INTELIGENCIA ARTIFICIAL 2016

INTELIGENCIA ARTIFICIAL

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: 205007 – Investigación Operativa I

Semestre académico: 2016-1

Profesor: Hugo Vega
Sílabo del Curso:

2. SUMILLA

La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios. Representación del conocimiento. Representación de problemas de IA como búsqueda en el espacio de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes hombre-máquina. Sistemas expertos, arquitectura, taxonomía y aplicaciones. Motor de Inferencia. Ingeniería de conocimiento, conceptos, evolución, Metodología CommonKADS. Calidad y Validación de Sistemas Expertos, Introducción a Machine Learning (Aprendizaje Automático) y heurísticas.

3. OBJETIVO GENERAL

Los estudiantes adquirirán conocimientos del área de Inteligencia Artificial en general y desarrollarán aspectos básicos en el desarrollo de juegos inteligentes y de sistemas expertos, y su aplicación en la resolución de problemas inteligentes en los sectores de la industria y de servicios.

4. OBJETIVOS ESPECÍFICOS

Al terminar el curso el alumno será capaz de:

Comprender que es la Inteligencia Artificial y la complejidad de sus problemas.
Representar y resolver problemas de juego humano - máquina a través de técnicas de búsqueda en un espacio de estado.
Conocer las diferentes estrategias de búsqueda a ciegas e informados.
Diseñar y desarrollar software de juegos inteligentes con interacción hombre-máquina y que usen técnicas de inteligencia artificial.
Comprender qué son los sistemas expertos y saber cuándo usarlos.
Conocer que es la Ingeniería de Conocimiento y un método para el desarrollo de sistemas basados en el conocimiento.
Evaluar la calidad de la solución de sistemas expertos.
Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencias (métodos de encadenamiento), considerando criterios de calidad.
Conocer los conceptos de machine learning y de heurísticas, su importancia y sus aplicaciones en la industria y servicios.

5. CONTENIDO ANALÍTICO POR SEMANAS

SEMANA	CONTENIDO	TEORÍA	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 N°1 Agente Inteligente	Sensores Electrónicos Ejercicios
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 N°2 Sistema Inteligente	Sistemas Inteligentes Ejercicios con Listas
3° y 4°	Representación de Problemas de juego humano – Máquina de búsqueda de Como miembro En un espacio de estado. * Definición de Problemas de la IA de Como Problemas de búsqueda En un espacio de estado. * Representación de Problemas de juegos humano – Máquina.	Clase N°4	Sistema Inteligente (Ejemplo) Ejercicios con Recursividad
5°	Representación de problemas de juego humano – máquina como búsqueda en un espacio de estado * Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. * Representación de problemas de juegos humano – máquina	Clase N°5	Búsqueda Profundidad - Amplitud Ejercicios de laboratorio(puntos )
6°	Métodos de búsqueda informados * La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.	Clase N°6	Metodos de Busqueda
7°	Métodos de búsqueda para juegos humano-máquina * 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 N°7	Juego Lisp
8°	Examen Parcial	Examen Parcial	Solución del Examen Parcial Resúmenes (Inteligencia Artificial y Inteligencia Artificial Simbólica)
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 N°9	Juego Lisp
10°	Ingeniería de conocimiento * Introducción. * Adquisición de conocimiento. * La metodología CommonKADS. * Diseño de Sistemas Expertos (SE). * Ciclo de vida de un SE.	Clase N°10	Paraderos
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, ontologías, metadatos, thesaurus).	Clase N°11	Arbol Genealogico / Prolog
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 N°12	Paradero Nuevo
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 cuantitativos de validación. * Eficiencia y error de sistemas expertos. * Revisión de la funcionalidad del SE del 2do trabajo.	Clase N°13	Arbol con descendientes (RECURSIVIDAD)
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 N°14	Paradero Mejorado (recursividad)
15°	Presentación de trabajos computacionales * Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. * Los alumnos presentarán un informe y un software.	Código del Proyecto	Demostración Video
16°	EXAMEN FINAL	Examen Final	Solución del Examen Final
17°	EXAMEN SUSTITURIO	Editar	Editar

6. LABORATORIO

Durante las sesiones de laboratorio se desarrollarán la programación básica en un lenguaje de inteligencia artificial sea LIPS (o una variante de ella) o CLIPS y esta se orientará al desarrollo de sistemas expertos basados en reglas. También en las sesiones de laboratorio se podrá evaluar el avance de los trabajos.

7. METODOLOGÍA

El curso se desarrolla a través de actividades teórico – prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos de 3 desarrollarán dos trabajos computacionales. Durante las sesiones de teoría se discutirán la resolución de problemas propuestos. Durante las sesiones de laboratorio se evaluará el avance de los trabajos computacionales y el proceso de aprendizaje de un lenguaje de inteligencia artificial.

8. EVALUACIÓN

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

PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*(EA +EB)

Donde:

CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)

TB1: Trabajo Grupal (Juegos Inteligentes Hombre – 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 examenes. Solo serán evaluados los alumno que presentan 70% o más de asistencia.

9. BIBLIOGRAFIA

[1]. STUART, RUSSELL; PETER, NORVIG – 1996 Inteligencia artificial, un enfoque moderno. 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 – 2000 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

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

[10]. PINO, GOMEZ, DE ABAJO – 2001 Sistemas expertos, redes neuronales artificiales y computacion evolutiva. Ed. Univ de Oviedo ISBN 84-8317-249-6

[11]. ALVAREZ MUÑARRIZ, LUIS – 1994 Fundamentos de Inteligencia Artificial Ed. EDITUM ISBN 84-7684-563-4

[12]. FEDOR DE DIEGO, ALICIA – 1995 Terminologia Teria y Practica Ed. EQUINOCCIO ISBN 980-237-096-7

INTELIGENCIA ARTIFICIAL 2016 - I

miércoles, 30 de marzo de 2016

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.

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.

Representación de Problemas de juego humano – Máquina de búsqueda de Como miembro En un espacio de estado.

* Definición de Problemas de la IA de Como Problemas de búsqueda En un espacio de estado.
* Representación de Problemas de juegos humano – Máquina.

5°

Representación de problemas de juego humano – máquina como búsqueda en un espacio de estado

* Definición de problemas de la IA como problemas de búsqueda en un espacio de estado.
* Representación de problemas de juegos humano – máquina

Métodos de búsqueda informados

* La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.

Métodos de búsqueda para juegos humano-máquina

* 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.

Ingeniería de conocimiento

* Introducción.
* Adquisición de conocimiento.
* La metodología CommonKADS.
* Diseño de Sistemas Expertos (SE).
* Ciclo de vida de un SE.

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, ontologías, metadatos, thesaurus).

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.

Presentación de trabajos computacionales

* Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio.
* Los alumnos presentarán un informe y un software.

No hay comentarios.:

Publicar un comentario

miércoles, 30 de marzo de 2016

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.

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.

Representación de Problemas de juego humano – Máquina de búsqueda de Como miembro En un espacio de estado. * Definición de Problemas de la IA de Como Problemas de búsqueda En un espacio de estado. * Representación de Problemas de juegos humano – Máquina.

5°

Representación de problemas de juego humano – máquina como búsqueda en un espacio de estado * Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. * Representación de problemas de juegos humano – máquina

Métodos de búsqueda informados * La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.

Métodos de búsqueda para juegos humano-máquina * 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.

Ingeniería de conocimiento * Introducción. * Adquisición de conocimiento. * La metodología CommonKADS. * Diseño de Sistemas Expertos (SE). * Ciclo de vida de un SE.

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, ontologías, metadatos, thesaurus).

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.

Presentación de trabajos computacionales * Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. * Los alumnos presentarán un informe y un software.