UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

Facultad de Ingeniería de Sistemas e Informática - Ingeniería de Software

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  : Estructura de datos II
Semestre académico  : 2015 – 0

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  humanomáquina,  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

Semana	Contenido	Clases	Trabajos
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
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, gestión de desperdicios). Test de Turing.	Clase 2	Manual Lisp Manual guía 1 Manual guía 2 Manual guía 3
3	Métodos de búsqueda ciega Definición de búsqueda ciega Características, tipos de búsqueda ciega Búsqueda en profundidad Búsqueda en amplitud	Clase 3
4	Redes y búsqueda óptima Métodos Subiendo a la colina Primero el mejor A* Ramificación y poda	Clase 4	Trabajo Recursividad
5-6	Métodos de búsqueda ciega e Informados 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. La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.	Clase 6
7	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 7
8	Examen Parcial	Clase 8
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 9	Búsquedas en Lisp
10	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología C ommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE.	Clase 10
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, redes semánticas,lógica de predicados).	Clase 11
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 cuantit ativos de validación. Eficiencia y error de sistemas expertos.	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
15	Presentación de trabajos
16	Examen Final

6. METODOLOGÍA

El presente curso de Inteligencia Artificial se desarrolla a través de actividades teórico - prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos de 3 estudiantes desarrollarán dos trabajos computacionales. Durante las sesiones de laboratorio se estudiará el lenguaje no procedural CLIPS o una variante de LISP y se evaluará el avance de los trabajos computacionales.

7. EVALUACIÓN

El promedio  Final (PF) se determina  de la forma siguiente:

   PF = 0.0125(CL1+CL2+CL3+CL4) + 0.01(TB1+TB2) + 0.15*LA + 0.30*(EA+EB)

Donde:
       CLx: Controles de Lectura (CL1, CL2, CL3 y CL4)
       TB1: Trabajo Grupal (Juegos Inteligentes Hombra - Máquina)

       TB2: Trabajo Grupal (Sistemas Expertos)
       EA: Examen Parcial
       EB: Examen Final
       LA: Laboratorio

El alumno podrá sustituir la nota del examen parcial o final siempre que no haya podido dar alguno de estos exámenes.

Solo serán evaluados los alumnos que presenten 70%  o más de asistencia, esto es 5 faltas están retirados automaticamente del curso.

8. BIBLIOGRAFÍA

    [1] STUART , RUSSELL; PETER, NORVIG
           2010 Artificial    Intelligence: a modern approach. Ed. Prentice Hall.
           ISBN 0-13-103805-2

   [2] PATRICK, WINSTON
         1984 Inteligencia Artificial. Ed. Addison-Wesley.
         ISBN 0-201-51876-7

   [3] ELAINE, RICH
         1988 Inteligencia Artificial. Ed. McGraw-Hill.
         ISBN 0-07-450364-2

   [4] DAVID, MAURICIO
         2009 Apuntes de inteligencia artificial

   [5] BONIFACIO, MARTIN; ALFREDO, SANZ
         2002 Redes neuronales y sistemas difusos. Ed. Alfaomega.
         ISBN 84-7897-466-0

   [6] JOSEPH GIARRATANO - GARY RILEY
         2001 Sistemas expertos, principios y programación. Ed. Ciencias Thomson.
         ISBN 970-686-059-2

 
    [7] JOSÉ PALMA M., ROQUE MARIN M.
          2008 Inteligencia Artificial, técnicas métodos y aplicaciones. Ed. Mc Graw HIll.
          ISBN 978-84-484-5618-3

   [8] JOSE R. HILERA, VICTOR J. MARTINE.
         2000 Redes neuronales artificiales, fundamentos, modelos y aplicaciones.
         Ed. Alfaomega - rama.
         ISBN 978-84-484-5618-3

   [9] NILS J. NILSON
         2001 Inteligencia  artificial, una nueva síntesis. Ed. Mc Graw Hill.
         ISBN 978-84-484-5618-3

   [10] CAMPELO RUY; MACULAN NELSON
           1994, Algoritmos e Herísticas. Ed. Universidad Federal Fluminense.
           GLOVER Fred; KOCHENBERGER Gary A.

   [11] 2003 HandBook of MEtaheuristic. Kluwer International Series.