Código y Nombre de la Asignatura: ELP 8012 - INTELIGENCIA ARTIFICIAL |
División Académica:
División de Ingenierías
Departamento Académico: Dpto. Ingeniería de Sistemas Número de créditos: Intensidad horaria (semanal para nivel pregrado y total para nivel postgrado): 3.000 Horas de Teoría 0.000 Horas de Laboratorio Niveles: Educación Superior Pregrado Tipos de Horario: Teoría En este curso se estudian los conceptos fundamentales relacionados Inteligencia Artificial, y su aplicación en áreas como: búsquedas, problemas de satisfacción de restricciones, juegos, y aprendizaje de máquina. Esta asignatura parte de la definición de IA y de la idea de Agente Inteligente, luego se analiza la solución de problemas mediante búsqueda, se estudia la manera de estudiar y resolver problemas de satisfacción de restricciones, aplicación de algoritmos mini max y poda alfa-beta a problemas de juegos, se presentan técnicas de inferencia lógica partiendo de tablas de verdad, se presentan los algoritmos genéticos como método de optimización, y finalmente se presentan los fundamentos de redes neuronales artificiales e inferencia difusa. 3. JUSTIFICACIÓN Los sistemas inteligentes se encuentran presentes en muchos aspectos de la vida profesional del ingeniero. Por tal razón, es importante que el estudiante conozca los fundamentos para el diseño e implementación de agentes inteligentes. 4. OBJETIVOS OBJETIVO GENERAL: Al finalizar este curso el estudiante debe estar en capacidad de generar soluciones basadas en Agentes Inteligentes a problemas básicos de Inteligencia Artificial. OBJETIVOS ESPECÍFICOS: Al finalizar esta asignatura el estudiante debe ser capaz de: Explicar los conceptos relacionados con Agentes Inteligentes Explicar y aplicar los métodos para representación del conocimiento y formas de aplicar dicho conocimiento para razonar de forma lógica Explicar los conceptos fundamentales relacionados con redes neuronales Diseñar e implementar redes neuronales con alimentación hacia delante 5. OUTCOMES Explicar los conceptos relacionados con Agentes Inteligentes. Diseñar agentes inteligentes partiendo de una representación formal del entorno del agente y de la función que el agente debe cumplir dentro de su entorno. Diseñar e implementar Agentes Inteligentes para: Resolver problemas mediante búsqueda, Resolver problemas de satisfacción de restricciones, Resolver problemas de juegos, Resolver problemas basados en lógica proposicional, Resolver problemas basados en lógica de primer orden. Explicar los conceptos fundamentales relacionados con Redes Neuronales Artificiales. Explicar los conceptos fundamentales relacionados con Algoritmos Genéticos. Explicar los conceptos fundamentales relacionados con Sistemas de Inferencia Difusa. 6. METODOLOGÍA Los procedimientos a seguir para obtener los objetivos previamente señalados son: Clases magistrales por parte del profesor con ayuda de audiovisuales. Trabajos en grupo y exposiciones por parte de los estudiantes. Lecturas dirigidas sobre temas afines y artículos de revistas especializadas. Desarrollo de prácticas grupales sobre los conceptos desarrollados. Consultas en libros y manuales sobre tópicos relacionados con conceptos donde se apliquen los temas desarrollados. 7. MEDIOS Para el desarrollo de las clases se utiliza: tablero, acetatos y equipos computacionales con CD ROM, tarjetas de red y memorias USB. Para las prácticas se utilizará: Lenguajes de programación (Python) Programas para resolver modelos matemáticos (SciLab, Matlab, NumPy, SciPy, Octave) Kits de robots (Lego Mindstorms) 8. CONTENIDO Introducción Agentes Inteligentes Solución de problemas mediante Búsqueda Búsqueda Informada y Exploración Problemas de Satisfacción de Restricciones Juegos Agentes Lógicos Lógica de primer orden Inferencia en lógica de primer orden Representación del conocimiento Algoritmos Genéticos Redes neuronales (Neural Networks) Sistemas de Inferencia Difusa (Fuzzy Inference Systems) 9. EVALUACIÓN EVALUACION % FECHA Parcial (PAR) 33 8ª. Semana Proyecto y otras actividades parte 1 (quices, talleres y participaciones en clase) (PYO1) 17 Este porcentaje de evaluación de tomará en el transcurso del semestre Proyecto y otras actividades parte 2 (quices, talleres y participaciones en clase) (PYO2) 17 Este porcentaje de evaluación de tomará en el transcurso del semestre Examen Final (EF) 33 La determina la Oficina de Registro Salidas del Curso (COs) Competencias adquiridas Dominio Coginitivo Conocimiento Comprensión Aplicación Análisis Diseño Evaluación 10. BIBLIOGRAFÍA Texto guía RUSSELL, Stuart J. y NORVIG, Peter. Inteligencia Artificial: Un Enfoque Moderno. Segunda Edición. Pearson Prentice Hall. 2004. Otras referencias MITCHELL, Tom M. Machine Learning. McGraw Hill. 1997. PALMA, José T., MARÍN, R. Inteligencia Artificial. McGraw Hill. 2008. NPTEL National Programme On Technology Enhanced Learning Computer Science and Engineering Artificial Intelligence (IIT Kharagpur) MIT OPEN COURSEWARE Engineering Electrical Engineering and Computer Science Undergraduate Courses Artificial Intelligence Spring 2005 http://ocw.mit.edu/courses/electrical engineering and-computer science/6 034 artificial Intelligence spring 2005/ Artículos publicados en Revistas internacionales que se encuentran en los recursos electrónicos ofrecidos por la Biblioteca de la Universidad del Norte. |
Regresar a Anterior | Nueva búsqueda |