ESCUELA SUPERIOR POLITECNICA DEL LITORAL FIECW

Transcripción

1 FIECW INTELIGENCIA ARTIFICIAL UNIDAD ACADÉMICA: Facultad de Ingeniería en Electricidad y Computación CARRERA: Ingeniería en Computación ESPECIALIZACIÓN: Sistemas Tecnológicos, Sistemas de Información y Sistemas Multimedia ÁREA: Computación TIPO DE MATERIA: EJE DE FORMACIÓN: TEÓRICA X PRÁCTICA Profesional 1. NOMBRE DE LA ASIGNATURA CÓDIGO: MATERIA: FIECO3459 INTELIGENCIA ARTIFICIAL PRE-REQUISITOS FIEC01552 Lenguajes de Programación CO-REQUISITOS EQUIVALENTE A: CONVALIDA CON: CRÉDITOS/HORAS/SEMANALES TEÓRICOS: 4 PRÁCTICOS: PROFESOR RESPONSABLE ENRIQUE PELÁEZ Ph.D. 2. OBJETIVOS Utilizar la inteligencia artificial como una herramienta de análisis y solución de problemas. Definir e identificar los diferentes métodos de representación del conocimiento. Desarrollar, justificar y utilizar los formalismos de representación del conocimiento. Seleccionar algoritmos de búsqueda y razonamiento de acuerdo a la aplicación y problema a resolver, Emplear los mecanismos artificiales, procedimientos y métodos de razonamiento

2 aprendidos en clase y en el desarrollo de proyectos. 3. PROGRAMA RESUMIDO Fundamentos de la 1A Técnicas para la solución de problemas en IA, y sus etapas de desarrollo Representación del Conocimiento Inferencia y razonamiento artificiales El proceso de razonamiento artificial Sistemas de producción Sistemas basados en conocimiento Aprendizaje artificial Redes Neuronales Algoritmos Genéticos 4. PROGRAMA DETALLADO I. Fundamentos de la IA (2 sesiones: 4 horas) Creando la comunidad de aprendizaje, políticas del curso, agenda y cronograma (sesión 1) Introducción a la IA, definiciones e historia (sesión 2) II. Técnicas para la solución de problemas en IA, y sus etapas de desarrollo (6 sesiones: 12 horas) Búsqueda conducida por objetivos y por datos (sesión 3) Búsqueda a ciegas (sesión 3) Generar y Probar (sesión 3) Búsqueda Primero a lo Ancho (sesión 4) 3. Búsqueda Primero a lo Profundo (sesión 4) iii. Búsqueda heurística (sesión 5) Hill climbing (sesión 5) Recocido Simulado (sesión 6) Primero el Mejor (sesión 6) Algoritmos tipo A y A* (sesión 7)

3 Teorema de Admisibilidad (sesión 7) Gráfos And Or (sesión 8) vi. Algoritmo de Bactrack (sesión 8) III. Representación del Conocimiento (3 sesiones: 6 horas) Lógica y Cálculo Proposicional (sesión 9) Predicados (sesión 9) Cálculo de predicados de Primer Orden (sesión 10) Semántica en el cálculo de predicados (sesión 10) Aplicaciones (sesión 10) Otros métodos de representación de conocimiento (sesión 1 1) vii. Redes semánticas, frames, reglas (sesión 11) viii. Comparación de los métodos de representación (sesión 11) IV. Inferencia y razonamiento (2 sesiones: 4 horas) Unificación (sesión 12) Reglas de inferencia (sesión 12) I. Modus Ponens (sesión 12) Modus Tolens (sesión 12) Eliminación tipo AND (sesión 12) Introducción tipo AND (sesión 12) Universal Instantiation (sesión 12) 6. Existencial Instantiation (sesión 12) iii. Aplicaciones (sesión 13) V. El proceso de razonamiento artificial (7 sesiones: 14 horas) Teorema de resolución (sesión 14) Aplicación (sesión 14) Conversión de predicados a cláusulas (sesión 15) Extracción del resultado en el proceso de resolución y refutación (sesión 15) v. Manejo de incertidumbre (sesión 16) Teoría de certeza (sesión 16) Factores de Confidencia (sesión 16) 3. Inexactitud (sesión 16)

4 4. Métodos probabilísticos: Clásico, Bayes (sesión 17) Lógica Difusa (sesión 18) 1. Conjuntos difusos, variables y modificadores lingüísticos (sesión 19) Mapas Cognitivos (sesión 20) VI. Sistemas de producción (1 sesión: 2 horas) Representación mediante reglas de producción (sesión 21) Sistemas expertos basados en reglas, ventajas y desventajas (sesión 21) VII. Sistemas basados en conocimiento (3 sesiones: 6 horas) Introducción a los sistemas expertos, su caracterización y estructura (sesión 22 y sesión 23) Ciclo de desarrollo de sistemas inteligentes (sesión 24) VIII. Redes Neuronales (2 sesiones: 4 horas) Machine Learning: Redes neuronales (sesión 25) Las redes neuronales biológicas (sesión 25) Red neuronal artificial, el Perceptron (sesión 25) Funciones de transferencia (sesión 25) Topologías de las redes neuronales (sesión 26) Aprendizaje (sesión 26) Uso de las Redes Neuronales (sesión 26) Aplicaciones (sesión 26) IX. Algoritmos Genéticos (2 sesiones: 4 horas) Breve Historia (sesión 27) Procesos evolutivos (sesión 27) Qué son los algoritmos genéticos y cómo funcionan? (sesión 27) Estructura algorítmica, conceptos básicos (sesión 27) Métodos de representación (sesión 27) Métodos de selección de individuos (sesión 28) Métodos de intercambio (sesión 28) Ventajas y limitaciones (sesión 28) ix. Aplicaciones (sesión 28)

5 5. TEXTO GUÍA Artificial Intelligence Structures and Strategies for Complex Problem Solving, Quinta Edición, George F. Luger. Addison Wesley, BIBLIOGRAFÍA Logical Foundations of Artificial Intelligence. Michael R. Genesereth & Nils J. Nilson, Morgan Kaufmann Publishers, Inc., 2003 Knowledge Engineering Vol. I Fundamentals. Representation of Knowledge. W. Bibel, J. Schneeberger & E. Elver, McGraw-Hill Inc., Notas y Papers recientes DECANO N\ 0 7. VISADO SECRETARIO ACADÉMICO FACULTAD 1P -41 STA 11 M ed ;17?;G: tecnico ACADEM '7 14,,,. ihlir 4' ' F ' lag VII.-- ~ 41&.-. jelkt uaillib Ing. Gustavo Bermúdez F. ' : -.1 or Caicedo G. Ing. ashington edina Firma Firma Firma ORAL...- ira Cu FECHA: 31/04- f 2-DO 2) FECHA. (2)...5 (0-) ( 2LX)a. FECHA: i9/0(2, 2COS 8. VIGENCIA DEL PROGRAMA RESOLUCIÓN COMISIÓN ACADÉMICA: CAc G1002-1