Subdirección Académica Instrumentación Didáctica para la Formación y Desarrollo de Competencias Profesionales Periodo escolar: Agosto-Diciembre 2017

Transcripción

1 Subdirección Académica Instrumentación Didáctica para la Formación y Desarrollo de s Profesionales Periodo escolar: Agosto-Diciembre 017 Nombre de la asignatura: Inteligencia Artificial Plan de estudios: ISIC Clave de la asignatura: SCC-101 Horas teoría horas prácticas créditos: Caracterización de la asignatura Esta asignatura aporta al perfil del Ingeniero en Sistemas Computacionales la capacidad de aplicar técnicas de Inteligencia Artificial mediante el desarrollo y programación de modelos matemáticos, estadísticos y de simulación a la solución de problemas complejos de control automático, diagnóstico, toma de decisiones, clasificación, minería de datos, es decir, problemas propios de la Inteligencia Artificial. Con esta asignatura se da una Introducción a la Inteligencia Artificial (IA) presentando a los estudiantes, algunos de los métodos más utilizados en las diferentes áreas de la Inteligencia Artificial. Para ello, se introducen las técnicas más comunes de manipulación y representación del conocimiento y se analizan las características de las herramientas disponibles para la construcción de aplicaciones reales, en las diferentes áreas de la IA, con el fin de conformar una actitud científica, crítica y responsable del egresado. Esta materia está situada como una de las últimas del plan de estudio, debido a que el alumno necesita tener de base el aprendizaje de otras materias que permitan que posea habilidades de estructuras de control, listas, arboles, recursividad, así como, conocimientos de teoría de la probabilidad, autómatas 1 y, programación lógica y funcional, programación en lenguajes de alto nivel, conocimientos de estructura y bases de datos.

2 La aportación de la asignatura al perfil del egresado son las siguientes: Coordina y participa en equipos multidisciplinarios para la aplicación de soluciones innovadoras en diferentes contextos Diseña, implementa y administra bases de datos optimizando los recursos disponibles, conforme a las normas vigentes de manejo y seguridad de la información Desarrolla y administra software para apoyar la productividad y competitividad de las organizaciones cumpliendo con estándares de calidad. Evalúa tecnologías de hardware para soportar aplicaciones de manera efectiva. Intención didáctica La asignatura se dividió en cuatro unidades, de tal manera que el estudiante en las primeras tres unidades obtendrá los conocimientos generales, para que en la última unidad diseñe soluciones del entorno táles como robótica, redes neuronales, visión artificial, lógica difusa, procesamiento de lenguaje natural, sistemas expertos, etcétera. La primera unidad aborda conocimientos esenciales que el estudiante debe poseer para comprender el origen, los distintos enfoques y el estado actual de los desarrollos en el campo de la inteligencia artificial, que le serán útiles para desarrollar su capacidad de análisis crítico y ubicar la materia en el contexto global. Las unidades dos y tres tratan los conceptos necesarios para que el estudiante obtenga la capacidad de solucionar problemas, mediante técnicas de búsqueda y la capacidad de generar nuevas ideas para la representación del conocimiento y del razonamiento, retomando los conceptos de la lógica de predicados, inducción y teoría de grafos estudiados en la asignatura de matemáticas discretas. Dentro de la unidad cuatro, se le sugiere al docente coordinar a los estudiantes para que desarrollen un proyecto de aplicación en alguna de las distintas ramas de la Inteligencia Artificial, que será seleccionada de acuerdo a la demanda del sector productivo de la región. Es primordial que el alumno logre desarrollar una solución final o proyecto integrador, puesto que la necesidad de una solución terminada es el claro escenario que se presenta en el ambiente laboral y para que el

3 alumno sea capaz de enfrentar dicha situación, debe reunir habilidades de investigación, capacidad de adaptarse a nuevas situaciones y de generar nuevas ideas y al mismo tiempo, capacidad de trabajar en un equipo interdisciplinario. Por último, es importante que el profesor proporcione una visión completa de la asignatura sabiendo delimitar las aplicaciones al sector productivo y las del sector de investigación. 3. de la asignatura Definir, diseñar, construir y programar las fases del analizador léxico y sintáctico de un traductor o compilador. Conocer los conceptos fundamentales de la IA, así como el estado del arte de las áreas de la inteligencia artificial. Representar el conocimiento por medio de un sistema basado en conocimiento. Resolver problemas en base a técnicas de búsqueda en espacio de estado. Conocer las áreas de la IA y sus aplicaciones actuales, identificando oportunidades de desarrollo de soluciones en su entorno.

4 4. Análisis por competencias específicas No.: 1 Descripción: Conocerá los conceptos fundamentales de la IA, así como el estado del arte de las áreas de la inteligencia artificial. Temas y subtemas para desarrollar la competencia específica Actividades de aprendizaje (que hace el alumno) Actividades de enseñanza (que hace docente) Desarrollo de competencias genéricas Horas teórico práctica 1.0. Encuadre Participa en la dinámica de expectativas y el establecimiento de acuerdos y comportamiento dentro del aula Introducción a la Inteligencia Artificial. 1.. Historia de la Inteligencia Artificial 1.3. Las habilidades cognoscitivas según la psicología. Teorías de la inteligencia (conductismo, Gardner, etc.) El proceso de razonamiento según la lógica (Axiomas, Teoremas, demostración) El modelo de adquisición del conocimiento según la Investigar sobre los diferentes enfoques de la inteligencia artificial. Plantear una línea de tiempo de la historia de la IA. Elabora un cuadro comparativo de las habilidades cognoscitivas de acuerdo a la Psicología y otro de la teoría de la inteligencia de Gardner. Elabora un cuadro sinóptico del proceso de razonamiento según la lógica. Investigar sobre los modelos de adquisición del conocimiento según la filosofía. Presenta el objetivo de la asignatura y aplica dinámica para establecer expectativas, acuerdos de trabajo y reglas dentro del aula. Explicar conceptos generales de la inteligencia artificial. Explicar la evolución de la inteligencia artificial. Explica en una muestra transitoria las habilidades cognoscitivas de acuerdo a la Psicología y la teoría de la inteligencia de Gardner. Instrumentales Capacidad de abstracción análisis y síntesis Capacidad de comunicación oral y escrita Habilidades para buscar, procesar y analizar información procedente de diversas fuentes. Capacidad de organizar y planificar. Capacidad para solucionar problemas. Habilidad para tomar decisiones. Explica de manera transitoria el proceso de Interpersonales razonamiento de acuerdo a Capacidad de trabajo en la lógica. equipo Introducir los tipos de problemas que se resuelven con la Sistémicas Habilidades investigación. de

5 filosofía. adquisición del conocimiento El modelo cognoscitivo. Investigar sobre los modelos de Definir y explicar el modelo adquisición del conocimiento según cognoscitivo. el modelo cognitivo 1.7. El modelo del agente inteligente, Sistemas Multi Agentes, Sistemas Ubicuos El papel de la heurística Algoritmos de exploración de alternativas Algoritmo A* Algoritmos de búsqueda local. Investigar información acerca de los modelos de agente inteligente. Investigar las técnicas actuales de la inteligencia artificial. Investigar y seleccionar desarrollos actuales de la IA. Investigar el concepto de heurística. Elaborar el mapa conceptual de heurística. Discutir acerca de los diferentes modelos de agentes inteligentes. Comentar en grupo los desarrollos actuales de la Inteligencia artificial. Explicar el concepto de heurística. Discutir en grupo los diferentes algoritmos de búsqueda Habilidad para trabajar en forma autónoma. Iniciativa y espíritu emprendedor. Preocupación por la calidad. Búsqueda del logro. Liderazgo Capacidad de generar nuevas ideas. Capacidad de aplicar los conocimientos en la práctica. 4 Indicadores de alcance Valor del indicador A. Se adapta a situaciones y contextos complejos. 35 % B. Hace aportaciones a las actividades académicas desarrolladas. 10 % C. Propone y/o explica soluciones o procedimientos no vistos en clase. 35 % D. Introduce recursos y experiencias que promueven un pensamiento crítico. 10 % E. Incorpora conocimientos y actividades interdisciplinarias en su aprendizaje. 5 % F. Realiza su trabajo de manera autónoma y autorregulada. 5 %

6 4.1a Niveles de desempeño Desempeño Nivel de desempeño Indicadores de alcance Valoración numérica Excelente Cumple con los indicadores (A, B, C, D) y (E o F) de los indicadores Notable Cumple con A y C, y uno de (B o D) y uno de (E o F) de los indicadores alcanzada Bueno Cumple al menos con A, C y/o uno de (E o F) de los indicadores Suficiente Cumple al menos con los indicadores A Y C de los indicadores definidos en el desempeño de las competencias Insuficiente No se cumple con el 100% de evidencias conceptuales, 69 o menos. no alcanzada procedimentales y actitudinales de los indicadores definidos en el desempeño de las competencias. 4.1b Matriz de evaluación Evidencia de aprendizaje % Indicador de alcance Evaluación formativa de la competencia A B C D E F Examen 50% 5% 5% Porcentaje de la evaluación Línea de tiempo 5% 10% 10% 3% % Rubrica de línea de tiempo (Legibilidad 0%, Conoc-Conten. 5%, Hechos 30%, Gráficas 0%, Ortografía 5%) Problemario o ejercicios 5% 10% 10% % 3% Porcentaje de la evaluación Total 100% 35% 10% 35% 10% 5% 5%

7 No.: Descripción: Representar el conocimiento, razonamiento y los aspectos metodológicos en Inteligencia Artificial por medio de un sistema basado en conocimiento. Temas y subtemas para desarrollar la competencia específica Actividades de aprendizaje (que hace el alumno) Actividades de enseñanza (que hace docente) Desarrollo de competencias genéricas Horas teórico práctica.1 Principios y métodos de la Inteligencia Artificial.. Paradigmas de la Inteligencia Artificial..3 Mapas conceptuales.4 Redes semánticas..5 Razonamiento monótono..6 Conocimiento nomonótono y otras lógicas..7 Razonamiento probabilístico..8 Paradigmas de la Inteligencia Artificial. Investigar información acerca de los principios y métodos de la Inteligencia Artificial. Investigar los principales paradigmas de la Inteligencia Artificial. Representar el conocimiento mediante un mapa conceptual. Representar el conocimiento mediante una red semántica. Investigar y comentar los conceptos de sintaxis, semántica, validez e inferencia en la lógica de predicados. Representar el conocimiento por medio de lógica de predicados. Investigar y seleccionar información acerca de los conceptos de aprendizaje, razonamiento probabilístico, lógicas multivaluadas y lógica difusa. Realizar un modelo de red bayesiana a un problema de diagnóstico. Introducir los principios y metodologías de la IA para la resolución de problemas. Describir gráficamente los paradigmas de la Inteligencia Artificial. Discutir en grupo los mapas conceptuales. Describir gráficamente problemas en términos de redes semánticas. Definir y explicar el razonamiento monótono. Explicar los conceptos de conocimiento no-monótono y otras lógicas. Introducir los tipos de problemas que se resuelven con el razonamiento probabilístico. Explicar la importancia del teorema de Bayes aplicado para la resolución de Instrumentales Capacidad de abstracción análisis y síntesis Capacidad de comunicación oral y escrita Habilidades para buscar, procesar y analizar información procedente de diversas fuentes. Capacidad de organizar y planificar. Capacidad para solucionar problemas. Habilidad para tomar decisiones. Interpersonales Capacidad de trabajo en equipo Sistémicas Habilidades de investigación. Habilidad para trabajar

8 Desarrollar los métodos de búsqueda en profundidad y en anchura en un grafo dirigido. Por ejemplo, usar un mapa de carreteras e ir de una ciudad a otra. Indicadores de alcance problemas de diagnóstico en forma autónoma. Capacidad de generar nuevas ideas. Capacidad de aplicar los conocimientos en la práctica. Valor del indicador A. Se adapta a situaciones y contextos complejos. 35 % B. Hace aportaciones a las actividades académicas desarrolladas. 10 % C. Propone y/o explica soluciones o procedimientos no vistos en clase. 35 % D. Introduce recursos y experiencias que promueven un pensamiento crítico. 10 % E. Incorpora conocimientos y actividades interdisciplinarias en su aprendizaje. 5 % F. Realiza su trabajo de manera autónoma y autorregulada. 5 %

9 4.a Niveles de desempeño Desempeño Nivel de desempeño Indicadores de alcance Valoración numérica Excelente Cumple con los indicadores (A, B, C, D) y (E o F) de los indicadores Notable Cumple con A y C, y uno de (B o D) y uno de (E o F) de los indicadores alcanzada Bueno Cumple al menos con A, C y/o uno de (E o F) de los indicadores Suficiente Cumple al menos con los indicadores A Y C de los indicadores definidos en el desempeño de las competencias no alcanzada Insuficiente No se cumple con el 100% de evidencias conceptuales, procedimentales y actitudinales de los indicadores definidos en el desempeño de las competencias. 69 o menos. 4.b Matriz de evaluación Evidencia de aprendizaje % Indicador de alcance Evaluación formativa de la competencia A B C D E F Examen 50% 5% 5% Porcentaje de la evaluación Cuadro Sinóptico 5% 10% 10% 3% % Rubrica de cuadro sinóptico (Legibilidad 0%, Conoc-Conten. 5%, Hechos 30%, Gráficas 0%, Ortografía 5%) Problemario o ejercicios 5% 10% 10% % 3% Porcentaje de la evaluación Total 100% 35% 10% 35% 10% 5% 5%

10 No.: 3 Descripción: Resolver problemas en base a técnicas de búsqueda en espacio de estado. Temas y subtemas para desarrollar la competencia específica Actividades de aprendizaje (que hace el alumno) Actividades de enseñanza (que hace docente) Desarrollo de competencias genéricas Horas teórico práctica 3.1 Representación de conocimiento mediante reglas. 3. Método de inferencia en reglas. 3.3 Reglas de producción. 3.4 Sintaxis de las reglas de producción. 3.5 Semántica de las reglas de producción. 3.6 Arquitectura de un sistema de producción (SP) o sistemas basados en reglas (SBR) Hechos Base de conocimientos. Investigar los tipos de problemas que se resuelven con las técnicas de búsqueda. Describir gráficamente problemas en términos de espacios de estado (problema de misioneros y caníbales, problemas de juego entre dos adversarios, etc.) Investigar información sobre los métodos de búsqueda (primero en anchura, primero en profundidad) Discutir en grupo los diferentes algoritmos de búsqueda de acuerdo a su sintaxis. Discutir en grupo los diferentes algoritmos de búsqueda de acuerdo a su semántica. Realizar un proyecto para resolver un problema de un juego clásico (gato, ajedrez, puzle, misioneros y caníbales, etc.) empleando un método de búsqueda óptima. Introducir y explicar los conceptos básicos de la representación del conocimiento. Definir y describir la inferencia en reglas. Explicar los conceptos de las reglas de producción. Definir y explicar mediante ejemplos las reglas de producción. Ejemplificar la semántica en las reglas de producción. Definir y explicar las arquitecturas de los SP y SBR. Explicar mediante la solución a un problema utilizando hechos, BC y motor de inferencia. Instrumentales Capacidad de abstracción análisis y síntesis Capacidad de comunicación oral y escrita Habilidades para buscar, procesar y analizar información procedente de diversas fuentes. Capacidad de organizar y planificar. Capacidad para solucionar problemas. Habilidad para tomar decisiones. Interpersonales Capacidad de trabajo en equipo Sistémicas Habilidades de investigación. Habilidad para trabajar en forma autónoma. Iniciativa y espíritu 6

11 3.6.3 Mecanismos de control. emprendedor. Preocupación por la calidad. Búsqueda del logro. Liderazgo Capacidad de generar nuevas ideas. Capacidad de aplicar los conocimientos en la práctica. Indicadores de alcance Valor del indicador A. Se adapta a situaciones y contextos complejos. 35 % B. Hace aportaciones a las actividades académicas desarrolladas. 10 % C. Propone y/o explica soluciones o procedimientos no vistos en clase. 35 % D. Introduce recursos y experiencias que promueven un pensamiento crítico. 10 % E. Incorpora conocimientos y actividades interdisciplinarias en su aprendizaje. 5 % F. Realiza su trabajo de manera autónoma y autorregulada. 5 %

12 4.3a Niveles de desempeño Desempeño Nivel de desempeño Indicadores de alcance Valoración numérica Excelente Cumple con los indicadores (A, B, C, D) y (E o F) de los indicadores Notable Cumple con A y C, y uno de (B o D) y uno de (E o F) de los indicadores alcanzada Bueno Cumple al menos con A, C y/o uno de (E o F) de los indicadores Suficiente Cumple al menos con los indicadores A Y C de los indicadores definidos en el desempeño de las competencias no alcanzada Insuficiente No se cumple con el 100% de evidencias conceptuales, procedimentales y actitudinales de los indicadores definidos en el desempeño de las competencias. 69 o menos. 4.3b Matriz de evaluación Evidencia de aprendizaje % Indicador de alcance Evaluación formativa de la competencia A B C D E F Examen 40% 0% 0% Porcentaje de la evaluación Cuadro Sinóptico 5% 10% 10% 3% % Rubrica de cuadro sinóptico (Legibilidad 0%, Conoc-Conten. 5%, Hechos 30%, Gráficas 0%, Ortografía 5%) Problemario o ejercicios 35% 15% 15% % 3% Porcentaje de la evaluación Total 100% 35% 10% 35% 10% 5% 5%

13 No.: 4 Descripción: Conocer las áreas de la IA y sus aplicaciones actuales, identificando oportunidades de desarrollo de soluciones en su entorno. Temas y subtemas para desarrollar la competencia específica Actividades de aprendizaje (que hace el alumno) Actividades de enseñanza (que hace docente) Desarrollo de competencias genéricas Horas teórico práctica 4.1 Robótica Conceptos Básicos 4.1. Clasificación Desarrollos actuales y aplicaciones 4. Redes Neuronales 4..1 Conceptos Básicos 4.. Clasificación 4..3 Desarrollos actuales y aplicaciones 4.3 Visión Artificial Conceptos Básicos 4.3. Desarrollos actuales y aplicaciones 4.4 Lógica Difusa (Fuzzy Logic) Conceptos Básicos 4.4. Desarrollos actuales y aplicaciones 4.5 Procesamiento del Lenguaje Natural Investigar la clasificación de la Robótica y exponer en equipo el desarrollo y la situación actual de la Robótica. Investigar la clasificación de la Redes Neuronales y exponer en equipo el desarrollo y la situación actual de las Redes Neuronales. Investigar los conceptos básicos sobre la Visión Artificial y exponer en equipo el desarrollo y la situación actual de la Visión Artificial. Investigar los conceptos básicos sobre la Lógica Difusa y exponer en equipo el desarrollo y la situación actual de la Lógica Difusa. Investigar los conceptos básicos sobre el Procesamiento del Definir y explicar la robótica. Complementar la información sobre la robótica y su importancia en la IA. Definir y explicar las redes neuronales artificiales. Complementar la información sobre RN y su importancia en la IA. Definir y explicar la visión artificial. Complementar la información sobre visión artificial y su importancia en la IA. Definir y explicar la lógica difusa. Complementar la información sobre Fuzzy Logic y su importancia en la IA. Definir y explicar el procesamiento de lenguaje Instrumentales Capacidad de abstracción análisis y síntesis Capacidad de comunicación oral y escrita Habilidades para buscar, procesar y analizar información procedente de diversas fuentes. Capacidad de organizar y planificar. Capacidad para solucionar problemas. Habilidad para tomar decisiones. Interpersonales Capacidad de trabajo en equipo Sistémicas

14 4.5.1 Conceptos Básicos 4.5. Desarrollos actuales y aplicaciones 4.6 Sistemas Expertos Conceptos Básicos 4.6. Clasificación Desarrollos actuales y aplicaciones Lenguaje Natural y exponer en equipo el desarrollo y la situación actual del Procesamiento del Lenguaje Natural. Investigar la clasificación de los Sistemas Expertos y exponer en equipo la situación actual de los Sistemas Expertos. Realizar una aplicación que resuelva problemas del entorno aplicando una vertiente de la IA o Realizar una red neuronal con mínimo 3 circuitos o Controlar un robot a través de software. natural. Complementar la información sobre PLN y su importancia en la IA. Definir y explicar los sistemas expertos. Complementar la información sobre sistemas expertos y su importancia en la IA. Habilidades de investigación. Habilidad para trabajar en forma autónoma. Iniciativa y espíritu emprendedor. Preocupación por la calidad. Búsqueda del logro. Liderazgo Capacidad de generar nuevas ideas. Capacidad de aplicar los conocimientos en la práctica. 3 Indicadores de alcance Valor del indicador A. Se adapta a situaciones y contextos complejos. 35 % B. Hace aportaciones a las actividades académicas desarrolladas. 10 % C. Propone y/o explica soluciones o procedimientos no vistos en clase. 35 % D. Introduce recursos y experiencias que promueven un pensamiento crítico. 10 % E. Incorpora conocimientos y actividades interdisciplinarias en su aprendizaje. 5 % F. Realiza su trabajo de manera autónoma y autorregulada. 5 %

15 4.3a Niveles de desempeño Desempeño Nivel de desempeño Indicadores de alcance Valoración numérica Excelente Cumple con los indicadores (A, B, C, D) y (E o F) de los indicadores Notable Cumple con A y C, y uno de (B o D) y uno de (E o F) de los indicadores alcanzada Bueno Cumple al menos con A, C y/o uno de (E o F) de los indicadores Suficiente Cumple al menos con los indicadores A Y C de los indicadores definidos en el desempeño de las competencias no alcanzada Insuficiente No se cumple con el 100% de evidencias conceptuales, procedimentales y actitudinales de los indicadores definidos en el desempeño de las competencias. 69 o menos. 4.3b Matriz de evaluación Evidencia de aprendizaje % Indicador de alcance Evaluación formativa de la competencia A B C D E F Examen 40% 0% 0% Porcentaje de la evaluación Cuadro Sinóptico 5% 10% 10% 3% % Rubrica de cuadro sinóptico (Legibilidad 0%, Conoc-Conten. 5%, Hechos 30%, Gráficas 0%, Ortografía 5%) Problemario o ejercicios 35% 15% 15% % 3% Porcentaje de la evaluación Total 100% 35% 10% 35% 10% 5% 5%

16 5 Fuentes de información y apoyos didácticos Fuentes de información: 1.- Winston, Patrick Henry, (199). Inteligencia artificial, ed. Addison Wesley.- p.m, Gonzalo & p.m, Santos. (006). Inteligencia artificial e ingeniería del Conocimiento, Alfaomega. 3.- Del Brio b. & Saenz, Martín m. (006). Redes neuronales y sistemas borrosos. Alfaomega. 4.- Giarratano j. & Riley g. (1996). Sistemas expertos, principios y programación (clips). International Thompson. 5.- Mocker R, & Dologite D.G. (199). Knowledge-based systems: an introduction to Expert systems. Macmillan. 6.- Suppes H & Hill H. (1998). Introducción a la lógica matemática. Reverté. 7.- Stuart Russell, Norvig. (004). Inteligencia Artificial Un Enfoque Moderno, Segunda Edición. Prentice Hall. 8.- Elaine Rich, Kevin Knight. (1994). Inteligencia Artificial, Segunda Edición. McGraw-Hill, Ponce, Pedro. (014). Inteligencia Artificial con aplicaciones en la ingeniería. Alfaomega. Apoyos didácticos: Pizarrón blanco. Computadora. Cañón proyector. Software (Lenguaje de Programación). Electrónicas: 7.- Fernández g. (004). Universidad politécnica de Madrid. Escuela técnica superior de ingenieros de telecomunicación. Departamento de ingeniería de sistemas Telemáticos. Grupo de sistemas inteligentes. Obtenido de CENGAGE: México.

17 6 Calendarización de evaluación en semanas Semana TP ED EF1 EF EF3 EF4 ES TR SD X X X ED= Evaluación diagnóstica. EFn=evaluación formativa (competencia específica n) ES = Evaluación sumativa TP= Tiempo planeado TR=Tiempo real SD= Seguimiento departamental Fecha de elaboración_7 / Agosto /017 MGC. Eduardo Gutiérrez Almaraz MC. Guillermo Suárez León