UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
Facultad de Ingeniería de Sistemas e Informática - Ingeniería de Software
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
|
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)
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
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
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.