InteligArtificial PDF

Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1de 2

Programa Asignatura: Inteligencia Artificial

Unidad Académica Responsable: Departamento de Informática y Ciencias de la


Computación
CARRERA a las que se imparte: Ingeniería Civil Informática

I.- IDENTIFICACION
Nombre: Inteligencia Artificial
Código: 503356 Créditos: 4 Créditos SCT: 6
Prerrequisito: no tiene
Modalidad: presencial Calidad: obligatoria Duración: semestral
Semestre en el plan de estudios: 9 Ingeniería Civil Informática
Trabajo Académico 10
Horas Teóricas: 3 Horas Prácticas: 2 Horas Laboratorio: 0
Horas de otras actividades: 5

II.- DESCRIPCION

Esta asignatura entrega a los alumnos una revisión de las teorías y aplicaciones de
sistemas de Inteligencia Artificial: conceptos, representaciones, y técnicas usadas en
la construcción de sistemas computacionales que parezcan demostrar conductas
inteligentes por medio de algoritmos adaptativos de procesamiento de la información.
Es deseable para esta asignatura haber cursado la asignatura Optimización.

Esta asignatura aporta a las siguientes competencias del perfil de egreso:

• Aplicar principios de matemáticas, ciencias de la ingeniería y ciencias de la


computación, a problemas de ingeniería informática.
• Identificar necesidades de usuarios, a partir de las cuales formula, diseña e
implementa soluciones informáticas que satisfagan las especificaciones.
• Analizar e interpretar grandes volúmenes de datos que describen tanto
sistemas como sus componentes.
• Diseñar y conducir experimentos para evaluar, caracterizar y modelar sistemas
informáticos complejos.
• Involucrarse en procesos de auto-aprendizaje continuo que le permita
adaptarse a la evolución de la teoría y tecnología.

III.- RESULTADOS DE APRENDIZAJE ESPERADOS

Al finalizar el curso los alumnos deben ser capaces de:


1. Explicar los conceptos y paradigmas básicos de la Inteligencia Artificial.
2. Describir y aplicar estrategias de Inteligencia Artificial para la resolución de
problemas.
3. Decidir entre los mejores métodos para solucionar un problema en particular
4. Combinar elementos de los diferentes enfoques de la IA para resolver
problemas nuevos.
5. Distinguir y utilizar técnicas de representación y manipulación de
conocimiento.
6. Entender los algoritmos fundamentales de búsqueda, de aprendizaje
automático y de razonamiento para toma de decisiones bajo incertidumbre.

IV.- CONTENIDOS
1. Inteligencia Artificial (perspectiva computacional): historia, conceptos, problemas,
controversias, áreas de trabajo, etc.
2. Ciencias Cognitivas (perspectiva humana): procesos cognitivos, modelos,
problemas en ciencias cognitivas versus IA, etc.
3. Resolución de Problemas mediante Búsqueda: aspectos básicos, problemas,
espacios de estados, forward and backward chaining, búsqueda no informada,
búsqueda informada, heurísticas, juegos, búsqueda con restricciones
4. Planificación: Problemas de la planificación, algunos paradigmas, planificación
lineal tipo STRIPS, anomalía de Sussman, el problema del Frame, planificación de
orden parcial.
5. Representación de Conocimientos: fundamentos, aspectos cognitivos, técnicas
básicas: frames, reglas, lógica, redes semánticas, ontologías, sistemas basados en
conocimiento, mecanismos de inferencia, etc.
6. Introducción al procesamiento automático de lenguaje natural: etapas del
procesamiento del lenguaje, teorías y modelos, sistemas de comprensión de
lenguaje, generación de lenguaje natural, etc.
7. Agentes Inteligentes: modelos y arquitecturas, sistemas intencionales, autonomía,
teoría de agencia, sistemas multi-agente, teoría de juegos, negociación, etc.
8. Introducción al Aprendizaje Automático: fundamentos matemáticos y biológicos,
principios, modelos fundamentales, técnicas y problemas, aprendizaje simbólico
versus conexionista, revisión de algunas técnicas: redes neuronales, árboles de
decisión, algoritmos genéticos

V.- METODOLOGIA

El curso constará con clases teóricas y prácticas. El alumno deberá tener una
participación activa dentro del curso a través de trabajos prácticos y el desarrollo de un
proyecto semestral, complementado con sesiones expositivas.

VI.- EVALUACION

La asignatura consta de al menos tres evaluaciones usando algunas de las siguientes


modalidades: evaluaciones escritas, tareas, proyectos y presentaciones orales.

VII.- BIBLIOGRAFIA Y MATERIAL DE APOYO

Bibliografía Básica:

• S. Russel, P. Norvig: Artificial Intelligence: A Modern Approach, second edition..


Prentice Hall, 2009. 1152 pp., ISBN-10 0136042597, ISBN-13 978-0136042594.
• Rob Callan: Artificial Intelligence. Palgrave Macmillan, 2003. 516 pp., ISBN-10
0333801369, ISBN-13 978-0333801369.

Bibliografía Complementaria:

• E. Alpaydin: Introduction to Machine Learning, 2nd edition. MIT Press, 2010. 584
pp., ISBN-10 026201243X, ISBN-13 978-0262012430.

Fecha aprobación:
Fecha próxima actualización:

También podría gustarte