usuario es el destinatario de la información publicada, a una Web de Datos Enlazados que están expresados en RDF , en la que sistemas y agentes software pueden explotar estos datos de forma automática (recopilándolos, agregándolos, interpretándolos, publicándolos, etc.) utilizando vocabularios consensuados y ontologías