PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial I"

Transcripción

1 PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial I" Grupo: Grupo de CLASES TEORICAS de INTELIGENCIA ARTIFICI.(865586) Titulacion: INGENIERO EN INFORMÁTICA ( Plan 97 ) Curso: DATOS BÁSICOS DE LA ASIGNATURA/GRUPO Titulación: Año del plan de estudio: Centro: Asignatura: Código: Tipo: Curso: Período de impartición: Ciclo: Grupo: Área: Créditos totales (ECTS): INGENIERO EN INFORMÁTICA ( Plan 97 ) 1997 E.T.S. Ingeniería Informática Inteligencia Artificial I Troncal/Formación básica 4º Primer Cuatrimestre 2º Grupo de CLASES TEORICAS de INTELIGENCIA ARTIFICI. (2) Ciencia de la Computación e Inteligenc. Artificial 4.5 Horas totales (ECTS): Horas presenciales (ECTS): 45.0 Horas no presenciales (ECTS): 67.5 Créditos totales (LRU): 4.5 Créditos LRU teóricos: 3.0 Créditos LRU prácticos: 1.5 Departamento: Dirección postal: Dirección electrónica: Ciencias de la Comput. e Int. Artificial C/ TARFIA, S/N PROFESORADO 1 RISCOS NUÑEZ, AGUSTIN Curso académico: 2009/2010 Última modificación: de 6

2 OBJETIVOS Y COMPETENCIAS Objetivos docentes específicos Conocer las diferentes técnicas de búsqueda en espacios de estados y su aplicación para la resolución de diferentes problemas en Inteligencia Artificial, incluyendo teoría de juegos, problemas de satisfacción de restricciones y planificación. Competencias Competencias transversales/genéricas Habilidades para trabajar en grupo (Se entrena de forma moderada) Capacidad de análisis y síntesis (Se entrena de forma moderada) Comunicación oral en la lengua nativa (Se entrena de forma moderada) Comunicación escrita en la lengua nativa (Se entrena de forma moderada) Conocimiento de una segunda lengua (Se entrena de forma moderada) Habilidades elementales en informática (Se entrena de forma moderada) Resolución de problemas (Se entrena de forma moderada) Trabajo en equipo (Se entrena de forma moderada) Habilidades para trabajar en grupo (Se entrena de forma moderada) Capacidad para aplicar la teoría a la práctica (Se entrena de forma moderada) Capacidad de aprender (Se entrena de forma moderada) Habilidad para trabajar de forma autónoma (Se entrena de forma moderada) Competencias específicas - Conocer en qué consisten los elementos que definen la representación de un problema como problema de espacio de estados y los distintos algoritmos de búsqueda en espacio de estados. Saber aplicarlos a la resolución de problemas. - Apreciar el papel de la heurística en la reducción de la complejidad práctica de un proceso de búsqueda y saber construir funciones heurísticas para resolver problemas. - Conocer los elementos que definen un problema como problema de satisfacción de restricciones y aplicar distintas técnicas para resolverlo. Saber reconocer, representar y resolver un problema de satisfacción de restricciones. - Conocer los fundamentos básicos en la programación de juegos de estrategia. Saber aplicarlos a la programación de juegos. - Conocer las características específicas de los algoritmos de búsqueda local y de aquellos problemas abordables mediante técnicas de búsqueda local y/o algoritmos genéticos. Saber representar problemas adecuados para ser resueltos por dichas técnicas. - Conocer el formalismo más común de representación de problemas de planificación en Inteligencia Artificial, y algunos de los algoritmos usados para su resolución. CONTENIDOS DE LA ASIGNATURA Relación sucinta de los contenidos (bloques temáticos en su caso) - Búsqueda en espacios de estados y heurísticas. - Técnicas de búsqueda en juegos con adversario. - Problemas de satisfacción de restricciones - Planificación Relación detallada y ordenación temporal de los contenidos Bloque 1: Programación para la Inteligencia Artificial Tema 1: Una introducción al lenguaje de programación Lisp Breve introducción al lenguaje de programación Lisp Bloque 2: Búsqueda Tema 2: Representación de problemas como espacios de estados Abstracción de problemas mediante el formalismo de los espacios de estados. Estados. Estado inicial y finales. Operadores. Tema 3: Técnicas básicas de búsqueda para la resolución de problemas. Arboles de búsqueda. Diferentes tipos de búsqueda ciega: anchura, profundidad, acotada, profundidad iterativa. Propiedades de cada una de ellas. Limitaciones de la búsqueda ciega. Tema 4: Búsqueda informada mediante técnicas heurísticas Coste en la búsqueda. Búsqueda óptima. Heurísticas. Búsqueda A*. Propiedades teóricas. Bloque 3: Problemas de satisfacción de restricciones Tema 5: Problemas de satisfacción de restricciones Representación de problemas como problemas de satisfacción de restricciones. Algoritmos de: backtracking, consistencia de arcos y reparación heurística. Propiedades. Bloque 4: Búsqueda con adversario Tema 6: Técnicas heurísticas en juegos Arboles de juego. Funciones de evaluación estática. El algoritmo minimax. La poda alfa-beta. Propiedades. Bloque 5: Búsqueda local Tema 7: Búsqueda local y algoritmos genéticos Representación de problemas de optimización para ser abordados mediante búsqueda local. Búsqueda en escalada. Enfriamiento simulado. Representación de problemas para ser aboraddos mediante algoritmos genéticos. Agoritmos genéticos. Curso académico: 2009/2010 Última modificación: de 6

3 Bloque 6: Planificación Tema 8: Sistemas de planificación en Inteligencia Artificial. El formalismo STRIPS. Algoritmo de planificación STRIPS. Limitaciones de la planificación lineal. Planificación de orden parcial: el algoritmo POP. ACTIVIDADES FORMATIVAS Relación de actividades formativas del primer semestre Clases teóricas Horas presenciales: Horas no presenciales: Metodología de enseñanza-aprendizaje: Clases teóricas, de problemas y actividades de evaluación Competencias que desarrolla: Todas Prácticas informáticas Horas presenciales: Horas no presenciales: Metodología de enseñanza-aprendizaje: Clases prácticas y actividades de evaluación Competencias que desarrolla: Todas BIBLIOGRAFÍA Y OTROS RECURSOS DOCENTES Bibliografía general Artificial intelligence : a modern approach Stuart J. Russell and Peter Norvig Edición: 2nd ed., international ed. Publicación: Inteligencia artificial : un enfoque moderno Stuart J. Russell y Peter Norvig Edición: 2a ed. Publicación: X Computational Intelligence (A logical apprach) D. Poole, A. Mackworth, R. Goebel Edición: edicion 1 Publicación: Oxford University Press; Artificial Intelligence (Structures and Strategies for Complex Problem Solving) George F. Luger Edición: edicion 4 Publicación: Pearson - Addison Wesley; Curso académico: 2009/2010 Última modificación: de 6

4 Inteligencia artificial : una nueva síntesis Nils J. Nilsson Edición: 1 Publicación: McGraw-Hill; Inteligencia artificial E. Rich; K. Knigth Edición: edicion 2ª Publicación: McGraw-Hill; Otros recursos docentes Colecciones de problemas y cuestiones teóricas disponibles en la página de la asignatura. SISTEMAS Y CRITERIOS DE EVALUACIÓN Y CALIFICACIÓN Sistema de evaluación Evaluación por curso La evaluación por curso podría constar de pruebas escritas, pruebas de laboratorio y trabajos. La nota por curso se obtendría a partir de las notas de las distintas pruebas de evaluación. Evaluación final La evaluación final podría constar de pruebas escritas, pruebas de laboratorio y trabajos. Opcionalmente se podría conservar la nota de alguna de las pruebas de evaluación por curso. La nota final se obtendría a partir de las notas de las distintas pruebas de evaluación. CALENDARIO DE EXÁMENES CENTRO: E.T.S. Ingeniería Informática 1 ª Convocatoria 21/6/2010 Hora: 0:0 Por definir CENTRO: E.T.S. Ingeniería Informática 2 ª Convocatoria 14/9/2010 Hora: 0:0 Por definir CENTRO: E.T.S. Ingeniería Informática 3 ª Convocatoria 17/12/2009 Hora: 0:0 Por definir TRIBUNALES ESPECÍFICOS DE EVALUACIÓN Y APELACIÓN Presidente: Vocal: Secretario: Primer suplente: Segundo suplente: Tercer suplente: ALEJANDRO FERNANDEZ MARGARIT MARIO DE JESUS PEREZ JIMENEZ JOSE ANTONIO ALONSO JIMENEZ FRANCISCO FELIX LARA MARTIN MARIA JOSE HIDALGO DOBLADO JOAQUIN BORREGO DIAZ Curso académico: 2009/2010 Última modificación: de 6

5 ANEXO 1: HORARIOS DE LOS GRUPOS NO PRINCIPALES DE LA ASIGNATURA Y DEL GRUPO DEL PROYECTO DOCENTE GRUPO: Grupo de CLASES DE LABORATORIO de INTELIGENCIA AR. (865588) GRUPO: Grupo de CLASES DE LABORATORIO de INTELIGENCIA AR. (865589) GRUPO: Grupo de CLASES DE LABORATORIO de INTELIGENCIA AR. (865592) GRUPO: Grupo de CLASES DE LABORATORIO de INTELIGENCIA AR. (865593) GRUPO: Grupo de CLASES DE LABORATORIO de INTELIGENCIA AR. (865594) Curso académico: 2009/2010 Última modificación: de 6

6 GRUPO: Grupo de CLASES DE LABORATORIO de INTELIGENCIA AR. (865595) GRUPO: Grupo de CLASES TEORICAS de INTELIGENCIA ARTIFICI. (865586) CLASES DEL PROFESOR: RISCOS NUÑEZ, AGUSTIN Martes Del 28/09/09 al 22/01/10 Hora: De 12:00 a 14:00 AULA H0.12 Curso académico: 2009/2010 Última modificación: de 6