1 UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE INGENIERÍA MECÁNICA Y ELÉCTRICA PROGRAMA ANALÍTICO FIME Nombre de la unidad de aprendizaje: Inteligencia Artificial y Redes Neuronales Frecuencia semanal: 3 hrs. Horas presenciales: 40 hrs. Horas de trabajo extra-aula: 18 hrs. Modalidad: Presencial Período académico: Semestral Unidad de aprendizaje: (X) obligatoria ( ) optativa Área curricular, según el nivel educativo: Licenciatura ( ) Formación básica profesional ( X ) Formación profesional ( ) Formación general Universitaria ( ) Libre elección Créditos UANL: 3 Fecha de elaboración: 24 / Septiembre / 2013 Fecha de la última actualización: 20 / Enero / 2014 Responsables del diseño: M.C. Mayra Deyanira Flores Guerrero M.C. Francisco Javier De La Garza Salinas M.A. Karla Nathali Porras Vázquez Presentación: En esta unidad de aprendizaje se estudia la toma de decisiones mediante el empleo de técnicas de Inteligencia Artificial y Redes Neuronales se divide en 4 Unidades temáticas. En la Unidad temática 1, se verán los antecedentes de la Inteligencia Artificial destacando definiciones, teorías, y propuestas, etc., también se analizan las diferentes ramas de la IA, así como sus líneas de investigación enfocándose esta unidad de aprendizaje a la toma de decisiones haciendo uso de las diversos soluciones de problemas. En la Unidad temática 2 se induce a la representación de conocimiento mediante la lógica de predicados, haciendo uso de conectivos lógicos, además de hacer un análisis a los diferentes paradigmas de la representación del conocimiento y la determinación de su validez.
En la Unidad temática 3 se involucra el análisis para la toma de decisiones en la modelación de un problema optimizando la búsqueda de sus soluciones mediante algoritmos exhaustivos y heurísticos, la simulación del proceso de aprendizaje en el software; etc., diseñando así un sistema experto o un sistema informático enfocado a la toma de decisiones. En la Unidad temática 4 se representa un panorama general de las Redes Neuronales analizando los principales conceptos básicos y la lógica difusa. 2 Propósito: En el desarrollo de esta unidad de aprendizaje se contribuye a la formación de egresados con valores. Asimismo contribuye a que el estudiante desarrolle conocimientos avanzados, generales o especializados, así como la capacidad para aplicarlos a situaciones concretas. Habilidades y herramientas para el aprendizaje autónomo y pone en práctica una dinámica de superación constante. Practica los valores y atributos que la Universidad promueve. Es positivo ante la vida y el estudio; competitivo a nivel internacional por sus conocimientos, destrezas, actitudes y aptitudes. Además posee competencias sociales y capacidades de comunicación y persuasión que le permiten desenvolverse en un contexto internacional. Promueve la actitud emprendedora y ejerce liderazgo, con capacidad para dirigir y coordinar y es capaz de trabajar en equipo y desarrollar proyectos conjuntos. Competencias del perfil de egreso: a. Competencias de la Formación General Universitaria a las que contribuye esta unidad de aprendizaje: Esta unidad de aprendizaje contribuye al desarrollo de las siguientes competencias generales, correspondiente a la Formación General Universitaria. Competencias instrumentales: Aplica estrategias de aprendizaje autónomo en los diferentes niveles y campos del conocimiento que le permitan la toma de decisiones oportunas y pertinentes en los ámbitos personal, académico y profesional. Utiliza los lenguajes lógico, formal, matemático, icónico, verbal y no verbal de acuerdo a su etapa de vida, para comprender, interpretar y expresar ideas, sentimientos, teorías y corrientes de pensamiento con un enfoque ecuménico.
Maneja las tecnologías de la información y la comunicación como herramienta para el acceso a la información y su transformación en conocimiento, así como para el aprendizaje y trabajo colaborativo con técnicas de vanguardia que le permitan su participación constructiva en la sociedad. Emplea pensamiento lógico, crítico, creativo y propositivo para analizar fenómenos naturales y sociales que le permitan tomar decisiones pertinentes en su ámbito de influencia con responsabilidad social. 3 Competencias personales y de interacción social Práctica de reflexión ética y ejercicio de los valores promovidos por la UANL: verdad, equidad, honestidad, libertad, solidaridad, respeto a la vida y a los demás, respeto a la naturaleza, integridad, ética profesional, justicia y responsabilidad, en su ámbito personal y profesional para contribuir a construir una sociedad sostenible. Capacidad de un trabajo inter, multi y transdisciplinario. Competencias integradoras Habilidades para la generación y la aplicación del conocimiento. Resuelve conflictos personales y sociales conforme a técnicas específicas en el ámbito académico y de su profesión para la adecuada toma de decisiones. b. Competencias específicas del perfil de egreso a las que contribuye la unidad de aprendizaje: Diseñar aplicaciones de software orientadas a la toma de decisiones para resolver problemas empleando teoremas, algoritmos y técnicas de la Inteligencia Artificial y Redes Neuronales; optimizando la búsqueda de soluciones, para que el operador lo pueda llevar a un proceso real o virtual.
Representación gráfica UANL - FIME 4
Unidad temática 1: Antecedentes de la Inteligencia Artificial y la solución de problemas. Competencias particulares: Analizar conceptos generales relacionados al surgimiento de la Inteligencia Artificial, mediante definiciones, teoremas y teorías para justificar cada una de las ramas y líneas de investigación relacionadas para la solución de problemas. 5 Elementos de Competencia Describir los pasos que llevaron al surgimiento de la Inteligencia Artificial resaltando las áreas o ciencias involucradas para realizar su implementación. Analizar una técnica de Inteligencia Artificial, con la realización de algoritmos eficientes que den solución a un problema con alguna técnica. Evidencias de aprendizaje Mapa conceptual de las áreas de Inteligencia Artificial. Algoritmo de una de las técnicas de Inteligencia Artificial. Criterios de desempeño Actividades de aprendizaje Contenidos Recursos Mapa conceptual de las áreas de Inteligencia Artificial: Gráfico completo incluyendo las áreas o ciencias Limpieza Referencias bibliográficas Algoritmo de una de las técnicas de Inteligencia Artificial: Contenido correcto Limpieza Referencias bibliográficas Elaborar un mapa conceptual que incluya las áreas o ciencias que apoyaron el surgimiento del área de Inteligencia Artificial. Realizar el diseño de un algoritmo de un programa donde aplique las técnicas de inteligencia artificial. Propuesta Alan Turing de Características de los sistemas basados en Inteligencia Artificial Áreas o ciencias involucradas en el surgimiento del área de IA Técnicas Inteligencia Artificial de Libro de texto, Revistas científicas, Internet, Computadora. Computadora Software lenguaje. y del
Unidad temática 2: Representación y validez de razonamientos, haciendo uso de la lógica de predicados Competencias particulares: Analizar las técnicas existentes para la representación y manipulación del conocimiento utilizando la lógica de predicados para posteriormente ser utilizadas dentro de los programas. 6 Elementos de Competencia Analizar problemas específicos haciendo uso de la lógica de predicados para la resolución del problema Identificar problemas específicos haciendo uso de la lógica de predicados para su resolución. Evidencias de aprendizaje Resolución de problemas de conectivos lógicos Resolver problemas de representación del conocimiento. Criterios de desempeño Actividades de aprendizaje Contenidos Recursos Resolución de problemas de conectivos lógicos: Solución Contenido correcto Resolver problemas de representación del conocimiento: Solución Contenido correcto Formato de tareas Resolver ejercicios propuestos que permitan representar razonamientos haciendo uso de lógica de predicados Resolver ejercicios propuestos que permitan validar razonamientos haciendo uso de reglas de inferencia lógica Representación de razonamientos: Introducción a la lógica de predicados, conectivos lógicos Validez de razonamientos: Reglas de inferencia lógica, deducción proposicional, Leyes y Axiomas Libro de texto, Revistas científicas, Internet, Computadora. Computadora Software lenguaje. y del
Unidad temática 3: Programación lógica y búsquedas de un Sistema experto. Competencias particulares: Modelar un problema específico optimizando la búsqueda de sus soluciones mediante algoritmos exhaustivos y heurísticos, la simulación del proceso de aprendizaje en el software; etc., para diseñar así un sistema experto o un sistema informático enfocado a la toma de decisiones. 7 Elementos de Competencia Modelar un problema por medio de la programación lógica para la toma de decisiones Analizar la toma de decisiones de un sistema experto por medio de la programación para su realización Identificar la búsqueda de las decisiones en el sistema experto mediante algoritmos para realzar su simulación. Evidencias de aprendizaje Árboles de decisión Programas codificados y compilados sin error de ejecución Programas de búsqueda exhaustiva o heurística. Criterios de desempeño Actividades de aprendizaje Contenidos Recursos Árboles de decisión: Contenido Entrega en fecha y hora Programas codificados y compilados sin error de ejecución: Compilados correctamente y sin error de ejecución Entrega en fecha y hora. Programas de búsqueda exhaustiva o heurística: Compilados correctamente y sin error de ejecución Entrega en fecha y hora. Elaborar árboles de decisión en el que se describan cada uno de los estados de los problemas analizados Programas codificados en cualquier herramienta de software en el que se simule la toma de decisiones Programas codificados en cualquier herramienta de software en el que se apliquen algoritmos de búsqueda exhaustivos o heurísticos y optimicen la toma de decisiones Definición de problema Espacio de estados Árboles de decisión Programación lógica Recursividad Algoritmos de búsqueda: Exhaustivos y Heurísticos Recorridos de Árbol Ordenamiento Teoremas de Flujo Libro de texto, Revistas científicas, Internet, Computadora, Computadora Software lenguaje. y del
8 Unidad temática 4: Introducción a las Redes Neuronales y lógica difusa. Competencias particulares: Analizar los conceptos generales relacionados con las Redes Neuronales mediante conceptos básicos y conocer los diferentes modelos de Redes para posteriormente realizar una simulación. Elementos de Competencia Identificar los diferentes conceptos que se manejan dentro de las Redes Neuronales utilizando los diferentes modelos para llevar a cabo la realización de una Red Neuronal de alguna área específica a realizar Analizar Redes Neuronales Artificiales, con los diferentes modelos para realizar redes eficientes que den solución a uno de estos modelos Describir los pasos que llevaron al surgimiento de la lógica difusa resaltando las áreas o ciencias involucradas para realizar su implementación. Evidencias de aprendizaje Síntesis de los conceptos generales sobre Redes Neuronales. Mapa conceptual que incluya los modelos de Redes neuronales. Síntesis de los conceptos, fundamentos y aplicaciones de la lógica difusa. Criterios de desempeño Actividades de aprendizaje Contenidos Recursos Síntesis de los conceptos sobre redes neuronales: Contenido correcto Referencias bibliográficas Mapa conceptual que incluya los modelos de red neuronal: Gráfico completo incluyendo las modelos de RNA. Entrega en fecha y hora Presentación de lógica difusa: Contenido correcto Referencias bibliográficas Elaborar una síntesis y un mapa conceptual que describa los componentes de la red neuronal. Elaborar un mapa conceptual que incluya los modelos de Redes Neuronales Artificiales que se analizaran dentro de la Unidad. Elaborar una presentación electrónica donde describa los conceptos, fundamentos, áreas de aplicación y ejemplos de uso Introducción a las Redes Neuronales Artificiales Perceptron Simple, Perceptron con múltiples capas. Introducción y fundamentos de la lógica difusa. Libro de texto, Revistas científicas, Internet, Computadora, Computadora Software lenguaje. y del
Evaluación integral de procesos y productos (ponderación /evaluación sumativa) UANL - FIME 9 Evidencia Ponderación Mapa conceptual de las áreas de IA 2% Diseñar un algoritmo de una de las técnicas de Inteligencia Artificial. 4% Resolución de problemas 4% Resolver problemas de representación del conocimiento. 4% Programas de búsqueda exhaustiva o heurística. 4% Síntesis de los conceptos generales sobre Redes Neuronales 2% Mapa conceptual que incluya los modelos de Redes Neuronales. 2% Presentación de lógica difusa 4% Examen Medio Curso 15% Examen Ordinario 10% Exposición 15% Participación y/o Trabajo en Equipo 4% Producto integrador 30 % Producto integrador de aprendizaje: Al finalizar la unidad de aprendizaje, el estudiante o equipo de trabajo deberá diseñar un sistema experto donde definirá un problema que se haya detectado en cualquier área o contexto incluyendo: el análisis de estados o árbol de decisión, las soluciones a presentarse, las reglas o condiciones bajo las cuales deben darse las soluciones del problema, la optimización de la búsqueda de soluciones y la simulación del proceso de aprendizaje, haciendo uso de herramientas de software. Cada estudiante o equipo de trabajo expondrá en forma oral su proyecto con la finalidad de generar retroalimentación acerca del diseño del software orientado a la toma de decisiones y de las técnicas empleadas en su construcción.
Fuentes de apoyo y consulta: UANL - FIME 10 Libro: Inteligencia Artificial (2da. Edición) Autor: Elaine Rich and Kevin Knight Editorial: Mc. Graw Hill Libro: Inteligencia Artificial con Aplicaciones a la Ingeniería Autor: Pedro Ponce Cruz Editorial: Alfaomega Libro: A. Comprehensive Guide to AI and Expert Systems Autor: Robert I. Levine, Diane E. Drang and Barry Edelson Editorial: Mc. Graw Hill Libro: Neuronal Networks: A Comprehensive Foundation. Autor: Simon Haykin Editorial: Prentice Hall Libro: Redes Neuronales y Sistemas Borrosos Autor: Martin del Brío, Bonifacio, SANZ, Alfredo Editorial: Alfaomega Libro: Inteligencia Artificial un enfoque moderno Autor: Stuart Russell, Peter Norvig Editorial: Prentice Hall
11 Perfil del docente: Doctorado, Maestría y/o Licenciatura en el área de Sistemas o afín con experiencia en el desarrollo de sistemas. Ficha bibliográfica del profesor: