Inteligencia Artificial

Transcripción

1 1 Ficha de Identificación 1.1 Código y Nombre del Curso 1.2 Unidad Académica Responsable del Curso 1.3 Ubicación curricular Universidad del Magdalena Vicerrectoría de Docencia Inteligencia Artificial Programa de Ingeniería de Sistemas Componente Curricular Pre-Requisitos Co-Requisitos Algoritmos y Programación 1.4 Créditos Académicos Estadísticas, Estructuras de Datos, Lenguajes de Programación Créditos HAD HTI Proporción HAD:HTI :2 1.5 Descripción resumida del curso El curso desarrollara las temáticas referentes a la generalidades de inteligencia artificial, resolución de problemas con inteligencia artificial, Procedimientos de búsqueda, Trabajos investigativos utilizando técnicas de inteligencia artificial y Aprendizaje computacional. 1.6 Elaboración, Revisión y Aprobación Elaboró Revisó Aprobó Idanis Diaz Página 1 de 5

2 2 Justificación La Inteligencia Artificial puede ser tratada como subdisciplina de la informática que realiza tareas donde se supone necesaria la Inteligencia Humana. Para tal fin se ha acudido a procedimientos que se rigen bajo las leyes de la lógica y que han permitido a través de la historia obtener una comprensión de la Inteligencia Humana; ha sido necesario, además, establecer formas de representación y procesamiento de información que permitan modelar procesos propios la Inteligencia Humana mediante algoritmos que puedan ser implementados en los computadores existentes. La Inteligencia Artificial persigue básicamente dos objetivos: Desde el punto de vista científico, simular los procesos que son análogos al razonamiento humano, y desde el punto de vista de su aplicación en la ingeniería, lograr que las computadoras hagan cosas que hasta el momento solo hace muy bien el hombre, de tal forma que al implementarlas en una máquina, puedan ser desarrolladas con mayor eficiencia. Así pues, la Inteligencia Artificial ha permitido que hoy día se puedan realizar actividades que hasta hace un tiempo se consideraban imposibles de llevar a cabo mediante una máquina, tales como lograr que un vehículo terrestre sea capaz de movilizarse sin la intervención humana, realizar el proceso simultaneo de diferentes tareas en una planta de construcción automotriz, apoyar a un geólogo en la determinación del nivel de erosión de un terreno, permitir que una máquina sea autónoma en su actuar en la realización de una determinada actividad, o diagnosticar patologías junto con la formulación del tratamiento más adecuado. 3 Competencias a Desarrollar 3.1 Competencias Genéricas El estudiante estará en la capacidad de utilizar herramientas de Inteligencia Artificial para la solución de problemas informáticos complejos, como por ejemplo: toma de decisiones, optimización, reconocimiento de patrones, planificación, entre otras. 3.2 Competencias Específicas El estudiante será capaz de Identificar problemas de la vida real en que los estudiantes puedan aplicar técnicas de Inteligencia Artificial. Competencia interpretativa. El estudiante será capaz de proponer soluciones basadas en técnicas de Inteligencia Artificial. Concientizar al estudiante de la importancia de la Inteligencia Artificial, como una rama de la ingeniería y de la ciencia. El estudiante tendrá la capacidad de comprender algunas técnicas utilizadas en IA para la solución de problemas complejos. Página 2 de 5

3 4 Contenido y Estimación de Créditos Académicos Unidades Temáticas Temas Tiempos N Nombre N Nombre 1 Generalidades de la Inteligencia Artificial 2 Técnicas de búsqueda basadas en árboles 3 Técnicas de búsqueda bioinspiradas HAD HTI T P T P Total 1.1 Objetivos de la Inteligencia Artificial Tipos de problemas que resuelve la Inteligencia Artificial Historia de la Inteligencia Artificial Problema Filosóficos Que es un problema de búsqueda Búsqueda sin información Búsqueda primero en profundidad Búsqueda primero en anchura Búsqueda primero en profundidad limitada Métodos de búsqueda con información Funciones heurísticas Primero el mejor A* Búsqueda con memoria acotada Ascenso por la colina Simmulated Annealing Algoritmos genéticos Colonias de hormigas Representación del conocimiento sin incertidumbre Esquemas de representación formales Representación del Conocimiento 4.3 Representación del Conocimiento con incertidumbre, teoría de la probabilidad y teorema de Bayes Redes Bayesianas Lógica Difusa Tipos de aprendizaje de máquinas: 5 Introducción a Aprendizaje de máquinas 5.1 supervisado, no supervisado, basado en la experiencia Total Créditos Académicos 4 5 Propuesta Metodológica Se practicaran las siguientes estrategias didácticas durante el desarrollo del curso: Clases magistrales, Mesas redondas, Seminarios, Tutorías, Prácticas de laboratorio, Estudio de casos, Talleres. Página 3 de 5

4 6 Estrategias y Criterios de Evaluación La evaluación pretende valorar cualitativa y cuantitativamente el desempeño del estudiante en su proceso de formación y en la adquisición de las competencias en sus dimensiones del ser, hacer y conocer. A continuación se presentan los criterios de desempeño que se tendrán en cuenta en el proceso de evaluación y las evidencias requeridas. 7 Recursos Educativos N Nombre Justificación 1 Guias de trabajo Guías para los laboratorios, talleres y trabajo independiente 2 Conexión a internet Los estudiantes realizaran consultas en internet 3 Proyector de Videos Para las clases se utilizan diapositivas 4 Sala de informática Para la realización de los laboratorios del curso 8 Referencias Bibliográficas 8.1 Libros y materiales impresos disponibles en la Biblioteca y Centros de Documentación de la Universidad [1] RICH, KNIGTH, Inteligencia Artificial, Mc Graw-Hill, Interamerina de España, 1994 [2] NILSSON N, Inteligencia Artificial una nueva Síntesis. Mc. Graw Hill, 2001 [3] RUSELL, NORVIG, Inteligencia Artificial, Un enfoque moderno, Prentice Hall Hispanoamericana S.A, [4] FREEMAN, SKAPURA, Redes Neuronales: Algoritmos, aplicaciones y técnicas de programación, Addison Wesley, Iberoamericana S.A., [5] NEBENDAHL D. Sistemas Expertos, parte 2: experiencia de la práctica, Marcombo S.A., Barcelona, [6] HERNANDEZ J, RAMIREZ M, FERRI C. Introducción a la Minería de Datos, Prentice Hall, España, [7] HERNANDEZ R, JESÚS. Inteligencia computacional: soluciones modernas para aplicaciones reales. Universidad Nacional de Colombia, [8] GIARRATANO, JOSEPH. RILEY, GARY. Sistemas expertos: principios y programación. International Thomson Editores, [9] BODEN, MARGARET. Inteligencia artificial y hombre natural. Tecnos, [10] WINSTON, PATRICK. Inteligencia artificial. Addison Wesley Iberoamericana, [11] TRILLAS, ENRIC. La inteligencia artificial: maquinas y personas. Debate, [12] AUBERT, JEAN. SCHOMBERG, RICHARD. Inteligencia artificial. Paraninfo, [13] CAICEDO, EDUARDO. LÓPEZ, JESÚS. Una aproximación práctica a las redes neuronales artificiales. Universidad del Valle, [14] TRILLAS, ENRIC. GUTIERREZ, JULIO. Aplicaciones de la lógica borrosa. Consejo Superior de Investigaciones Científicas, [15] PAJARES, GONZALO. SANTOS, MATILDE. Inteligencia artificial e ingeniería del conocimiento. Alfaomega, [16] OVALLE, DEMETRIO. CAÑON, JAIRO. Fundamentos metodológicos de sistemas inteligentes para la solución de problemas complejos en ingeniería. Universidad Nacional de Colombia, [17] BECERRA, NELSON. Técnicas de inteligencia en juegos. Universidad Distrital Francisco José de Caldas, [18] BRICEÑO, CARLOS. Redes neuronales artificiales lógica difusa geometría de fractales. Cenicaña, [19] BAUER, KLAUSS. BUTEL, IRMGARD. EBERHARD, LUTZ. Expert systems: introduction to the technology and applications. Siemens, [20] MARTIN DEL BRIO, BONIFACIO. SANZ, ALFREDO. Redes neuronales y sistemas difusos. Alfaomega, Página 4 de 5

5 8.2 Libros y materiales digitales disponibles en la Biblioteca y Centros de Documentación de la Universidad 8.3 Documentos y Sitios Web de acceso abierto a través de Internet 8.4 Otros Libros, Materiales y Documentos Digitales Página 5 de 5