Transcripción

1 PROGRAMA ANALÍTICO DE LA UNIDAD DE APRENDIZAJE PROGRAMA EDUCATIVO UNIDAD DE APRENDIZAJE INGENIERÍA EN COMPUTACIÓN INTELIGENCIA COMPUTACIONAL GRUPO: 5TO SEMESTRE NIVEL EDUCATIVO: LICENCIATURA CLAVE DE LA UNIDAD DE APRENDIZAJE: LIC5233 SERIACIÓN: La(s) unidad(es) de aprendizaje que le antecede(n) son Bases de Datos, la(s) unidad(es) de aprendizaje subsecuente(s) Ninguna. PERIODO Y FECHA DE ELABORACION DEL PROGRAMA : PRIMAVERA 2014, 14 DE ENERO PROGRAMA SINTÉTICO ELABORADO POR: PÁGINA DEL CURSO: DRA. LETICIA FLORES PULIDO, FORO DEL CURSO EN FACEBOOK: CORREO ELECTRÓNICO: SOLICITAR UNIRSE AL GRUPO: ICOMPUTACIONAL aicitel.flores@gmail.com

2 HORAS TEORICAS HORAS CLASE HORAS PRÁCTICAS HORAS INDEPENDIENTES TOTAL DE HORAS POR PERIODO CRÉDITOS UBICACIÓN DE LA UNIDAD DE APRENDIZAJE: PRIMER SEMESTRE CAMPO FORMATIVO: INGENIERÍA APLICADA. PROBLEMA EJE: ES NECESARIO EL CONOCIMIENTO Y MANEJO DE LOS DIFERENTES PARADIGMAS COMPUTACIONALES DENTRO DE LOS ASPECTOS DE DISEÑO INNOVADOR, ALTERNATIVAS DE IMPLEMENTACIÓN, CONSIDERACIÓN DE FACTORES ECONÓMICOS, DE USABILIDAD Y SEGURIDAD PARA QUE EL ESTUDIANTE SEA CAPAZ DE FORMULAR SOLUCIONES DE IMPACTO SOCIAL Y QUE AL MISMO TIEMPO GENEREN CONOCIMIENTO DE FRONTERA. COMPETENCIAS ESPECIFÍCAS DEL CAMPO FORMATIVO: RECONOCER LAS OPORTUNIDADES DE APLICABILIDAD DE TECNOLOGÍAS COMPUTACIONALES PARA LA SOLUCIÓN DE PROBLEMAS. PROPÓSITO GENERAL (CONTRIBUCIÓN AL PERFIL DE EGRESO): ESTA UNIDAD DE APRENDIZAJE PERMITE QUE EL ESTUDIANTE SEA CAPAZ DE COMPRENDER E IMPLEMENTAR LOS DIFERENTES CONCEPTOS Y REPRESENTACIONES DEL CONOCIMIENTO CON TÉCNICAS DE INTELIGENCIA ARTIFICIAL CON LA INTENCIÓN DE DAR SOLUCIONES A PROBLEMAS NO TRIVIALES ASÍ COMO PROBLEMAS EN GENERAL, TANTO EN EL ÁMBITO DE LA INVESTIGACIÓN COMO EN EL ÁMBITO INDUSTRIAL.

3 BREVE DESCRIPCIÓN DE LOS CONOCIMIENTOS Y HABILIDADES A DESARROLLAR ESTE CURSO PROMUEVE QUE EL ESTUDIANTE APLIQUE LOS CONOCIMIENTOS ADQUIRIDOS PARA EL DESARROLLO DE UN PROYECTO DE INVESTIGACIÓN, Y DE ACUERDO A SU CRITERIO ELIJA LA TÉCNICA MÁS ADECUADA PARA DAR SOLUCIÓN A UN PROBLEMA ESPECÍFICO UTILIZANDO TÉCNICAS DE INTELIGENCIA ARTIFICIAL. PROPOSITOS ESPECIFICOS DE LA UNIDAD DE APRENDIZAJE APRENDIZAJE DECLARATIVO: EL ESTUDIANTE CONOCERÁ LAS DIFERENCIAS BÁSICAS ENTRE INTELIGENCIA ARTIFICIAL E INTELIGENCIA COMPUTACIONAL. APRENDIZAJE PROCEDIMENTAL: EL ESTUDIANTE ENTENDERÁ Y APLICARÁ LOS DIFERENTES MÉTODOS Y TÉCNICAS DE INTELIGENCIA ARTIFICIAL. APRENDIZAJE ACTITUDINAL Y VALORAL: EL ESTUDIANTE SERÁ REFLEXIVO, ANALÍTICO Y DESARROLLARÁ TRABAJO EN EQUIPO PARA APLICAR LOS DIFERENTES PARADIGMAS DE INTELIGENCIA COMPUTACIONAL.

4 PRIMER BLOQUE FECHAS: DE: 11 DE AGOSTO A: 11 DE SEPTIEMBRE FECHA DE LA PRIMERA EVALUACIÓN: 12 SEPTIEMBRE 1. INTELIGENCIA ARTIFICIAL 2. INGENIERÍA DEL CONOCIMIENTO 3. SISTEMAS EXPERTOS FUNDAMENTOS TEÓRICOS HORAS ESTIMADAS 20 ESTRATEGIAS DIDÁCTICAS ESTRATEGIAS DE ENSEÑANZA! Exposición! Ejercicios! Programas ESTRATEGIAS DE APRENDIZAJE RECURSOS DIDÁCTICOS ESTRATEGIAS DE EVALUACIÓN! Mapas Conceptuales! Lluvia de ideas! Actividades! Cañón! JESS! Asistencia al 80% de las clases obligatoria para presentar Parcial! Examen 35%! Exposiciones 35%! Actividades 30%.

5 SEGUNDO BLOQUE FECHAS: DE: 15 DE SEPTIEMBRE A: 15 DE OCTUBRE FECHA DE LA SEGUNDA EVALUACIÓN: 16 OCTUBRE 4. APRENDIZAJE MÁQUINA 5. ALGORITMOS C4.5 E ID3 6. REDES BAYESIANAS TÉCNICAS DE APRENDIZAJE MÁQUINA HORAS ESTIMADAS 40 ESTRATEGIAS DIDÁCTICAS ESTRATEGIAS DE ENSEÑANZA! Exposición! Ejercicios! Programas ESTRATEGIAS DE APRENDIZAJE RECURSOS DIDÁCTICOS ESTRATEGIAS DE EVALUACIÓN! Lecturas! Lluvia de ideas! Actividades! Cañón! Weka! Asistencia al 80% de las clases obligatoria para presentar Parcial! Examen 35%! Exposiciones 35%! Actividades 30%.

6 TERCER BLOQUE FECHAS: DE: 17 OCTUBRE A: 18 NOVIEMBRE FECHA DE LA TERCERA EVALUACIÓN: 21 DE NOVIEMBRE 7. REDES NEURONALES 8. ALGORITMOS GENÉTICOS 9. EVOLUCIÓN DIFERENCIAL TÉCNICAS DE INTELIGENCIA COMPUTACIONAL HORAS ESTIMADAS 20 ESTRATEGIAS DIDÁCTICAS ESTRATEGIAS DE ENSEÑANZA! Exposición! Ejercicios! Programas ESTRATEGIAS DE APRENDIZAJE RECURSOS DIDÁCTICOS ESTRATEGIAS DE EVALUACIÓN! Problemas! Lluvia de ideas! Actividades! Cañón! Matlab! Asistencia al 80% de las clases obligatoria para presentar Parcial! Examen 35%! Exposiciones 35%! Actividades 30%.

7 CRITERIOS PARA LA EVALUACION FINAL DURANTE TODO EL SEMESTRE 3 Evaluaciones Parciales 1 Evaluación Ordinaria 1 Proyecto FInal Cada actividad realizada en clase contará como parte de tu calificación. Cada elemento será tomado en cuenta para cada parcial, y cada actividad tiene un puntaje diferente, al final de cada bloque, se contabilizaran dichos puntos y dependiendo de la complejidad, los bloques podrán ser de entre 50 y 60 puntos. Al final del curso se realizará un examen ordinario para aquellas personas que no aprueben el curso y deberá tener el 80% de asistencia para tener derecho a dicho exámen. Es responsabilidad del estudiante permanecer en la universidad o cerca de la facultad hasta el último día de exámenes finales, los cuales pueden ser programados durante un periodo de 10 días hábiles después del último día de clases. Políticas de asistencia, disciplina y su impacto sobre la calificación: Para tener derecho a cada evaluación parcial se tomará en cuenta la puntualidad y la asistencia. Después de dos faltas sin justificación, se pierde derecho a la evaluación parcial. Después de 5 minutos de empezarla clase, se pierde el derecho a entrar al salón. El derecho a permanecer en clase depende del respeto hacia los demás estudiantes y hacia el docente. Recomendaciones especiales para tener un alto rendimiento a lo largo del curso: No incurrir en ausencias de clase y cumplir con todas las tareas y actividades de manera puntual, puesto que no se recibirán tareas extemporáneas por ninguna razón. Es responsabilidad del estudiante revisar regularmente (mínimo una vez a la semana) el correo otorgado al profesor. Es responsabilidad del alumno visitar regularmente el Sitio del Curso para avisos de ultima hora, detalles de tareas y aclaraciones de dudas. Es responsabilidad del estudiante revisar regularmente (mínimo una vez a la semana) el Foro de Facebook correspondiente al curso.

8 BIBLIOGRAFÍA BÁSICA: MACHINE LEARNING DE TOM MITCHEL. : Learning- Tom- M- Mitchell/dp/ /ref=sr_1_4?ie=UTF8&qid= &sr=8-4&keywords=machine+learning ECESSENTIALS OF ARTIFICIAL INTELLIGENCE DE MATTHEW GINSBERG: Artificial- Intelligence- Matt- Ginsberg/dp/ /ref=sr_1_3?ie=UTF8&qid= &sr=8-3&keywords=matt+ginsberg INTELIGENCIA ARTIFICIAL DE STUART RUSSELL Y PETER NORVING: Intelligence- Modern- Approach- 3rd/dp/ /ref=sr_1_1?s=books&ie=UTF8&qid= &sr=1-1&keywords=PETER+NORVING

9 BIBLIOGRAFÍA COMPLEMENTARIA: INTRODUCTION TO MACHINE LEARNING : WroiqEC&printsec=frontcover&dq=machine+learning&hl=es-419&sa=X&ei=lEDoU-zIAo- TyATIpYDoDA&ved=0CEoQ6AEwBg#v=onepage&q=machine%20learning&f=false DRA. LETICIA FLORES PULIDO MC. JUVENTINO MONTIEL HERNÁNDEZ NOMBRE Y FIRMA DE DOCENTE QUE REALIZA EL PROGRAMA ANALÍTICO NOMBRE Y FIRMA DEL COORDINADOR DE LA CARRERA DE INGENIERÍA EN COMPUTACIÓN.