Contenido Temático
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 : 2017 – II
2. INTRODUCCIÓN
La inteligencia artificial es un área de la ciencia de la computación que tiene por objetivo desarrollar los fundamentos prácticos y teóricos para el desarrollo de sistemas de computación que presentan características inteligentes y que por lo general corresponden a problemas intratables. Muchos problemas que ocurren en la industria, servicios y entretenimiento corresponden a problemas inteligentes, y su solución se hace cada vez más indispensable en las organizaciones debido a las exigencias de competitividad que se incrementan cada día.
Entre los diversos tipos de sistemas inteligentes se encuentran los juegos humano-máquina, los sistemas basados en el conocimiento, los sistemas de optimización y machine learning.
En el presente curso, se hace una introducción a la inteligencia artificial y sus aplicaciones en la industria, servicios y entretenimiento, y se muestra como las tecnologías basadas en inteligencia artificial pueden crear valor y hacer que las organizaciones sean más competitivas. También se mostrará sus aplicaciones en la ingeniería de software.
Se aborda con mayor profundidad el diseño e implementación de juego humano-máquina y de sistemas basados en el conocimiento.
3. 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 las técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.
4. UNIDADES DE APRENDIZAJE
| UNIDAD Nº 1: Fundamentos de Inteligencia Artificial |
| UNIDAD N º 2: Búsqueda de Estado y su Aplicación para Juegos Humano – Máquina |
| UNIDAD Nº 3: Ingeniería de conocimiento |
| UNIDAD Nº 4: Desarrollo y validación de Sistemas Expertos |
| UNIDAD Nº: 5 Introducción a Machine Learning y a Heurísticas |
5. CONTENIDO POR SEMANAS:
| SEMANA | CONTENIDO POR SEMANA | TEORIA | LABORATORIO |
| 1 | Clasificación de problemas algorítmicos: Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.
| CLASE 1 TRABAJO DE SENSORES | LABORATORIO 1 |
| 2 | Fundamentos de la inteligencia artificial: Definición de | CLASE 2 | Ejemplos Lispworks |
| 3,4 | Representación de problemas de juego humano – máquina como búsqueda en un espacio de estado: Definición de problemas de | CLASE 3,4 TRABAJO ARDUINO VIDEO ROBOTS VIDEO ROBOT 2 | MANUAL DE LISPWORKS |
| 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. | CLASE 5 | USO DE FUNCIONES LISPWORKS |
| 6 | Métodos de búsqueda informados La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación. | CLASE 6 TRABAJO ARDUINO- DOS SENSORES | FUNCIONES RECURSIVAS LISPWORKS |
| 7 | Métodos de búsqueda para juegos humano-máquina: Algoritmo de juego humano – máquina. Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta. | CLASE 07 | |
| 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. | CLASE 09 | |
| 10 | Ingeniería de conocimiento: Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE. | CLASE 10 | REINO ANIMAL Y VEGETAL |
| 11 | Adquisición 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).
| CLASE 11 | ÁRBOL GENEALÓGICO |
| 12 | Desarrollo de sistemas expertos basados en reglas: Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE. Técnicas de resolución de conflictos. | CLASE 12 | |
| 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. Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo. | CLASE 13 | |
| 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. | Clase 14 MACHINE LEARNING Y HEURISTICA | PRÁCTICA 02 |
| 15 | 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. | Artículo del Proyecto | Código Fuente del Proyecto |
| 16 | Examen final | Ex. Final 2017-2 | Solución del Ex. Final |
| 17 | Examen sustitutorio | Solucion Examen Sustitutorio | Código Fuente |
