PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR Facultad de Ingeniería Escuela de Sistemas

Transcripción

1 1. DATOS INFORMATIVOS: MATERIA: INTELIGENCIA ARTIFICIAL I CÓDIGO: CARRERA: Ingeniería de Sistemas NIVEL: 5to. No. CRÉDITOS: 4 créditos CRÉDITOS TEORÍA: 2 créditos SEMESTRE ACADÉMICO: Primer Semestre CRÉDITOS PRÁCTICA: 2 créditos PROFESOR: Catherine Infantes Mantilla, Ingeniera en Sistemas Computacionales, Máster en Planificación y Dirección Estratégica Líneas de actividad académica: Inteligencia Artificial, Ingeniería del Conocimiento, Gestión por procesos, Planificación Estratégica. 17h00 21h00 ciminfantes@hotmail.com Cel DESCRIPCIÓN DE LA MATERIA: Acogiendo el concepto de Inteligencia Artificial y el perfil profesional al que se orienta el ingeniero de Sistemas e Informática, el presente curso concentrará sus estudios en los conceptos y fundamentaciones que permiten simular el proceso de pensar que ejecuta el ser humano en un computador y expondrá los conceptos básicos que utiliza la Inteligencia Artificial para el desarrollo de sus técnicas de simulación, los mismos que serán implementados a través de una herramienta informática en la asignatura Inteligencia Artificial II del siguiente nivel. 3. OBJETIVO GENERAL: Determinar los conceptos fundamentales de la Inteligencia Artificial, así como definir los procesos básicos que involucra la aplicación de los mismos para identificar su utilidad dentro del desarrollo de sistemas informáticos. 4. OBJETIVOS ESPECÍFICOS: Identificar los fundamentos teóricos de la Inteligencia Artificial. Definir los problemas basados en razonamiento y aprendizaje. Determinar métodos de búsqueda para la resolución de problemas. Diferenciar el conocimiento cierto del conocimiento incierto. Aplicar técnicas de resolución de problemas basados en conocimientos bajo incertidumbre. Identificar técnicas de procesamiento y generación del conocimiento para la resolución de problemas. Inteligencia Artificial I 1 / 8

2 5. CONTENIDOS Ord. Unidad Objetivo Contenido 1 INTRODUCCIÓN Revisar los conceptos básicos de Inteligencia Artificial y la aplicación de cada una de las áreas de estudio. Definición de conceptos. Áreas de estudio de la IA. Métodos y técnicas de aplicación de la IA. 2 AGENTES INTELIGENTES Determinar las funciones de un agente inteligente, cómo se relaciona éste con su medio, cómo se evalúa. 3 SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA 4 5 SISTEMAS BASADOS EN CONOCIMIENTOS SISTEMAS EXPERTO 6 INTRODUCCIÓN A REDES NEURONALES Determinar los algoritmos de búsqueda óptimos que permitan solucionar problemas definidos previamente. Representación de datos inciertos a través de técnicas de incertidumbre. Aplicar las técnicas de representación del conocimiento y de razonamiento lógico en la resolución de problemas. Identificar y plantear las bases teóricas para la aplicación de redes neuronales en el desarrollo de problemas reales. Introducción Estructura de los agentes inteligentes. Ambientes. Agentes que resuelven problemas. Formulación de problemas. Conocimientos y tipos de problemas. Problemas de ejemplo, de juego, reales. Búsqueda de soluciones. Estrategias de búsqueda. Búsqueda preferente por amplitud. Búsqueda preferente por profundidad. Búsqueda por profundización iterativa. Funciones heurística. Búsqueda A* Algoritmos de mejoramiento iterativos. Introducción al razonamiento no monótono. Lógicas para razonamientos no monótonos. Implementación de algoritmos de búsqueda para razonamiento no monótono. Razonamiento estadístico. Técnicas de administración de incertidumbre bajo razonamiento estadístico. Redes bayesianas: inferencia, modelos, aplicaciones. Definición de los sistemas basados en conocimientos. Ciclo de desarrollo de los sistemas basados en conocimientos. Desarrollo de un sistema experto: representación razonamiento, aplicación. Aplicación del sistema con una herramienta. Definición de neuronas. Estructura de las neuronas Estructura de una red neuronal. Funciones de activación Tipos de aprendizaje para redes neuronales. Aprendizaje supervisado. Modelo referencial: Perceptrón. 6. METODOLOGÍA, RECURSOS: Ord. UNIDAD TEORÍA PEDAGÓGICA 1 INTRODUCCIÓN CONDUCTISMO AGENTES INTELIGENTES SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA OBJETIVISMO INSTRUCTIVISMO CONSTRUCTIVISTA ESTILO DE SOCIAL SITUADO SIGNIFICATIVO - SITUADO SITUADO SOCIAL METODOLOGÍA DE Se realizará una búsqueda exhaustiva de información referente a las áreas de aplicación de la inteligencia artificial y de los componentes de las mismas. Se planteará un foro de discusión a fin de que se establezcan criterios comunes Se realizará un análisis de la información obtenida sobre los agentes inteligentes y sus aplicaciones, orientando todos los conceptos a aplicaciones de sistemas informáticos. Se propone la búsqueda e identificación de varios algoritmos o técnicas de búsqueda para la resolución de problemas, luego de lo cual se realizará un análisis de cada una de ellas y se proponen ámbitos de desarrollo, orientados a sistemas informáticos. Se propone una metodología basada en el análisis crítico de cada una de las técnicas de administración de incertidumbre, resolviendo problemas orientados a sistemas informáticos, Inteligencia Artificial I 2 / 8

3 5 6 SISTEMAS BASADOS EN CONOCIMIENTOS SISTEMAS EXPERTO INTRODUCCIÓN A REDES NEURONALES CONSTRUCTIVSTA INSTRUCTIVISMO SOCIAL SITUADO utilizando el criterio del grupo de trabajo para la definición del problema inicial. Desarrollo de un Sistema de Información aplicando técnicas de inteligencia artificial, este sistema debe ser desarrollado en grupo, siguiendo el ciclo de desarrollo del software. Clase descriptiva del concepto de Redes neuronales y su aplicabilidad en la resolución de problemas, se propone un modelo computacional y un ejemplo del mismo RECURSOS: Pizarra, tiza líquida, videoproyector, computador, textos de referencia, Internet. Software a utilizar: procesador de texto, hoja de cálculo, presentador de diapositivas, diseñador de diagramas, planificador de proyectos. Inteligencia Artificial I 3 / 8

4 ASIGNATURA: INTELIGENCIA ARTIFICIAL ORGANIZACIÓN DOCENTE SEMANAL ACTIVIDADES DE INTERACCIÓN DOCENTE - ESTUDIANTES TRABAJO AUTÓNOMO DEL ESTUDIANTE SEMANA (HORAS PRESENCIALES) (HORAS NO PRESENCIALES) (1-16) N de horas de clases teóricas N de horas de clases prácticas, laboratorios, talleres N de horas de tutorías especializadas ACTIVIDADES (Descripción) N de horas EVALUACIONES TEMAS A TRATAR (N del tema, unidad, o capítulo descritos en Contenidos) 1 semana 4 2 semana Consulta sobre criterios y aplicaciones de la Inteligencia Artificial 2 Consulta sobre definiciones, clasificación y aplicaciones de Agentes Inteligentes 2 5 semana 4 Primera Evaluación CAPÍTULO No. 1 INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL CAPÍTULO No. 2 AGENTES INTELIGENTES CAPÍTULO No. 2 AGENTES INTELIGENTES CAPÍTULO No. 3 SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDAS CAPÍTULO No. 4: CAPÍTULO No. 4: CAPÍTULO No. 4: Inteligencia Artificial I 4 / 8

5 Consulta sobres las aplicaciones de Inteligencia Artificial Elaboración inicial del proyecto Segunda Evaluación CAPÍTULO No. 5 SISTEMAS BASADOS EN CONOCIMIENTOS CAPÍTULO No. 5 SISTEMAS BASADOS EN CONOCIMIENTOS CAPÍTULO No. 5 SISTEMAS BASADOS EN CONOCIMIENTOS CAPÍTULO No. 5 SISTEMAS BASADOS EN CONOCIMIENTOS CAPÍTULO No. 5: SISTEMAS EXPERTOS CAPÍTULO No. 6: INTRODUCCIÓN A LAS REDES NEURONALES 17 semana EXÁMENES FINALES PROYECTO FINAL SISTEMAS EXPERTOS / EVALUACIÓN DE REDES NEURONALES Inteligencia Artificial I 5 / 8

6 7. EVALUACIÓN: 6.1. CRONOGRAMA DE EVALUACIONES: Ord. Unidad Tipo de Evaluación Actividad Fecha Puntaje 1 INTRODUCCIÓN Sumativa y Parcial. Se considerarán como parámetros de evaluación en esta Unidad, la participación activa del estudiante en las clases, y se tomarán en cuenta los criterios emitidos y las conclusiones generadas en cada sesión DEBER: Recopilación de criterios, conceptos, clasificaciones y aplicaciones de la Inteligencia Artificial TALLER: FORO abierto sobre conceptos de Inteligencia Artificial Sumativa y parcial DEBER: Recopilación de definiciones, clasificación y aplicaciones de Agentes Inteligentes AGENTES INTELIGENTES Las características a considerar en esta Unidad para la evaluación consiste en la destreza generada y expuesta por el estudiante en la recopilación de información y síntesis de la misma TALLER: Ejercicios sobre identificación de agentes inteligentes en problemas planteados SOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA Formativa y parcial. EXPOSICIÓN: algoritmos de búsqueda En esta Unidad se pretende que el estudiante vaya recopilando información sobre los algoritmos de búsqueda de soluciones, luego realice un análisis de los algoritmos elaborados y desarrolle una propuesta clara con algoritmos bien definidos, por lo que, la evaluación se basará en la capacidad de análisis, de síntesis y de concordancia entre lo estudiado y lo propuesto como solución. TALLER: En cada exposición se realizaran ejercicios de aplicación de los algoritmos de búsqueda EVALUACIÓN DEL PRIMER BIMESTRE Formativa y parcial. TALLER: Identificación de certidumbre y grados de verdad de los conocimientos RAZONAMIENTO BAJO Las características básicas en esta unidad para la evaluación del aprendizaje se fundamentan en el tipo de solución propuesta, específicamente en lo creativas y novedosas que puedan ser. DEBER: Ejercicios de aplicación Sumativa y parcial TALLER: Representación del Conocimiento SISTEMAS BASADOS EN CONOCIMIENTOS SISTEMAS EXPERTO En consideración a los contenidos revisados hasta este momento en el curso y de la información levantada, se solicitará la elaboración de un prototipo de sistema, utilizando una herramienta de desarrollo de sistema experto. Esta actividad se desarrollará en grupos. DEBER: Identificación de aplicaciones de Inteligencia Artificial para resolución de problemas Informe sobre propuesta de proyecto EVALUACIÓN DEL SEGUNDO BIMESTRE SISTEMAS EXPERTOS Presentación de avances de proyecto (al menos 2). Desarrollo de un sistema Inteligencia Artificial 6 / 8

7 experto Formativa y parcial TALLER: Ejercicios de aplicación de modelos de redes neuronales INTRODUCCIÓN A REDES NEURONALES Se elaborarán criterios en el foro y conjuntamente con las lecturas propuestas se deberán identificar modelos de solución utilizando esta técnica. Presentación de avances de proyecto (Al menos 2). Desarrollo de la resolución de un problema utilizando redes neuronales Presentación de trabajo final de redes neuronales Presentación del proyecto de sistemas expertos Evaluación final SISTEMA DE CALIFICACIÓN Se considerará la evaluación en tres bimestres: a. Primer Bimestre sobre 15 puntos. De los cuales 8 puntos corresponderán a todas las actividades a realizarse en clase, 3 puntos corresponderán a las exposiciones realizadas; y, 4 puntos a una evaluación de los conocimientos al final del bimestre. b. Segundo Bimestre sobre 15 puntos. De los cuales 8 puntos corresponderán a todas las actividades a realizarse en clase y deberes, 3 puntos corresponderán a la presentación de avances del trabajo que se enviará sobre sistemas expertos; y, 4 puntos a una evaluación de los conocimientos al final del bimestre. c. Tercer Bimestre sobre 20 puntos. De los cuales 6 puntos corresponderán a todas las actividades y sobre los avances de los proyectos propuestos, 8 puntos corresponderán a los proyectos solicitados; 2 puntos corresponderán a los trabajos realizados en clases; y, 4 puntos a una evaluación de los conocimientos al final del bimestre. Los talleres, trabajos y proyectos deberán ser ejecutados en grupos de no más de 3 estudiantes, y las pruebas serán realizadas de igual forma. Todos los talleres, trabajos, proyectos y exámenes serán calificados sobre 10 puntos, luego de lo cual se realizarán las ponderaciones correspondientes FECHA DE ENTREGA DE CALIFICACIONES EN SECRETARÍA PRIMER BIMESTRE: 21 de Septiembre de 2009 SEGUNDO BIMESTRE: 9 de noviembre de 2009 NOTAS FINALES: 21 de diciembre de 2009 Inteligencia Artificial 7 / 8

8 8. BIBLIOGRAFÍA: Textos de Referencia: INTELIGENCIA ARTIFICIAL: Un enfoque moderno, Rusell Norvig, editorial Pearson Education. INTELIGENCIA ARTIFICIAL, segunda edición, Elaine Rich y Kevin Knight. Textos Recomendados: ARTIFICIAL INTELLIGENCE, Nillsen. Aprobado: Por el Consejo de Escuela f) Director de Escuela fecha: Por el Consejo de Facultad f) Decano fecha: Inteligencia Artificial 8 / 8