FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA SINTÉTICO DE LA ASIGNATURA: INTRODUCCIÓN A LA

Transcripción

1 FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA SINTÉTICO DE LA ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Código T511 PLAN DE ESTUDIOS: 1995 CARRERA: LIC. EN CS. DE LA COMPUTACIÓN DEPARTAMENTO: SISTEMAS E INFORMÁTICA PROFESORES: Lic. Ana Casali Ing. Rosa Corti PRESUPUESTO HORARIO SEMANAL PROMEDIO TEORÍA: PRÁCTICA: LABORATORIO: 3 hs 3 hs 3 hs TOTAL ASIGNADO: (1+2+3) 9 hs DEDICACIÓN DEL ALUMNO FUERA DE CLASE: 5 hs PROGRAMA SEMESTRAL OBSERVACIONES: PRESUPUESTO TOTAL: (5+4) 14 hs PROGRAMA BASADO EN SEMANAS ÚTILES : 15 HORAS TOTALES ASIGNADAS: ( 7x4 ) 135 hs HORAS TOTALES PRESUPUESTAS: (7x6) 210 hs CARACTERÍSTICAS GENERALES Y UBICACIÓN EN LA CARRERA : La materia brinda una visión de los problemas que trata la Inteligencia Artificial y las técnicas utilizadas en su resolución. Como pilares se analizarán los métodos de búsqueda y la problemática de la representación del conocimiento, considerando las distintas dificultades que presenta. Dentro de las distintas áreas de IA, se tratará específicamente el área de los sistemas basados en el conocimiento donde se analizará su estructura, sus etapas de desarrollo y los dominios apropiados para este tipo de sistemas. Mediante el desarrollo de un prototipo de sistema basado en el conocimiento, se espera que el alumno incorpore los aspectos pragmáticos del área. Esta materia se ubica en el décimo semestre de la grilla correspondiente a la carrera de Lic. en Ciencias de la Computación.

2 OBJETIVOS: (qué debe saber el alumno al concluir el curso) Mediante esta asignatura se pretende que los alumnos adquieran los siguientes conocimientos y habilidades: Conocimientos relativos a: Problemas que encara la Inteligencia Artificial (IA) y dentro de ella la Ingeniería del conocimiento. Técnicas básicas utilizadas por la IA. Tratamiento del conocimiento complejo. Cuáles son los problemas que se pueden encarar con el desarrollo de un sistema basado en el conocimiento. Estructura de un sistema basado en el conocimiento. Etapas de desarrollo Adquirir habilidades para: El manejo de una herramienta de programación adecuada. Desarrollar prototipos de aplicaciones. MATERIAS RELACIONADAS: Previas: Análisis de Lenguajes de Programación I - Lógica y Algoritmos Simultáneas recomendadas: Posteriores: Posible Trabajo Final Firma Profesor Fecha Aprob. Escuela Fecha Aprobado en reunión de Consejo Académico de fecha:...

3 CONTENIDO TEMÁTICO Ordenar las unidades que integran el curso utilizando codificación decimal. 1. Que es la Inteligencia Artificial (I.A.) Diferentes definiciones Historia de la I.A Campos de investigación en I.A 1.4. Técnicas básicas Agentes Inteligentes Criterios para evaluar programas. 2. Resolución de problemas y búsqueda Representación en espacio de estados Sistemas de producción Características de los problemas Ejemplos clásicos Técnicas de búsqueda heurística Generación y prueba Escalada (Hill Climbing) Búsqueda primero el mejor (best-first search). Algoritmo A* Reducción del problema Satisfacción de restricciones. 3. Representación del conocimiento El problema de la representación del conocimiento Diferentes paradigmas Formalismos lógicos Cálculo de predicados Automatización de la lógica Esquema de representación procedimental Reglas de producción Esquema de representación estructurada Redes semánticas. Frames. Objetos

4 4. Representación del conocimiento en dominios complejos Razonamiento Aproximado 4.2. Imprecisión e incertidumbre en el conocimiento Lógica difusa Tratamiento de la imprecisión e incertidumbre. Distintos Métodos Ejemplos: Sistema Milord, Mycin, Prospector Razonamiento No-Monótono 5. Sistemas Expertos (SE) 5.1. Definición de SE. Ejemplos Organización del conocimiento en los SE Arquitectura de los SE Base de conocimientos Motor de Inferencia Metaconocimiento 5.5. Características de los problemas que resuelven los SE Campos de aplicación de los SE Adquisición del conocimiento Desarrollo de un SE. Herramientas Verificación y validación. 6. Aprendizaje automático 6.1. Introducción 6.2. Objetivos del aprendizaje automático 6.3. Distintos enfoques: evolución histórica 6.4. Principales estrategias de aprendizaje 6.5. Aprendizaje y razonamiento basado en casos (RBC) TALLER: Herramienta de desarrollo KAPPA-PC Características generales de la herramienta Clases e instancias en KAPPA-PC Lenguaje KAL Razonamiento basado en reglas Reglas de producción Motor de inferencia: Distintos modos de funcionamiento Distintas estrategias de búsqueda Interfases

5 TRABAJOS PRÁCTICOS a) Enumeración: Ejercicios de práctica sobre los siguientes temas 1. Campos de IA y grupos de investigación 2. Resolución de un problema mediante representación en espacio de estados 3. Representación del conocimiento usando lógica de predicados. Prácticas de laboratorio 1. Estructuras de clases y objetos 2. Motor de inferencia: estrategias de búsquedas. 3. Manejo de demonios 4. Desarrollo de un prototipo BIBLIOGRAFÍA a) Adecuada al programa. Ordenada por temas y con su codificación de biblioteca, incluidas las publicaciones de la Cátedra con su código de publicación. MATERIAL DESARROLLADO POR LAS DOCENTES DE LA CÁTEDRA, PARA LA COBERTURA DE LOS DISTINTOS TEMAS. I. PRESENTACIONES (Power Point) Introducción a la IA Representación del conocimiento Métodos de búsqueda Sistemas basados en el conocimiento Aprendizaje basado en casos II. TRANSPARENCIAS Métodos de búsqueda Razonamiento aproximado Aprendizaje basados en casos. TEMAS 1, 2, 3 Y 4: Russell, S. & Norvig, P. Inteligencia Artificial. Un enfoque moderno. Prentice Hall Rich, E. & Knight, K. Inteligencia Artificial, 2da edición. Mc Graw Hill, TEMA 4: López de Mántaras, R. Approximate Reasonning. Ellis Horwood, TEMA 5: Waterman, A guide to Expert Systems Decision Support Systems and Expert Systems Turban. Prentice Hall TEMA 6: TALLER: Manual on-line Kappa-pc. Intellicorp. b) Complementaria para profundización o extensión de temas. Cox, E. The Fuzzy System Handbook: A practitioner s guide to building, using and maintaining fuzzy systems. AP Professioal. Nilsson, N. J. Principios de Inteligencia Artificial, Diaz de Santos, Winston, P.H. Inteligencia Artificial, 3ª edición. Addison-Wesley, Papers sobre distintos temas.

6