Inteligencia Artificial 2018 | Hugo Vega

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	2010505-Algorítmica III
Semestre académico	2018-I
Sílabo del Curso

CONTENIDO POR SEMANAS

Semana	Tema	Tareas	Laboratorio
1	Clasificación de Problemas Algorítmicos Presentación del cúrso Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.	Tarea sensores Resumen de la clase
2	Fundamentos de la Inteligencia Artificial Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, etc). Test de Turing.	Tarea sistema inteligente y sensor Resumen de la clase Ejercicio en Lisp VIDEO WAYMO
3,4	Representación de problemas de juego humano máquina 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.	Tarea Tarea funciones recursivas en lisp	Resumen Resumen semana 4
5	Métodos 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.	Resumen clase 05	Solución PC 01
6	Métodos de búsqueda informados La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.	Resumen clase 06 3 en raya - lisp Tarea de sensor	Ejercicios Recursividad
7	Métodos de Busqueda para juegos Humano-Maquina Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta.	Resumen	Solucion practica 02
8	Examen Parcial	Semana 8-Búsqueda avara	Laboratorio 5
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.	Examen Parcial	Examen Parcial
10	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE.	Semana 10-Resumen Avance Proyecto-Grifos Arbol Genealógico Codigo Arbol Genealógico	Laboratorio 6 - Ejercicios Prolog
11	Ingeniería de conocimiento Adquisición de conocimiento. Construcción de la base de hechos y base de conocimiento. Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, ontologías, metadatos, thesaurus).	Informe Proyecto Grifos Codigo Proyecto Grifos	Laboratorio 7 Ejercicios Prolog Codigo Ejercicio Paradero
12	Desarrollo de Sistemas expertos basados en reglas. Construcción de la base de hechos y base de conocimientos. El motor de inferencia. Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo de RETE. Técnicas de resolución de conflictos.		Laboratorio 8 Ejercicios Prolog Codigo Laboratorio 8
13	Calidad y validación de sistemas expertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Validación de sistemas inteligentes, métodos cuantitativos de validación. Eficiencia y error de sistemas expertos. Revisión de la funcionalidad del SE del 2do trabajo.		Laboratorio 9 Ejercicios Prolog Solución tercera práctica Codigo Solución tercera practica
14	Introducción a Machine Learning y heurísticas Conceptos de aprendizaje y de machine learning Sistemas experto vs machine learning. Técnicas de aprendizaje y fases de desarrollo de machine learning. Aplicaciones de machine learning en la industria y servicios. El problema de la optimización combinatoria. Conceptos de heurísticas y meta-heurísticas. Algoritmos exactos vs algoritmos heurísticos. Técnicas heurísticas y meta-heurísticas. Problemas de optimización combinatoria en la industria y servicios.		Laboratorio N.10 Laboratorio N.10
15	Semana: Presentación de trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software.	PAPER PROYECTO INVERNADERO	Practica 04 Practica 04
16	Semana: Examen Final		Solucion Examen final