SISTEMA DE GESTIÓN DE LA CALIDAD

CÓDIGO: USAT-PM0401-D-01

VERSIÓN: 03

FACULTAD DE INGENIERÍA

PROGRAMA DE ESTUDIOS DE INGENIERÍA DE SISTEMAS Y COMPUTACIÓN

SÍLABO DE INTELIGENCIA ARTIFICIAL

I. DATOS INFORMATIVOS

1.1 Asignatura: INTELIGENCIA ARTIFICIAL

1.2 Código: 1206602000IN

1.3 Ciclo del plan de estudios: VI

1.4 Créditos: 4

1.5 Tipo de asignatura: (X) Obligatorio ( ) Electivo

1.6 Prerrequisito: ESTADÍSTICA Y PROBABILIDADES

N° de horas teóricas: 3

1.7 Número de horas semanales: N° de horas prácticas: 2

N° de horas totales: 5

1.8 Duración: Del (01/09) al (19/12/2020)

1.9 Semestre académico: 2020-II

1.10 Grupo Horario: A-GO

CARLOS ALBERTO CHIRINOS MUNDACA

1.11 Docente coordinador:
[email protected]

CARLOS ALBERTO CHIRINOS MUNDACA

1.12 Docente(s):
[email protected]
 II. SUMILLA

Inteligencia Artificial es una asignatura de naturaleza teórico-práctica, del área de estudios específicos.
Tiene como propósito que el estudiante conozca los principios y el desarrollo de la Inteligencia Artificial,
identificando sus aplicaciones (robótica, visión computacional, lógica difusa, redes neuronales y algoritmos
genéticos), para emplearlas en el diseño e implementación de sistemas inteligentes que faciliten las tareas
del ser humano.
Comprende: Agentes inteligentes para encontrar la solución de problemas mediante la aplicación de
estrategias de búsqueda ciega y heurística, Representación de conocimiento para obtener, representar y
utilizar el conocimiento en la solución problemas simulando el razonamiento de un experto humano,
Aprendizaje automático para entrenar sistemas inteligentes que permitan resolver problemas generales de
reconocimiento de patrones, Algoritmos genéticos para resolver problemas de optimización.

III. COMPETENCIA(S)

3.1 Competencia(s) de perfil de egreso

La asignatura INTELIGENCIA ARTIFICIAL, que corresponde al área de estudios Específicas, contribuye al

logro del perfil de egreso, específicamente a la(s) competencia(s):
- Implementar software de calidad que aporten mejoras significativas a las organizaciones y a la sociedad,
utilizando metodologías, modelos, herramientas modernas, estándares de calidad, buenas prácticas y
normativas vigentes.

3.2 Competencia de la asignatura

Conoce los principios y el desarrollo de la Inteligencia Artificial, identificando sus aplicaciones (robótica,
visión computacional, lógica difusa, redes neuronales y algoritmos genéticos), para emplearlas en el
diseño e implementación de sistemas inteligentes que faciliten las tareas del ser humano.

IV. UNIDADES DIDÁCTICAS

 Unidad didáctica N° 01: Inteligencia Artificial y Métodos de Búsqueda

Resultado de aprendizaje N° 01 (RA1):

Identifica la secuencia de percepciones de un determinado agente, y las acciones que Contenidos
pueda tomar en base al ambiente en el cual se desenvuelve.
RA1 = IND1(0.30) + IND2(0.40) + IND3(0.30)

Indicadores Evaluación 1.1 Clasificación de problemas algorítmicos,

problemas P y NP.
1.2 Problemas de decisión, localización y
Descripción Peso Evidencia Peso Instrumentos optimización.
1.3 Descripción de algunos problemas NP-
difícil.
IND1: Define los 1.4 Exposición del Silabo.
conceptos de Prom. 1.5 Evaluación diagnóstica.
30.00 Trabajo Colaborativo 1 Simple Cuestionario 1.6 Introducción al curso,
inteligencia artificial y
machine learning. 1.7 Inteligencia Artificial, Definición,
1.8 Historia de la IA.
1.9 Fundamentos, Ramas de la IA.
IND2: Implementa los 1.10 Agentes Inteligentes.
Trabajo de Laboratorio Prom. Resolución de 1.11 Máquina inteligente.
tipos de agentes 40.00 Simple
1 Problemas 1.12 Diferencia entre sistemas
inteligentes. operacionales y sistemas inteligentes.
1.13 Aplicaciones en la industria y servicios
(robótica, planificación, gestión de
desperdicios).
1.14 Test de Turing.
1.15 Clasificación de Agentes: De reflejo
simple, basado en metas, basado en
utilidad.
1.16 Representación de problemas de juego
humano –máquina como búsqueda en un
espacio de estado.
1.17 Definición de problemas de la IA como
problemas de búsqueda en un espacio de
estado.
1.18 Representación de problemas de
juegos humano –máquina.
1.19 Solución de problemas mediante
búsqueda
1.20 Métodos de búsqueda ciegos e
informados.
IND3: Implementa 1.21 La función evaluadora,
1.22 Métodos de búsqueda ciega ó no
estrategias de solución informados: amplitud, profundidad y no
Prom.
a problemas utilizando 30.00 Practica Calificada 1 Simple Cuestionario determinístico,
fundamentos de 1.23 Métodos que usan información
inteligencia artificial. adicional: primero el mejor, ascenso a la
colina, A*, ramificación y acotación.
1.24 Métodos de búsqueda para juegos
humano-máquina.
1.25 Algoritmo de juego humano
–máquina.
1.26 Estrategias de juego de máquina: no
determinístico, primero el mejor, min-max y
mejor diferencia de utilidades.
1.27 Algoritmo min-max y alfa-beta.
1.28 Aprendizaje automático para entrenar
sistemas inteligentes que permitan resolver
problemas generales de reconocimiento de
patrones.
1.29 Presentación de trabajos
computacionales.
1.30 Desarrollo de software de juegos
inteligentes basados en técnicas de
búsqueda.
 Unidad didáctica N° 02: Sistemas Expertos

Resultado de aprendizaje N° 02 (RA2):

Diseña y desarrolla software inteligente con interacción hombre-máquina. Contenidos
RA2 = IND4(0.30) + IND5(0.40) + IND6(0.30)

Indicadores Evaluación 2.1 Fundamentos de sistemas expertos:

Definición de Sistemas Expertos.
2.2 Arquitectura de un sistema experto.
Descripción Peso Evidencia Peso Instrumentos 2.3 Taxonomía y aplicaciones de los
sistemas expertos.
2.4 Requisitos para el desarrollo de sistemas
IND4: Formaliza una expertos y ventajas del uso de sistemas
solución basada en un expertos.
sistema experto y Prom. 2.5 Algunos problemas basados en el
30.00 Trabajo Colaborativo 2 Simple Cuestionario conocimiento.
diferencia entre base
de conocimiento y 2.6 Ingeniería de conocimiento:
Introducción.
base de hechos. 2.7 Adquisición de conocimiento.
2.8 La metodología CommonKADS.
IND5: Implementa los 2.9 Diseño de Sistemas Expertos (SE).
2.10 Ciclo de vida de un SE.
algoritmos en el 2.11 Adquisición de Conocimiento.
Trabajo de Laboratorio Prom. Resolución de
lenguaje de 40.00 Simple 2.12 Construcción de la base de hechos y
2 Problemas
programación más base de conocimiento.
adecuado. 2.13 Estructuras de representación de
conocimientos (reglas de inferencias,
frames, objects, redes semánticas, lógica de
predicados).
2.14 Tipos de sistemas expertos.
2.15 Componentes de un sistema experto.
2.16 Arquitectura: Sistema experto.
2.17 Desarrollo de sistemas expertos
basados en reglas.
2.18 Construcción de la base de hechos y
base de conocimiento.
2.19 El motor de inferencia.
2.20 Los métodos de encadenamiento
regresivo, progresivo y reversibilidad.
2.21 Técnicas de equiparación, el algoritmo
RETE. Técnicas de resolución de conflictos.
2.22 Calidad y validación de sistemas
expertos.
2.23 Principales errores en el desarrollo de
un sistema experto.
IND6: Implementa 2.24 Calidad de un sistema experto.
estrategias de solución 2.25 Validación de sistemas inteligentes,
Prom.
a problemas utilizando 30.00 Practica Calificada 2 Simple Cuestionario métodos cuantitativos de validación.
principios de sistemas 2.26 Eficiencia y error de sistemas expertos.
expertos. 2.27 Revisión de la funcionalidad del SE.
2.28 Introducción a Machine Learning
(Aprendizaje Automático) y heurísticas.
2.29 Conceptos de aprendizaje y de
machine learning. Sistemas experto vs
machine learning.
2.30 Técnicas de aprendizaje y fases de
desarrollo de machine learning.
2.31 Técnicas heurísticas y meta-heurísticas.
2.32 Problemas de optimización
combinatoria en la industria y servicios
2.33 Sistema experto basado en reglas.
2.34 Presentación de trabajos
computacionales.
2.35 Desarrollo de software de juegos
inteligentes basados en sistemas expertos.
Se deberá presentar un informe y un
software,

V. ESTRATEGIAS DIDÁCTICAS

Para el desarrollo de la asignatura se emplearán las siguientes estrategias didácticas:

• VideoConferencia:
Es la presentación de un tema lógicamente estructurado por el cual el docente, valiéndose de todos los
recursos de un lenguaje didáctico adecuado, presenta a los alumnos un tema nuevo, definiéndolo,
analizándolo y explicándolo.
Se empleará para ello la plataforma Zoom, archivos alojados en el aula virtual USAT.

• Taller virtual:
Permite la aplicación práctica de la materia, mediante la resolución de ejercicios, problemas o casos
planteados, solicitando a los estudiantes que desarrollen soluciones mediante la ejercitación de rutinas, la
aplicación de procedimientos y la interpretación de los resultados.
Se empleará para ello Plataforma Zoom, lenguajes de programaciónVisual Prolog y Python, Aplicación
Jupyter Notebook gestionada a través de la distribución Anaconda, tareas en el aula virtual USAT.

• Foro virtual:
Recurso que posibilita la comunicación e interacción sincrónica y asincrónica de los estudiantes,
propiciando un espacio para la discusión o debate de temas específicos, generando la construcción de
conocimientos.
Se empleará para ello plataforma Zoom, el foro en el aula virtual USAT.
VI. EVALUACIÓN

6.1 Criterios de evaluación

La calificación para todas las asignaturas, se realizará en la escala vigesimal, es decir, de cero (00) a veinte
(20). La nota aprobatoria mínima es catorce (14).

La evaluación será formativa y sumativa, se aplicará evaluaciones de entrada y de salida, considerando las
evidencias (por ejemplo informes, exposiciones sobre textos académicos) e instrumentos que se
emplearán para la evaluación de cada una de ellas. Por ejemplo: listas de cotejo, escalas estimativas,
rúbricas, pruebas de ensayo etc.

Normatividad:

- El tiempo de tolerancia para el ingreso a las sesiones de clases es de 10 minutos.

- La asistencia a clases es obligatoria y responsabilidad del estudiante, la misma que será registrada por
el docente en cada sesión en el aula virtual.

- Para justificar la inasistencia, el estudiante deberá presentar una solicitud virtual dirigida al Director de
Escuela, dentro de los dos (2) días hábiles siguientes de ocurrida la inasistencia.

- De proceder la justificación, el Director de Escuela comunica al docente de la asignatura a la que no

asistió el estudiante, para conocimiento. El docente de la asignatura consignará este hecho como
inasistencia justificada, de acuerdo a lo estipulado en el sílabo.

- El límite de inasistencias justificadas acumuladas es del 30 %. La justificación de la inasistencia no

otorga derecho al estudiante de recuperar las clases perdidas, sin embargo puede ver las sesiones
grabadas de las clases, las cuales estarán disponibles solo por dos semanas de realizadas estas. Respecto
a las evaluaciones que no pudo rendir y que estuvieron programadas en la fecha que no asistió, estas
serán reprogramadas.

- La comprobación de todo tipo o intento de fraude en cualquier forma de evaluación será considerada
falta grave, se registrará la calificación de cero (00) en la evaluación respectiva. El docente deberá
informar este hecho al Director de Escuela para el inicio de las acciones disciplinarias correspondientes.

6.2 Sistema de calificación

Fórmula para la obtención de la nota de resultado de aprendizaje (RA)

RA = promedio (Calificaciones obtenidas en sus indicadores)

Unidad(es) en la(s) N° de
Evaluación Peso
que se trabaja evaluaciones

Resultado de aprendizaje N° 01 (RA1) I 0.40 03

Resultado de aprendizaje N° 02 (RA2) II 0.60 03

Total de evaluaciones programadas 06

Fórmula para la obtención de la nota final de la asignatura (NF)

NF = RA1(0.40) + RA2(0.60)

VII. REFERENCIAS

7.1 Referencias USAT

 •
Sell P, Sistemas expertos para principiantes. Grupo Noriega Editores, México, 1993.

• Giarratano, J. Sistemas expertos: principios y programación. International Thomson, México, 2001

• Hilera, J. Redes Neuronales Artificiales: Fundamentos, modelos y aplicaciones.: AlfaOmega . Colombia,

2000

• Russell, S. Inteligencia artificial: un enfoque moderno. Pearson Educación, México, 2004

7.2 Referencias complementarias

• Nilsson, J. Inteligencia artificial: una nueva síntesis. McGraw-Hill Interamericana, España, 2000

• Palma Méndez, J. Inteligencia artificial: métodos, técnicas y aplicaciones. McGraw-Hill Interamericana,

España 2008

Enlaces de Internet

• Gary Riley, Clips Rules A Tool for Building Expert Systems. , Recuperado de:
http://www.clipsrules.net/. 16/07/2018
• Salesforce, Salesforce,
Recuperado de:
https://www.salesforce.com/mx/products/einstein/ai-deep-dive/. 16/07/2018

7.3 Investigaciones de docentes

• Mi canal personal de Youtube, dedicado a Inteligencia artificial y visión computacional

VIII. PROGRAMACIÓN DE ACTIVIDADES

 Unidad didáctica N° 01: Inteligencia Artificial y Métodos de Búsqueda

Sesión Contenidos Actividades Evaluaciones

(N° / dd-mm)

1 / 3 de septiembre 1.1 Clasificación de problemas algorítmicos, • • Del docente:

problemas P y NP. - Expone los contenidos de la sesión
1.2 Problemas de decisión, localización y por medio de una videoconferencia
2 / 4 de septiembre optimización.
1.3 Descripción de algunos problemas NP-difícil. utilizando la plataforma zoom y
1.4 Exposición del Silabo. diapositiva de la sesión.
1.5 Evaluación diagnóstica. - Desarrolla ejemplos relacionados
1.6 Introducción al curso, con los contenidos por medio de
1.7 Inteligencia Artificial, Definición, una videoconferencia utilizando la
1.8 Historia de la IA. plataforma zoom, archivos alojados
1.9 Fundamentos, Ramas de la IA. en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• • Del estudiante:
- Diseña algoritmos y desarrolla
programas para dar solución a los
ejercicios propuestos utilizando en
lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.

3 / 10 de septiembre 1.10 Agentes Inteligentes. • • Del estudiante:

1.11 Máquina inteligente. - Diseña algoritmos y desarrolla
1.12 Diferencia entre sistemas operacionales y programas para dar solución a los
4 / 11 de septiembre sistemas inteligentes.
1.13 Aplicaciones en la industria y servicios ejercicios propuestos utilizando en
(robótica, planificación, gestión de desperdicios). lenguajes de programación Visual
1.14 Test de Turing. Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• • Del docente:
- Expone los contenidos de la sesión
por medio de una videoconferencia
utilizando la plataforma zoom y
diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.

5 / 17 de septiembre 1.15 Clasificación de Agentes: De reflejo simple, • Del docente: • Trabajo

basado en metas, basado en utilidad. - Expone los contenidos de la sesión Colaborativo 1
1.16 Representación de problemas de juego por medio de una videoconferencia (Cuestionario)
6 / 18 de septiembre humano –máquina como búsqueda en un espacio
de estado. utilizando la plataforma zoom y
1.17 Definición de problemas de la IA como diapositiva de la sesión.
problemas de búsqueda en un espacio de estado. - Desarrolla ejemplos relacionados
1.18 Representación de problemas de juegos con los contenidos por medio de
humano –máquina. una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
• Del estudiante:
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• Evaluación sumativa:
El estudiante diseña algoritmos y
desarrolla programas utilizando
agentes inteligentes y búsquedas de
clasificación, a través de un trabajo
colaborativo y sube al aula virtual
USAT el archivo con la solución
propuesta desarrollado en Visual
Prolog. Es evaluado con el
cuestionario relacionado al trabajo.

7 / 24 de septiembre 1.19 Solución de problemas mediante búsqueda • Del docente:

1.20 Métodos de búsqueda ciegos e informados. - Expone los contenidos de la sesión
1.21 La función evaluadora, por medio de una videoconferencia
8 / 25 de septiembre

9 / 1 de octubre 1.22 Métodos de búsqueda ciega ó no • Del estudiante:

informados: amplitud, profundidad y no - Diseña algoritmos y desarrolla
determinístico, programas para dar solución a los
10 / 2 de octubre 1.23 Métodos que usan información adicional:
primero el mejor, ascenso a la colina, A*, ejercicios propuestos utilizando en
ramificación y acotación. lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• Del docente:
- Expone los contenidos de la sesión
por medio de una videoconferencia
utilizando la plataforma zoom y
diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.

8 de octubre FERIADO 8 DE OCTUBRE (00:01 - 23:59)

11 / 9 de octubre 1.24 Métodos de búsqueda para juegos humano- • Del docente: • Trabajo de
máquina. - Expone los contenidos de la sesión Laboratorio 1
1.25 Algoritmo de juego humano –máquina. por medio de una videoconferencia (Resolución de
1.26 Estrategias de juego de máquina: no
determinístico, primero el mejor, min-max y mejor utilizando la plataforma zoom y Problemas)
diferencia de utilidades. diapositiva de la sesión.
1.27 Algoritmo min-max y alfa-beta. - Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• Evaluación sumativa:
El estudiante diseña algoritmos y
desarrolla programas utilizando
algoritmos y estrategias de juego, a
través de un trabajo laboratorio y
sube al aula virtual USAT el archivo
con la solución propuesta
desarrollado en Visual Prolog. Es
evaluado con la resolución
problemas planteados.

12 / 15 de octubre 1.28 Aprendizaje automático para entrenar • Del docente:

sistemas inteligentes que permitan resolver - Expone los contenidos de la sesión
problemas generales de reconocimiento de por medio de una videoconferencia
patrones.
13 / 16 de octubre

14 / 22 de octubre 1.29 Presentación de trabajos computacionales. • Del docente: • Practica

1.30 Desarrollo de software de juegos inteligentes - Expone los contenidos de la sesión Calificada 1
basados en técnicas de búsqueda. por medio de una videoconferencia (Cuestionario)
15 / 23 de octubre utilizando la plataforma zoom y
diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• Evaluación sumativa:
El estudiante diseña algoritmos y
desarrolla programas utilizando
técnicas de búsqueda, a través de
una practica calificada y sube al aula
virtual USAT el archivo con la
solución propuesta desarrollado en
Visual Prolog. Es evaluado con el
cuestionario relacionado a la
practica.
 Unidad didáctica N° 02: Sistemas Expertos

Sesión Contenidos Actividades Evaluaciones

(N° / dd-mm)

16 / 29 de octubre 2.1 Fundamentos de sistemas expertos: Definición • Del docente:

de Sistemas Expertos. - Expone los contenidos de la sesión
2.2 Arquitectura de un sistema experto. por medio de una videoconferencia
17 / 30 de octubre 2.3 Taxonomía y aplicaciones de los sistemas
expertos. utilizando la plataforma zoom y
2.4 Requisitos para el desarrollo de sistemas diapositiva de la sesión.
expertos y ventajas del uso de sistemas expertos. - Desarrolla ejemplos relacionados
2.5 Algunos problemas basados en el con los contenidos por medio de
conocimiento. una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Diseña algoritmos y desarrolla
programas para dar solución a los
ejercicios propuestos utilizando en
lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.

18 / 5 de noviembre 2.6 Ingeniería de conocimiento: Introducción. • Del docente:

2.7 Adquisición de conocimiento. - Expone los contenidos de la sesión
2.8 La metodología CommonKADS. por medio de una videoconferencia
19 / 6 de noviembre 2.9 Diseño de Sistemas Expertos (SE).
2.10 Ciclo de vida de un SE. utilizando la plataforma zoom y
diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Diseña algoritmos y desarrolla
programas para dar solución a los
ejercicios propuestos utilizando en
lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.

20 / 12 de noviembre 2.11 Adquisición de Conocimiento. • Del docente: • Trabajo

2.12 Construcción de la base de hechos y base de - Expone los contenidos de la sesión Colaborativo 2
conocimiento. por medio de una videoconferencia (Cuestionario)
2.13 Estructuras de representación de
conocimientos (reglas de inferencias, frames, utilizando la plataforma zoom y
objects, redes semánticas, lógica de predicados). diapositiva de la sesión.
2.14 Tipos de sistemas expertos. - Desarrolla ejemplos relacionados
2.15 Componentes de un sistema experto. con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• Evaluación sumativa:
El estudiante diseña algoritmos y
desarrolla programas utilizando
redes semánticas, a través de un
trabajo colaborativo y sube al aula
virtual USAT el archivo con la
solución propuesta desarrollado en
Visual Prolog. Es evaluado con el
21 / 13 de noviembre

22 / 19 de noviembre 2.16 Arquitectura: Sistema experto. • Del docente:

2.17 Desarrollo de sistemas expertos basados en - Expone los contenidos de la sesión
reglas. por medio de una videoconferencia
23 / 20 de noviembre 2.18 Construcción de la base de hechos y base de
conocimiento. utilizando la plataforma zoom y
2.19 El motor de inferencia. diapositiva de la sesión.
2.20 Los métodos de encadenamiento regresivo, - Desarrolla ejemplos relacionados
progresivo y reversibilidad. con los contenidos por medio de
2.21 Técnicas de equiparación, el algoritmo RETE. una videoconferencia utilizando la
Técnicas de resolución de conflictos. plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Diseña algoritmos y desarrolla
programas para dar solución a los
ejercicios propuestos utilizando en
lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.

24 / 26 de noviembre 2.22 Calidad y validación de sistemas expertos. • Del docente:

2.23 Principales errores en el desarrollo de un - Expone los contenidos de la sesión
sistema experto. por medio de una videoconferencia
25 / 27 de noviembre 2.24 Calidad de un sistema experto.
2.25 Validación de sistemas inteligentes, métodos utilizando la plataforma zoom y
cuantitativos de validación. diapositiva de la sesión.
2.26 Eficiencia y error de sistemas expertos. - Desarrolla ejemplos relacionados
2.27 Revisión de la funcionalidad del SE. con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Diseña algoritmos y desarrolla
programas para dar solución a los
ejercicios propuestos utilizando en
lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.

26 / 3 de diciembre 2.28 Introducción a Machine Learning • Del docente: • Trabajo de

(Aprendizaje Automático) y heurísticas. - Expone los contenidos de la sesión Laboratorio 2
2.29 Conceptos de aprendizaje y de machine por medio de una videoconferencia (Resolución de
learning. Sistemas experto vs machine learning.
2.30 Técnicas de aprendizaje y fases de desarrollo utilizando la plataforma zoom y Problemas)
de machine learning. diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
27 / 4 de diciembre

28 / 10 de diciembre 2.31 Técnicas heurísticas y meta-heurísticas. • Del docente:

2.32 Problemas de optimización combinatoria en - Expone los contenidos de la sesión
la industria y servicios por medio de una videoconferencia
29 / 11 de diciembre 2.33 Sistema experto basado en reglas.
utilizando la plataforma zoom y
diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Diseña algoritmos y desarrolla
programas para dar solución a los
ejercicios propuestos utilizando en
lenguajes de programación Visual
Prolog.
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.

30 / 17 de diciembre 2.34 Presentación de trabajos computacionales. • Del docente: • Practica

2.35 Desarrollo de software de juegos inteligentes - Expone los contenidos de la sesión Calificada 2
basados en sistemas expertos. Se deberá por medio de una videoconferencia (Cuestionario)
31 / 18 de diciembre presentar un informe y un software,
utilizando la plataforma zoom y
diapositiva de la sesión.
- Desarrolla ejemplos relacionados
con los contenidos por medio de
una videoconferencia utilizando la
plataforma zoom, archivos alojados
en el aula virtual USAT y diapositiva
de la sesión.
- Propone ejercicios para que
diseñen algoritmos y desarrollen
programas por medio de un taller
virtual utilizando plataforma zoom,
archivos alojados en el aula virtual
USAT y diapositiva de la sesión.
• Del estudiante:
- Formula consultas y/o
interrogantes sobre el desarrollo de
los temas tratados por
videoconferencia o por chat.
• Evaluación sumativa:
El estudiante diseña algoritmos y
desarrolla programas utilizando
sistemas expertos, a través de una
practica calificada y sube al aula
virtual USAT el archivo con la
solución propuesta desarrollado en
Python. Es evaluado con el
cuestionario relacionado a la
practica.