PROFESIONALES [PRESENCIAL]

Transcripción

1 SILABO POR ASIGNATURA 1. INFORMACION GENERAL Coordinador: SAQUICELA GALARZA VICTOR Facultad(es): [FACULTAD DE INGENIERÍA] Escuela: [ESCUELA DE INFORMÁTICA] Carrera(s): Denominación de la asignatura: Código de la asignatura: Período académico: Eje de formación: Modalidad: Número de créditos: [INGENIERIA DE SISTEMAS] FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL (SISTEMAS MALLA 2013) - GRUPO: SEPTIEMBRE 2016-FEBRERO 2017 PROFESIONALES [PRESENCIAL] 4 Profesor(es) Responsable(s): [SAQUICELA GALARZA VICTOR HUGO(victor.saquicela@ucuenca.edu.ec)] 2. DESCRIPCION DE LA ASIGNATURA El objetivo de esta asignatura es que el alumno conozca la historia, metodología, técnicas y fundamentos de la inteligencia artificial. Para lograr esto, la asignatura se centra en los métodos de búsqueda, representación del conocimiento y el aprendizaje máquina. 3. CONOCIMIENTOS NECESARIOS PRE-REQUISITOS: asignaturas que deben ser aprobadas con anterioridad ASIGNATURA CARRERA MALLA LENGUAJES DE PROGRAMACION (SISTEMAS MALLA 2013) INGENIERIA DE SISTEMAS MALLA MODERNA SISTEMAS PROBABILIDAD Y ESTADISTICA INGENIERIA DE SISTEMAS MALLA MODERNA SISTEMAS OBJETIVO(S) DE LA ASIGNATURA Los objetivos expresan los avances que los estudiantes alcanzarán en la asignatura. Deben formularse en función del aprendizaje del estudiante y sustentados en los perfiles de egreso y Pág. 1

2 Los objetivos expresan los avances que los estudiantes alcanzarán en la asignatura. Deben formularse en función del aprendizaje del estudiante y sustentados en los perfiles de egreso y Conocimiento y aplicación de los principios fundamentales y técnicas básicas de la Inteligencia Artificial y su aplicación práctica. Identificación de áreas de aplicación de las diferentes técnicas de inteligencia artificial. Evaluar y utilizar estructuras de datos mas adecuadas a la resolución de problemas para el diseño de sistemas informáticos inteligentes. 5. RESULTADOS ESPECIFICOS DE LA ASIGNATURA RESULTADOS ESPECIFICOS Al término de la asignatura, el estudiante: general de lo que es la inteligencia artificial INDICADORES Rasgos visibles y medibles que evidencien la presencia o alcance de los resultados del aprendizaje. de IA, sistemas inteligentes y las diferentes estrategias de la IA ACTIVIDADES DE EVALUACION Situaciones, actividades o tareas y el tipo de instrumentos que se va a utilizar para evaluar los resultados de aprendizaje. - Conoce la historia de la inteligencia artificial Aplica búsqueda en un espacio de estados a la resolución de problemas. - Define un problema en un espacio de estados y su resolución mediante estrategias de búsqueda. - Realiza una planificación básica para abordar la resolución del problema, planificación que incluye la selección del algoritmo apropiado general de la representación del conocimiento de representación del conocimiento general de técnicas de razonamiento sobre la representación del conocimiento Analiza y diseña sistemas empleando redes neuronales razonamiento sobre el conocimiento - Identifica el modelo de red neuronal optimo para la solución de un problema - Utiliza software libre para la implementación de redes neuronales Adquiere técnicas para representar conocimiento y aplica técnicas de inferencia - Define e implementa ontologías para representar el conocimiento Pág. 2

3 RESULTADOS ESPECIFICOS Al término de la asignatura, el estudiante: INDICADORES Rasgos visibles y medibles que evidencien la presencia o alcance de los resultados del aprendizaje. - Selecciona modelos para representar ontologías ACTIVIDADES DE EVALUACION Situaciones, actividades o tareas y el tipo de instrumentos que se va a utilizar para evaluar los resultados de aprendizaje. 6. CONTENIDO DE LA ASIGNATURA 1 Introducción a la Inteligencia Artificia 1.1 La inteligencia de las máquinas 1.2 Definición de Sistema Inteligente 1.3 Visión Histórica de la IA 1.4 Futuro de la IA 2 Resolución de Problemas Mediante Búsquedas 2.1 Espacio de Estados 2.2 Estrategias de Búsqueda 2.3 Búsquedas a Ciegas 4.0 h 2.4 Búsquedas Heurísticas 4.0 h 3 Representación del Conocimiento 3.1 Base de Conocimiento: Simbólico y no Simbólico 3.2 Representación del Conocimiento: procedural, relacional y jerárquico 3.3 Revisión de la Lógica Clásica: proposicional y de predicados 3.4 Reglas, marcos, redes semánticas, logica de la incertidumbre 4.0 h 4.0 h Pág. 3

4 4 Razonando con el Conocimiento. 4.1 Razonamiento Probabilístico: teorema de bayes y redes bayesianas 4.2 Razonamiento según los distintos paradigmas de representación 4.3 Sistemas Basados en Conocimiento 4.4 Encadenamiento hacia Atrás 4.5 Encadenamiento hacia Adelante 4.6 Razonamiento Borroso 5 Machine Learning Básico 5.1 Definición y ejemplos de una amplia variedad de tareas de machine learning 5.2 Aprendizaje por Observación:Aprendizaje Inductivo, Aprendizaje Deductivo 5.3 Aprendizaje: Redes Neuronales 8.0 h 5.4 Aprendizaje Estadístico: clasificadores Naive Bayes, arboles de decisión 6 Búsquedas Avanzadas 6.1 Búsqueda Dinámica en el espacio de estados 6.2 Explosión combinatoria en el espacio de estados 6.3 A*, beam search 6.4 Búsqueda minimax, alpha-beta pruning 7 Representación y Razonamiento Avanzado 7.1 Lógica descriptiva 7.2 Ingeniería Ontológica 6.0 h Pág. 4

5 Total 63.0 h 7. RECURSOS O MEDIOS PARA EL APRENDIZAJE Artículos digitales e impresos Proyector Digital Diapositivas 8. CRITERIOS DE EVALUACION ACTIVIDAD PESO PRUEBAS 15 TRABAJOS 15 EXAMENES 50 EXPOSICIONES 10 TAREAS EN CLASES 10 TOTAL BIBLIOGRAFIA GENERAL BIBLIOGRAFIA BASICA» Cazorla Quevedo M, Compa; Rosique P, Escolano Ruiz F, Rizo Aldeguer R Fundamentos de inteligencia artificial. Murcia. Universidad de Alincante BIBLIOGRAFIA COMPLEMENTARIA» Gallo M. R T? y la inteligencia artificial: aplicaciones pr?cticas. Guadalajara. Universidad de Guadalajara 10. BIBLIOGRAFIA PROFESOR Pág. 5