.-IDENTIFICACIÓN ESCUELA: UNIVERSIDAD DEL ISTMO CLAVE: 308 GRADO: ING. EN COMPUTACIÓN, OCTAVO SEMESTRE TIPO DE TEÓRICA/PRACTICA ANTECEDENTE CURRICULAR: 307.- OBJETIVO GENERAL Introducir al alumno en el área, campos y técnicas de la inteligencia artificial, con el objetivo de plantear y resolver problemas. 3.- UNIDADES. Introducción;. Representación del conocimiento; 3. Solución de problemas por búsqueda; 4. Agentes; 5. Aprendizaje; 6. Aplicaciones. 4.- TIEMPO ASIGNADO Y CRÉDITOS DE LA ASIGNATURA. TEORÍA PRÁCTICA TOTAL HORAS SEMANA 3 3 6 HORAS SEMESTRE 5 5 0 CRÉDITOS 8 HOJA DE 0
5.- CONCENTRADO POR UNIDAD UNIDADES CARGA POR UNIDAD EN HORAS TEORÍA PRÁCTICA TOTAL OBJETIVOS POR UNIDAD. Introducción. 8 0 Analizar la evolución de la Inteligencia Artificial, principales paradigmas, conceptos básicos y estado actual.. Representación del conocimiento. 6 8 Reconocer los principales modelos para la representación estructurada del conocimiento. 3. Solución de problemas por búsqueda. 0 8 8 Emplear y experimentar con distintos métodos de busqueda informada y no informada, y al mismo tiempo visualizar la diferencia entre éstos. 4. Agentes. 7 7 4 Analizar la estructura y funcionamiento de un agente inteligente, y visualizar la diferencia agente/programa. 5. Aprendizaje. 0 4 4 Aplicar técnicas y algoritmos inteligentes que simulan el proceso de aprendizaje en una computadora. 6. Aplicaciones. 0 8 8 Demostrar la importancia de aplicar técnicas inteligentes en robótica, visión artificial y clasificación de patrones. HOJA DE 0
6.- S. INTRODUCCIÓN Analizar la evolución de la Inteligencia Artificial, principales paradigmas, conceptos básicos y estado actual. TEMA.. Definición de inteligencia artificial (IA) y evolución histórica... Fundamentos filosóficos de la IA..3. Introducción a las técnicas de resolución de problemas de IA..4. Inteligencia humana e inteligencia artificial..5. Paradigmas de la IA. HORAS Investigar distintas definiciones de IA para discutir y establecer una sola definición en clase. Exponer los métodos clásicos para la resolución de problemas de la IA. Investigar y analizar los 3 principales paradigmas de la IA. TÉCNICAS Exposición de tema en clase frente a grupo. Trabajo en grupo. Estudio de casos. Debate y lluvia de ideas. APOYOS DIDÁCTICOS Proyector. Libros, internet. Pizarrón..6. Ramas de la IA. Investigar y exponer en equipo principales ramas de la IA. HOJA 3 DE 0
. REPRESENTACIÓN DEL CONOCIMIENTO Reconocer los principales modelos para la representación estructurada del conocimiento. TEMA.. Lógica de primer orden. HORAS 6 Investigar reglas sintácticas de lógica de primer orden TÉCNICAS Exposición oral frente a grupo. APOYOS DIDÁCTICOS Proyector... Reglas de producción..3. Redes semánticas..4. Marcos (frames)..5. Guiones..6. Redes bayesianas y aprendizaje. 4 Investigar estructura y modelos de redes semánticas. Comprender y visualizar el empleo de marcos en la solución de problemas de la IA. Resolver problemas y ejercicios sobre redes semánticas y reglas de producción. Sesión práctica en salón. Resolución de problemas frente a grupo. Debate y lluvia de ideas. Trabajo en equipo. Computadora, software de simulación de reglas de producción. Libros, artículos. HOJA 4 DE 0
3. SOLUCIÓN DE PROBLEMAS POR BÚSQUEDA Emplear y experimentar con distintos métodos de busqueda informada y no informada, y al mismo tiempo visualizar la diferencia entre éstos. TEMA HORAS TÉCNICAS APOYOS DIDÁCTICOS Plantear y resolver distintos Debate y discusión Libros, pizarrón. 3.. Formulación y resolución de problemas problemas con posible del tema frente a solución en espacio de grupo. Proyector. 3.. Problemas de juego y problemas reales. estados. 3.3. Búsqueda en profundidad. 3.4. Búsqueda en amplitud. 3.5. Búsqueda con retroceso. 3.6. Búsqueda primero el mejor. 3.7. Búsqueda A*. 3.8. Búsqueda min-max. 4 4 Programar problemas de búsqueda ciega en profundidad y amplitud. Programar aplicaciones haciendo uso de búsqueda con retroceso. Programar aplicaciones utilizando el algoritmo A*. Programar búsqueda con oponentes utilizando minmax. Explicación oral frente a grupo. Sesiones prácticas en laboratorio. Simulación por computadora. Desarrollo de ejemplos y ejercicios. Software para simulación de búsqueda en profundidad y amplitud. Software para simulación de búsqueda primero el mejor y A*. Software para resolver problemas de búsqueda con oponentes min-max. HOJA 5 DE 0
4. AGENTES Analizar la estructura y funcionamiento de un agente inteligente, y visualizar la diferencia agente/programa. TEMA HORAS 4.. Definición de agente. 4.. Diferencia entre agente y programa. 4.3. Estructura de un agente. 3 4.4. Comportamiento de un agente. 4.5. Clasificación de agentes. 4.6. Ambientes. 3 Investigar y exponer sobre definiciones de "Agente", en distintas fuentes. Exponer y discutir las principales diferencias entre agente y programa. Analizar y exponer agentes basados en objetivos, agentes que aprenden y agentes de consultas. Describir el comportamiento de un agente inteligente. TÉCNICAS Exposición y debate del tema en salón de clases. Explicación frente a grupo. Sesión práctica en laboratorio de cómputo. Desarrollo de ejemplos y ejercicios. Estudio de casos. APOYOS DIDÁCTICOS Proyector. Computadora, internet. Software para simular el comportamiento de agentes inteligentes, Dr. Abuse, Kas 000. HOJA 6 DE 0
5.. Aplicar técnicas y algoritmos inteligentes que simulan el proceso de aprendizaje en una computadora. TEMA 5.. Conceptos generales. 5.. Aprendizaje mediante corrección de errores. 5.3. Aprendizaje mediante redes neuronales 5.4. Aprendizaje con algoritmos genéticos. 5.5. Aprendizaje con algoritmos evolutivos. HORAS 8 8 5 Investigar y exponer el concepto de aprendizaje humano y aprendizaje máquina. Programar redes neuronales artificiales que simulen aprendizaje: perceptrón, backpropagation. Programar y analizar rutinas de optimización mediante algoritmos genéticos. TÉCNICAS Debate de ideas y explicación en clase. Sesión práctica en laboratoio de cómputo. Trabajop en equipo. Estudio de casos. Proyecto en equipo. APOYOS DIDÁCTICOS Pizarrón.proyector. Computadora. Software para simular aprendizaje mediante redes neuronales, Matlab R008, Neural Network Simulator NNs. Software para simular aprendizaje mediante algoritmos evolutivos, Matlab R008, Génesis. Programar principales algoritmos evolutivos: μ+λ, μ+, λ+. HOJA 7 DE 0
6. APLICACIONES. Demostrar la importancia de aplicar técnicas inteligentes en robótica, visión artificial y clasificación de patrones. TEMA 6.. Teoría de juegos. 6.. Visión artificial. 6.3. Procesamiento del lenguaje natural. 6.4. Robótica. 6.5. Recuperación de información. 6.6. Sistemas difusos. 6.7. Sistemas expertos. HORAS 4 4 Programar un reconocedor de rostros, mediante segmentación de medio y alto nivel. Construir y programar distintos modelos de robot utilizando el kit LEGO Mindstorms NXT y Erratic. Analizar y programar algoritmos para recuperación de informacion en WEB. TÉCNICAS Exposición y debate del tema en salón de clases. Explicación frente a grupo. Sesión práctica en laboratorio de cómputo. Estudio de casos. Proyecto en equipo. APOYOS DIDÁCTICOS Proyector. Computadora, software para procesamiento de imágenes. Kit LEGO NXT y Robot ERA- MOBI. Shell Prolog, Matlab y Expert Sinta. 6.8. Sistemas híbridos. 6.9. El futuro de la IA y vida artificial. Programar Sistema de navegación difuso para robot LEGO y ERA-MOBI. Analizar y programar estructura de Sistema Experto de encadenamiento hacia atrás (backtracking). Debate y lluvia de ideas. Desarrollo de ejemplos y ejercicios. HOJA 8 DE 0
7.- APOYO BIBLIOGRÁFICO TEXTO BÁSICO: : un enfoque moderno, Stuart J. Ruseell y Peter Norving, Segunda edición, Editorial Prentice-Hall, 004. Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Luger George F., Fifth edition,addison-wesley editorial, 004. : una nueva síntesis, Nilsson Nils J., Editorial McGraw-Hill, 00. Introduction to Artificial Intelligence, Chamiak Eugene and McDermott Drew, Addison-Wesley editorial, 985. TEXTO DE CONSULTA: Artificial Intelligence: Theory and practice, Dean Thomas, Allen.James and Aloimonos James, Addison-Wesley editorial, 995. Fundamentals of the New Artificial Intelligence: Beyond Traditional Paradigms, Munakata Toshinori, Springer editorial, 00. Artificial Intelligence, Rich Elaine and Knight Kevin, Second edition, McGraw-Hill editorial, 990., Winston Patrick H., Editorial Adisson-Wesley, 994. : La gran guía, Martínez Ángel, Editorial Jackson, 99. Utilización de C en, Schildt Herbert, Editorial Osborne/MacGraw-Hill, 989. A fondo:, Mishkoff Henry, Editorial Anaya Multimedia, 988 8.- EVALUACIÓN Al inicio del curso el profesor indicará el procedimiento de evaluación, el cual deberá comprender las evaluaciones parciales y la ordinaria. El promedio de las calificaciones parciales representará el 50 % de la calificación final y el examen ordinario, el otro 50 %. Las evaluaciones deberán ser por escrito y en su caso con apoyos orales y prácticos. Para tener derecho a cada evaluación, el alumno deberá cumplir con un mínimo de 85 % de asistencia. A criterio del profesor serán considerados los trabajos de investigación, tareas, exposiciones, proyectos y participación en clases. Las evaluaciones parciales y la final, se efectuarán de acuerdo al calendario vigente, en los días y horas publicados por el Departamento de Servicios Escolares. HOJA 9 DE 0
M. C. Ernesto Cortés Pérez M. en C. Daniel Pacheco Bautista M en C. Víctor Manuel Martínez Rodríguez ELABORÓ Vo.Bo. APROBÓ FECHA DE ELABORACIÓN: FECHA DE APROBACIÓN: de septiembre de 009 HOJA 0 DE 0