INSTITUTO DE ESTUDIOS DE POSTGRADO MÁSTER UNIVERSITARIO EN SISTEMAS INTELIGENTES CURSO 2014/15 ASIGNATURA: INTELIGENCIA ARTIFICIAL

Transcripción

1 INSTITUTO DE ESTUDIOS DE POSTGRADO MÁSTER UNIVERSITARIO EN SISTEMAS INTELIGENTES CURSO 2014/15 ASIGNATURA: DATOS DE LA ASIGNATURA Denominación: Código: Plan de estudios: MÁSTER UNIVERSITARIO EN SISTEMAS INTELIGENTES Curso: 1 Créditos ECTS: 6 Horas de trabajo presencial: 60 Porcentaje de presencialidad: 40% Horas de trabajo no presencial: 90 Plataforma virtual: DATOS DEL PROFESORADO Profesorado responsable de la asignatura Nombre: CALVO CUENCA, ANTONIO Centro: ESCUELA POLITÉCNICA SUPERIOR Departamento: INFORMÁTICA Y ANÁLISIS NUMÉRICO Área: CIENCIA DE LA COMPUTACIÓN E INTELIGENCIA ARTIFICIA Ubicación del despacho: Campus de Rabanalaes. Edif. C2-3 planta acalvo@uco.es Teléfono: _ DATOS ESPECÍFICOS DE LA ASIGNATURA REQUISITOS Y RECOMENDACIONES Requisitos previos establecidos en el plan de estudios Ninguno. Recomendaciones Ninguna especificada. OBJETIVOS - Conocer los principios básicos en los que se basa la teoría de la percepción. - Resolver problemas sobre clasificadores en un sistema de percepción. - Conocer lo qué son los sistemas basados en el conocimiento y los pasos fundamentales para su construcción. - Conocer y manejar representaciones básicas y avanzadas del conocimiento que se presentan en la asignatura. - Aplicaciones prácticas básicas sobre procesamiento de lenguaje natural. 1/6

2 COMPETENCIAS CB10 CB17 CB18 CB21 CB23 CB29 CB3 CB4 CB6 CB7 CB8 CB9 CE10 CE11 CE9 CU1 CU3 CU4 CU7 Capacidad para aplicar los principios de la economía y de la gestión de recursos humanos y proyectos, así como la legislación, regulación y normalización de la informática. Capacidad para modelar, diseñar, definir la arquitectura, implantar, gestionar, operar, administrar y mantener aplicaciones, redes, sistemas, servicios y contenidos informáticos. Capacidad para comprender y saber aplicar el funcionamiento y organización de internet, las tecnologías y protocolos de redes de nueva generación, los modelos de componentes, software intermedios y servicios. Capacidad para comprender y poder aplicar conocimientos avanzados de computación de altas prestaciones y métodos numéricos o computacionales a problemas de ingeniería. Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar sistemas inteligentes y sistemas basados en el conocimiento. Capacidad para la integración de tecnologías, aplicaciones, servicios y sistemas propios de la ingeniería informática, con carácter generalista, y en contextos más amplios y multidisciplinares. Capacidad dirigir, planificar y supervisar equipos multidisciplinares. Capacidad para modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la ingeniería en informática. Capacidad para dirección general, dirección técnica y dirección de proyectos de investigación, desarrollo e innovación, en empresas y centros tecnológico, en el ámbito de la Ingeniería Informática. Capacidad para la puesta en marcha, dirección y gestión de procesos de fabricación de equipos informáticos, con garantía de la seguridad para las personas y bienes, la calidad final de los productos y su homologación. Capacidad para la aplicación de los conocimientos adquiridos y de resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multicisciplinares, siendo capaces de integrar estos conocimientos. Capacidad para comprender y aplicar la responsabilidad ética, la legislación y la deontología profesional de la actividad de la profesión de ingeniero en informática. Conocer los fundamentos de la interpretación automática del lenguaje natural. Conocer los fundamentos de la interpretación automática del lenguaje natural. Conocer los fundamentos del Reconocimiento de Formas y del análisis de imagen. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que sustentan a públicos especializados de un modo claro y sin ambigüedades. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Fomentar en los estudiantes las siguientes capacidades y habilidades: análisis y síntesis, organización y planificación, comunicación oral y escrita, resolución de problemas, toma de decisiones, trabajo en equipo, razonamiento crítico, aprendizaje autónomo, creatividad, capacidad de aplicar los conocimientos teóricos en la práctica, uso de internet como medio de comunicación y como fuente de información. CONTENIDOS 1. Contenidos teóricos - Parte I: PERCEPCIÓN - TEMA 1: Introducción a la percepción. Concepto. La percepción como parte de la I.A. Sentidos y Sensores. - TEMA 2: Introducción al reconocimiento computacional. Concepto. Características y Clasificadores. Reconocimiento sin y con aprendizaje. - TEMA 3. Reconocimiento sin aprendizaje basado en la Teoría Bayesiana. Teoría de Bayes. Clasificadores paramétricos para distribuciones normales. - TEMA 4. Reconocimiento con aprendizaje: Clasificadores lineales. Funciones discriminantes lineales. El Perceptrón. Otros métodos. 2/6

3 - TEMA 5: Reconocimiento con aprendizaje: Clasificadores no lineales. Introducción al problema. El Perceptrón con varias capas. SVM. - TEMA 6: Selección de características para Reconocimiento. Preprocesado. Selección basada en Test de hipótesis. Curvas ROC. Separabilidad de clases. Transformaciones lineales de características. - Parte II: INGENIERÍA DEL CONOCIMIENTO - TEMA 1. Introducción a los sistemas basados en conocimiento (SBC): Estructura básica y características. Inteligencia Artificial y Sistemas basados en Conocimiento. Características de los SBC. Conocimiento y Representación del conocimiento. Evolución histórica de la Ingeniería del conocimiento. CommonKads: Principios básicos y los modelos de CommonKADS. - TEMA 2. Modelado del contexto Introducción. Análisis de viabilidad. Mmodelo de Organización. Análisis de impactos y mejoras. Modelo detareas. Modelo de Agentes. Directrices para el modelado contextual. - TEMA 3. Modelado en el nivel conceptual: Introducción. El modelo de conocimiento. Conocimiento del dominio. Conocimiento sobre las inferencias.conocimiento sobre las tareas. Biblioteca de Tareas y Métodos de Resolución de Problemas. Modelo de Comunicación - TEMA 4. Modelo del diseño Introducción. El proceso de diseño: Diseño de la arquitectura del sistema (Arquitectura global delsistema. Arquitectura del modelo de la aplicación). Selección de la plataforma de implementación. Especificación de los componentes de la arquitectura. Especificación de la aplicación sobre la Arquitectura. Diseño de prototipos. - TEMA 5. Evaluación de sistemas Introducción. Verificación. Validación. 2. Contenidos prácticos Reconocimiento basado en teoría bayesiana Clasificadores lineales Redes neuronales multicapa Máquinas de vectores soporte Desarrollo de un proyecto de clasificación Introducción al procesamiento de lenguaje natural con nltk 3/6

4 Desarrollo de u proyecto de extracción automática de información con nltk Análisis, diseño e implementación de una tarea intensiva en conocimiento METODOLOGÍA Actividades presenciales Actividad Total Actividades de evaluación 5 Análisis de documentos 5 Lección magistral 30 Trabajos en grupo (cooperativo) 10 Tutorías 10 Total horas: 60 _ Actividades no presenciales Actividad Total Búsqueda de información 10 Consultas bibliográficas 10 Ejercicios 10 Estudio 40 Trabajo de grupo 20 Total horas: 90 MATERIAL DE TRABAJO PARA EL ALUMNADO Casos y supuestos prácticos - Cuaderno de Prácticas Herramientas software PLN - Transparencias de apoyo - EVALUACIÓN Instrumentos Porcentaje Informes/memorias de prácticas 30% Listas de control 10% Pruebas objetivas 20% Trabajos y proyectos 40% Periodo de validez de las calificaciones parciales: Los trabajos prácticos mantendrán su calificación durante dos cursos académicos 4/6

5 Aclaraciones: Los alumnos a tiempo parcial deberán realizar trabajos complentarios. BIBLIOGRAFÍA 1. Bibliografía básica: Alonso, A.; Guijarro, B.; Lozano, A.; Palma, J.T.; Taboada, M.J. (2004): Ingeniería del Conocimiento. Aspectos Metodológicos. Ed. Pearson Prentice Hall. Calvo, A., González, P., Romero, C., Ventura, S., García, C., (2008): Programación en lenguaje CLIPS, Centro de estudios Ramón Areces, Madrid. Fu, King-sun (1980): Digital pattern recognition (2nd. ed. c), Springer. Pajares, G., Santos, M., (2005) : Inteligencia Artificial e Ingeniería del Conocimiento, Rama. Steven Bird, Ewan Klein, and Edward Loper, (2009): Natural Language Processing with Python, O'Reilly Media 2. Bibliografía complementaria: Breuker, de Joost, et al.,(1994): Commonkads Library for Expertise Modelling: Reusable Problem Solving Components, IOS Press. Borrajo, D.; Juristo, N., Martínez-Orga, V.; Pazos, J. (1997): Inteligencia Artificial Métodos y Técnicas, Centro de estudios Ramón Areces. Calvo, A., González, P., Romero, C., Ventura, S., García, C.,: (2008) Programación en lenguaje CLIPS, Centro de estudios Ramón Areces, Madrid. Cuena, J., (1998): Sistemas Inteligentes: Conceptos, técnicas y métodos de construcción. Ed. Univ. Politécnica de Madrid. Giarratano, J.; Riley, G. (2001): Sistemas expertos: principios y programación (3ª ed.). Thompson Ed. Gómez, A; Juristo, N; Montes, C; Pazos, J (1997): Ingeniería del Conocimiento. Ed. Centro de estudios Ramón Areces. Llamas Bello, C.,(1997): Reconocimiento automático del habla. Intercambio Editorial. Maravall y Gomez Allende, D.(1993): Reconocimiento de formas y visión artificial, Rama. Mira, J. (1995): Inteligencia Artificial: Aspectos Metodológicos, Sanz y Torres. Moens, M. (2006): Information Extraction, Academic Press. Perkins, J., (2010): Python Text Processing with NLTK 2.0 Cookbook, Paxkt Publishing. Theodoridis, Sergios (1999): Pattern recognition, Springer 5/6

6 6/6