Formato de Silabo Propuesto - Inteligencia Artificial1
Formato de Silabo Propuesto - Inteligencia Artificial1
Formato de Silabo Propuesto - Inteligencia Artificial1
SILABO
CODIGO DEL CURSO: 02-04241 1.1 DATOS GENERALES
FACULTAD:
DEPARTAMENTO:
Ingeniera de Sistemas
ASIGNATURA: Inteligencia Artificial 1 PRE REQUISITO : 02-04133 Procesos Estocsticos CREDITOS: 5 Ao: 2012-II Semestre: VIII PROFESOR: HORAS: 8 (Ocho) T: 2 TP: 4 P: 2 S:
1.3 OBJETIVOS:
Estudiar e implementar las tcnicas de representacin de conocimiento y metodologas de desarrollo de sistemas basados en conocimiento, desde la identificacin inicial hasta la obtencin de un prototipo de un sistema inteligente con la ayuda de un entorno de desarrollo y/o lenguaje de programacin orientado a la IA.
Hrs 6
Avance % 7%
1.1 Fundamentos de la Inteligencia Artificial 1.2 Historia y Estado actual de IA 1.3 Sistemas Inteligentes y agentes 1.4 Estructura de los agentes inteligentes 1.5 Ejercicios
Contenidos:
Capitulo Segundo
Objetivos Especficos: Hrs 6 Fecha 20/08/12 al 26/08/12 Avance % 14%
Proporcionar al estudiante TEMA : Lgica conocimientos sobre la lgica, 2.1 Sintaxis de lgica proposicional sus alcances y restricciones 2.2 Semntica de lgica en el mbito de IA
proposicional 2.3 Clusulas Horn 2.4 Computabilidad y complejidad 2.5 Lgica de primer orden 2.6 Limitaciones de la lgica 2.7 Programacin de la lgica con Prolog 2.8 Ejercicios
Capitulo Tercero
Objetivos Especficos: Mostrar las ventajas y desventajas de usar cada tcnica de bsqueda. Ayudar a que el alumno se acostumbre a identificar el modelo que ms conviene aplicar a partir de la descripcin de un problema. Contenidos:
TEMA : Bsquedas
Hrs 6
Avance % 21%
3.1 Breadth-first search 3.2 Depth-first search 3.3 Bsqueda heurstica: Algoritmos glotn 3.4 Bsqueda A* 3.5 Bsqueda IDA* 3.6 Juegos con oponentes: Minmax search 3.7 Alpha beta pruning 3.8 Ejercicios
Capitulo Cuarto
Objetivos Especficos: Contenidos: Hrs 6 Fecha 3/09/12 al 9/09/12 Avance % 28%
Proporcionar al estudiante TEMA : Razonamiento con incerteza conocimientos para crear 4.1 Computacin con probabilidades conclusiones tiles a partir de 4.2 Mxima entropa informacin incompleta o 4.3 Lexmed: Sistema experto para incierta.
Capitulo Quinto
Objetivos Especficos:
Proporcionar al estudiante conocimientos sobre cmo las mquinas aprenden a aprender.
Contenidos:
TEMA : Aprendizaje
Hrs 6
Avance % 35%
5.1 Regresin lineal 5.2 Regresin lineal con mltiples variables 5.3 Tutorial de Octave 5.4 Regresin logstica 5.5 Regularizacin 5.6 Mtodo del vecino ms cercano 5.7 Aprendizaje por rboles de decisin 5.8 Aprendizaje por redes bayesianas 5.9 Clasificador Naive-Bayes 5.10 Ejercicios
Contenidos:
Capitulo Sexto
Objetivos Especficos: Hrs 6 Fecha 17/09/12 al 23/09/12 Avance % 42%
Proporcionar al estudiante las TEMA : Redes Neuronales bases para implementar las 6.1 Representacin diferentes arquitecturas de 6.2 Neuronas artificiales Redes Neurales y aplicar los 6.3 Redes Neuronales Multicapas conceptos para solucionar 6.4 Aprendizaje problemas reales.
Hrs 6 2
Avance % 48%
Proporcionar al estudiante TEMA : Support Vector Machines conocimientos sobre SVM y 7.1 Objetivo de optimizacin temas afines.
Capitulo Octavo
Objetivos Especficos: Contenidos: Hrs 6 Fecha 1/10/12 al 7/10/12 Avance % 54%
Brindar al estudiante TEMA : Clustering conocimientos Clustering y el 8.1 Aprendizaje algortimo K-Means
no supervisado 8.2 Algoritmo K-Means 8.3 Inicializacin random 8.4 Escogiendo el nmero de clusters 8.5 Ejercicios
Capitulo Noveno
Objetivos Especficos: Contenidos: Hrs Fecha 8/10/12 al 14/10/12 Avance % 60%
Brindar al estudiante razones TEMA : Reduccin de dimensiones para valorar la necesidad de 9.1 Motivaciones: Compresin reduccin de dimensiones en datos y visualizacin problemas de IA.
de
9.2 Anlisis PCA (principal component analysis) 9.3 Reconstruccin desde la representacin comprimida 9.4 Ejercicios
Capitulo Dcimo
Objetivos Especficos: Contenidos: Hrs 6 Fecha 15/10/12 al 21/10/12 Avance % 66%
Hacer conocer y aplicar TEMA : Deteccin de anomalas caractersticas de la deteccin 10.1 Distribucin Gaussiana de anomalas en sistemas de 10.2 Desarrollando el sistema inteligencia artificial.
de
deteccin de anomalas 10.3 Deteccin anomalas vs. Aprendizaje supervisado 10.4 Distribucin gausiana multivariable 10.5 Ejercicios
Capitulo Undcimo
Objetivos Especficos: Contenidos: Hrs Fecha 22/10/12 al 28/10/12 Avance % 72%
Evaluar y utilizar TEMA : Sistemas de recomendacin procedimientos para definir 11.1 Recomendaciones sistemas de recomendacin contenido en IA.
basadas en
Capitulo Duodcimo
Objetivos Especficos: Contenidos: Hrs 6 Fecha 29/10/12 al 4/11/12 Avance % 78%
Valorar la implementacin de TEMA : Machine learning a gran escala aplicativos con la arquitectura 12.1 Aprendizaje con Conjuntos de machine learning a gran grandes. escala.
Gradient descent estocstico Aprendizaje online Reduccin de mapas y paralelismo de datos 12.5 Ejercicios
Capitulo Decimotercero
Objetivos Especficos: Contenidos: Hrs 6 Fecha 5/11/12 al 11/11/12 Avance % 84%
Hacer conocer y evaluar las TEMA : Ejemplos de Aplicacin: OCR metodologas para aplicar IA 13.1 Presentacin de ventanas en el reconocimiento de 13.2 Adquiriendo mucha caracteres OCR.
informacin y datos artificiales Anlisis de techo: con qu parte trabajar 13.4 Ejercicios 13.3
Capitulo Decimocuarto
Objetivos Especficos:
Valorar y aplicar aprendizaje reforzamiento en IA.
Contenidos:
el TEMA : Aprendizaje con reforzamiento con 14.1 Bsqueda combinatoria
Hrs
Avance % 90%
no
uniforme Programacin dinmica Robot caminante por aprendizaje 14.4 Exploracin y explotacin 14.5 Aproximacin, generalizacin y convergencia 14.6 Ejercicios 14.2 14.3
Capitulo Decimoquinto
Objetivos Especficos: Contenidos: Hrs Fecha 19/11/12 al 16/12/12 Avance % 100%
Hacer conocer y valorar TEMA : Temas Avanzados en IA temas avanzados diversos en 15.1 Clustering avanzado Inteligencia Artificial.
18
privacidad de datos Procesamiento de lenguaje natural 15.3 Robtica 15.4 Sistemas expertos 15.5 Data mining 15.6 Visin artificial 15.7 Algoritmos genticos 15.8 Sistemas inteligentes hbridos neurodifusos 15.9 Sistemas inteligentes hbridos basados en agentes 15.2
1.5 ACTIVIDADES
Para el desarrollo del curso se ha previsto realizar las siguientes actividades: Atencin a la exposicin magistral. Ejercicios en clase. Discusin de los problemas y alternativas de solucin. Participacin en clase por parte del alumnado. Estudio del libro de texto. Lectura de textos escogidos. Realizacin de prcticas calificadas. Trabajos de Investigacin.
[1] Stuart Russell, Peter Norving - Artificial Intelligence - a modern approach, 2nd edition. Prentice Hall, 2002 [2] Nil J. Nilsson Inteligencia Artificial una nueva sntesis, McGraw-Hill, 2001 [3] Simon Haykin - Neural Networks: A Comprehensive Foundation - 2nd edition. Prentice Hall, 1998.
RECOMENDADA:
[4] Ben Coppin - Artificial Intelligence Illuminated - Jones and Bartlett Publishers, 2004 [5] Elaine Rich, Kevin Knight Inteligencia Artificial, 2da edicin, McGraw-Hill, 1994 [6] Curso Universidad Ravensburg-Weingarten Artificial Intelligence http://www.youtube.com/watch?v=katiy95_mxo [7] Curso de la Universidad de Standfor: Machine Learning www.coursera.org
1.8 METODOLOGIA:
Para el desarrollo del curso se utilizarn los mtodos que comprometan la participacin de los estudiantes en el proceso de Enseanza Aprendizaje. Se propiciar la discusin abierta, la prctica individual y la crtica constructiva. Para la parte de laboratorio se usarn los programas Matlab, Octave y los lenguajes de programacin C++, Java, Lisp, Prolog.
1.9 EVALUACION. Los exmenes se tomarn en fecha nica. Por ningn motivo se repetirn los exmenes. Si el estudiante tiene pendiente una nota entonces ser considerado como desaprobado. El estudiante tiene derecho de rendir examen de aplazados si su promedio final es mayor o igual a siete (07) El redondeo de la nota se realizar en el Promedio Final. El contenido de los Examenes ser: 1er Examen Parcial: Capitulos I al VII 2do Examen Parcial: Capitulos VIII al XV Examen de subsanacion: Todos los capitulos La nota final se obtendr de la siguiente manera: PROMEDIO = ((1EP + 2EP + TrabFin) / 3) * 0.70 + Tclase * 0.1 + Prcticas * 0.2 Arequipa, Julio del 2012