inteligencia artificial 1

INTELIGENCIA ARTIFICIAL

Ing. MARBIS HERNÁNDEZ

Ingeniería de Sistemas. UNEFA.

marbish@hotmail.com

Información General:

Profesor: Marbis Hernández.

Horario: Miércoles 2:35pm a 4:45pm. Sección 09S8IST (A) Miércoles 8:35pm a 10:45pm. Sección 10S8ISN (A)

Dirección del blog: http://inteligentt.blogspot.com

Texto recomendado: Stuart Russell y Peter Norvig, “Inteligencia Artificial: Un enfoque moderno”,

Prentice Hall, Segunda edición, 2004. (http://aima.cs.berkeley.edu)

Objetivo General:

Analizar los fundamentos teóricos y prácticos asociados a la Inteligencia Artificial y el desarrollo de sistemas basados en el conocimiento.

Programa:

El contenido está estructurado en seis (6) unidades:

UNIDAD 1. Nociones fundamentales de inteligencia artificial.

UNIDAD 2. Estudio del conocimiento.

UNIDAD 3. Modelo simbólico.

UNIDAD 4. Modelo conexionista.

UNIDAD 5. Modelo genético.

UNIDAD 6. Modelo de agentes

UNIDAD 1. NOCIONES FUNDAMENTALES DE INTELIGENCIA ARTIFICIAL. OBJETIVO DE APRENDIZAJE

Identificar las bases históricas y el papel de la inteligencia artificial en la informática.

CONTENIDO 1.1. Definición. 1.2. Antecedentes. 1.3. Áreas de estudio y técnicas. Heurísticas. 1.4. Inteligencia Artificial vs. Inteligencia humana

ESTRATEGIAS DE EVALUACIÓNRealización de actividades teórico-prácticas.Realización de actividades de campo.Experiencias vivénciales en el área profesionalRealización de pruebas escritas cortas y largas, defensas de trabajos, exposiciones, debates, etc.Actividades de Auto-evaluación / co-evaluación y evaluación del estudiante.

UNIDAD 2. ESTUDIO DEL CONOCIMIENTO.

OBJETIVO DE APRENDIZAJEReconocer las técnicas aplicadas para la detección y solución de problemas que puedan ser tratados mediante la inteligencia artificial.

CONTENIDO 2.1. Definición de conocimiento. 2.2. Tipos de conocimiento. 2.3. Técnicas de adquisición de conocimiento. 2.4. Esquemas de representación de conocimiento. 2.5. Formas de aplicación.

ESTRATEGIAS DE EVALUACIÓNRealización de actividades teórico-prácticas.Realización de actividades de campo.Experiencias vivénciales en el área profesionalRealización de pruebas escritas cortas y largas, defensas de trabajos, exposiciones, debates, etc.Actividades de Auto-evaluación / co-evaluación y evaluación del estudiante.

UNIDAD 3. MODELO SIMBÓLICO.

OBJETIVO DE APRENDIZAJEDiferenciar las diferentes herramientas utilizados en el desarrollo de sistemas expertos y su aplicación.

CONTENIDO 3.1. Definición. 3.2. Sistemas basados en conocimiento. 3.3. Arquitecturas. Mecanismo de Control. 3.4. Sistemas Expertos. 3.5. Herramientas para el desarrollo de sistemas basados en conocimiento. 3.6. Aplicaciones.

ESTRATEGIAS DE EVALUACIÓNRealización de actividades teórico-prácticas.Realización de actividades de campo.Experiencias vivénciales en el área profesionalRealización de pruebas escritas cortas y largas, defensas de trabajos, exposiciones, debates, etc.Actividades de Auto-evaluación / co-evaluación y evaluación del estudiante.

OBJETIVO DE APRENDIZAJECaracterizar las aplicaciones de las redes neuronales en el contexto de la Inteligencia Artificial.

CONTENIDO 4.1. Definición. Bases biológicas. 4.2. Representación del conocimiento. Modelos lineales: Perceptron y Adaline. 4.3. Algoritmos de aprendizaje. Redes neuronales artificiales (RNA). Fundamentos neurobiológicos. 4.4. Antecedentes y definición de una red neuronal artificial. 4.5. Aplicaciones de las redes neuronales

ESTRATEGIAS DE EVALUACIÓNRealización de actividades teórico-prácticas.Realización de actividades de campo.Experiencias vivénciales en el área profesionalRealización de pruebas escritas cortas y largas, defensas de trabajos, exposiciones, debates, etc.Actividades de Auto-evaluación / co-evaluación y evaluación del estudiante.

UNIDAD 4. MODELO CONEXIONISTA

UNIDAD 5. MODELO GENÉTICO. OBJETIVO DE APRENDIZAJE

Analizar los principales algoritmos de búsqueda y las heurísticas de base empleadas en muchos algoritmos de inteligencia artificial.

CONTENIDO 5.1. Definición. Bases biológicas. Aspectos básicos de la evolución natural. 5.2. Algoritmos genéticos (AG). 5.3. Codificación de la población. 5.4. Mecanismos de selección. 5.5. Operadores genéticos: cruce, mutación. 5.6. Componentes de un algoritmo genético simple (AGS). Aplicaciones 5.7. Codificación de un AGS. 5.8.Algoritmo genético modificado (AGM). Codificación de un AGM. Aplicaciones

ESTRATEGIAS DE EVALUACIÓNRealización de actividades teórico-prácticas.Realización de pruebas escritas cortas y largas, defensas de trabajos, exposiciones, debates, etc.Actividades de Auto-evaluación / co-evaluación y evaluación del estudiante.

UNIDAD 6. MODELO DE AGENTES. OBJETIVO DE APRENDIZAJE

Describir la estructura y funcionamiento del ambiente artificial en el contexto de la Inteligencia artificial.

CONTENIDO 6.1. Definición. Conceptos fundamentales. 6.2. Estructura y funcionamiento. 6.3. Ambiente artificial. 6.4. Interacción agente-ambiente. 6.5. Paradigmas de programación. 6.6. Aplicaciones.

ESTRATEGIAS DE EVALUACIÓNRealización de actividades teórico-prácticas.Realización de actividades de campo.Experiencias vivénciales en el área profesionalRealización de pruebas escritas cortas y largas, defensas de trabajos, exposiciones, debates, etc.Actividades de Auto-evaluación / co-evaluación y evaluación del estudiante.

Inteligencia artificial: Una nueva síntesis. Editorial McGraw-Hill.. Stuart Russell y Peter Norvig. (2004).

Inteligencia Artificial l: Un enfoque moderno. Prentice Hall, Segunda Edición.

Goldberg, D.E., (1989). Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley, USA. Hilera, J.R. y Martínez, V.J. (2000).

Redes neuronales artificiales: fundamentos, modelos y aplicaciones, Alfaomega, México. Michalewicz, Z. (1994).

Genetic Algorithms + Data Structures = Evolution Programs. 2 edition, Springer Verlag, Alemania, 1994. Nils J. N. (2001).

Bibliografía Recomendada

Plan de Evaluación:Organización del 1er CORTE. (30%)

UNIDAD DE CONTENIDO

ESTRATEGÍAS DE EVALUACIÓN

PONDERACIÓN FECHA

Unidad I. Nociones Fundamentales de la Inteligencia Artificial.

TALLER (Análisis) 5% 20/10/2010

Unidad II. Estudio del Conocimiento. INFORME

C/DEFENSA10% 27/10/2010

Unidad III. Modelo Simbólico. Unidad I, II,y III

PRUEBA CORTA

PRUEBA PARCIAL

5%

10%

10/11/2010

17/11/2010

TOTAL: 30%

¡GRACIAS POR SU ATENCIÓN!