UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: INTELIGENCIA ARTIFICIAL FECHA DE ELABORACIÓN: MARZO 2005. ÁREA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ) APOBL ( ) APOPT ( x ) ASIGNATURA INTEGRADORA ( ) CLAVE: 532707 _ ASIGNATURA ANTECEDENTE: NINGUNA CLAVE NOMBRE HORAS DE APRENDIZAJE A LA SEMANA CON DOCENTE INDEPENDIENTES TOTAL 3 3 6 CRÉDITOS: 5.6 TOTAL DE HORAS CLASE POR ASIGNATURA: 90 OBJETIVO GENERAL El estudiante analizará la formación de base en inteligencia artificial (IA), para resolver problemas que requieran el uso de técnicas de IA, utilizando los paradigmas de modelación, inferencia y aprendizaje más extendidos, en cualquier campo de aplicación. 1.- Introducción a la IA 2.- Representación del Conocimiento y Resolución de problemas 3.- Aprendizaje 4.- Razonamiento aproximado 5.- Percepción 6.- Lógica y Toma de decisiones 7.- Genética ÍNDICE DE UNIDADES
1.- Introducción a la inteligencia artificial HORAS: (3/3) 6 El estudiante identificará los propósitos y fines del uso de la IA, para introducirse al conocimiento de la inteligencia artificial. 1.1 Historia y estado del arte de la IA 1.2 IA y sus objetivos actuales 1.3 IA y su relación con otros enfoques de solución de problemas 1.4 IA y sus paradigmas 1.5 IA y su futuro Exposición del estado del arte de la IA, explicando los conceptos e historia de la IA. señalará los conceptos más importantes relacionados con los temas. Promoverá la participación de los estudiantes mediante pregunta relacionadas con los temas Solicitud de lecturas Análisis de la interacción de la IA con otras disciplinas. Identificar los conceptos más importantes relacionados con los temas. Realizará lecturas relacionadas con la IA Investigación por Internet de los temas más recientes de la IA Elaboración de una presentación explicando las lecturas e investigación realizadas.
2. Representación del conocimiento y Resolución de problemas HORAS: (6/6) 12 El estudiante aplicará los principales modelos de representación del conocimiento para la solución de problemas 2.1 Juegos competitivos 2.2 Búsqueda en profundidad y ampliación 2.3 Estructuras de datos para el conocimiento 2.4 Evaluación experimental y diseño heurístico las estructuras utilizadas en la representación del conocimiento. señalará la importancia de los juegos competitivos y búsquedas empleadas en dichos juegos.. Explicación de programas clásicos de juegos con aplicación de diversas búsquedas. Análisis de las estructuras utilizadas en la IA en la representación de conocimiento. la importancia de los juegos competitivos en la IA. relacionadas con juegos y búsquedas aplicadas en juegos. programas clásicos de juegos con diversas búsquedas. Comparación de búsquedas diversas en la aplicación de juegos. SW Exsys CORVID
3.- Aprendizaje HORAS: (7.5/7.5)15 El estudiante aplicará los principales modelos de aprendizaje artificial, para solucionar problemas. 3.1 Aprendizaje por adquisición 3.2 Aprendizaje por adaptación básico 3.3 Autómatas en aprendizaje 3.4 Redes neuronales 3.5 Conexionismo los diferentes aprendizajes utilizados en la IA señalará la importancia de la utilización de autómatas en el aprendizaje.. Explicación de programas clásicos utilizando redes neuronales y conexionismo los diferentes aprendizajes, identificando diferencias y semejanzas. la importancia de los juegos competitivos en la IA. Análisis de programas con utilización de redes neuronales y conexionismo relacionadas con juegos y búsquedas aplicadas en juegos. programas clásicos utilizando redes neuronales y conexionismo. Presentación de analogías entre redes neuronales y conexionismo, utilizando programas de aplicación.. SW Image Zinder, Decisión Maker, Predictor de Attrasoft
4.- Razonamiento aproximado HORAS: (7.5/7.5)15 El estudiante entenderá los factores de certidumbre y lógica difusa, para aproximarse al razonamiento. 4.1 Conceptos básicos 4.2 Perspectiva histórica 4.3 Factores de certidumbre 4.4 Lógica difusa los factores de certidumbre y lógica difusa utilizados en la IA señalará la importancia de la lógica difusa en la aplicación de problemas en la IA. Explicación de programas clásicos utilizando lógica difusa la aplicación de la lógica difusa en problemas de IA. Análisis de programas con utilización de lógica difusa. relacionadas con lógica difusa y factores de certidumbre programas clásicos utilizando lógica difusa SW Fuzzy Tech y/o Fuzzy Engineering
HORAS: (6/6)12 5.- Percepción El estudiante caracterizará las técnicas de reconocimiento y percepción del conocimiento, para comprender como se organiza el conocimiento. 5.1 Reconocimiento y Descripción de objetos 5.2 Uso de filtros para mejorar el proceso de imágenes 5.3 Ejemplos aplicados los diferentes técnicas de reconocimiento y percepción utilizados en la IA señalará la importancia del reconocimiento y percepción del conocimiento en la solución de diversos problemas de la IA Explicación de programas clásicos utilizando reconocimiento y descripción de objetos las diferentes técnicas utilizadas en reconocimiento y percepción identificando diferencias y semejanzas. la importancia de las técnicas de reconocimiento y percepción en diferentes problemas de la IA Análisis de programas con utilización de reconocimiento y percepción del conocimiento. relacionadas con reconocimiento y percepción en diversos problemas de la IA programas utilizando reconocimiento y percepción del conocimiento. SW Image finder / Decision Maker /Predictor de Attrasoft
HORAS: (7.5/7.5)15 6.- Lógica y toma de decisiones El estudiante comprenderá los conceptos relacionados con la lógica y toma de decisiones, reglas de encadenamiento y principios de solución de problemas, usando las técnicas de aprendizaje artificial. 6.1 Reglas de encadenamiento 6.2 Mecanismos de toma de decisiones 6.3 Modelamiento del conocimiento 6.4 Principios de resolución 6.5 Planeación 6.6 Reglas de un sistema experto 6.7 Operación de un sistema experto los principios de funcionamiento y partes que componen a un sistema experto. señalará la importancia de los sistemas expertos en la solución de diversos problemas de la IA Explicación de programas utilizando sistemas expertos las partes que componen a un sistema experto. la aplicación de los sistemas expertos en diferentes problemas de la IA Análisis de programas aplicando sistemas expertos. relacionadas el funcionamiento y aplicación de los sistemas expertos programas utilizando sistemas expertos.. SW Exsys CORVID
7.- Genética El estudiante analizará otras técnicas de la inteligencia artificial, para la solución de problemas complejos. HORAS: (7.5/7.5)15 7.1 Algoritmos genéticos 7.2 Ejemplos de un AG 7.3 Aplicaciones la utilización de los algoritmos genéticos en la IA señalará la importancia de los algoritmos genéticos en la solución de diversos problemas de la IA Explicación de programas clásicos utilizando AG Análisis y discusión grupal acerca de la utilización de los AG en la resolución de problemas en la IA. Análisis de programas con utilización de AG. relacionadas con AG programas utilizando AG. SW C++/Java
REFERENCIAS BIBLIOGRÁFICAS BÁSICA: S. Russell, P. Norving, Artificial Intelligence: A Modern Approach, Editorial Prentice Hall, 1995 N, Nilsson, Artificial Intelligence: A New Synthsis, Morgan Kaufmann Publishers, 1998 E. Rich, K. Knight, Inteligencia Artificial, Mc Graw Hill Iberoamericana, 1994. COMPLEMENTARIA: S. Haykin, NeuralNetworks Comprehensive Foundation, Prentice Hall, 1994. G. Klir, B. Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, 1995. A. González, D. Dankel, The Engineering of Knowledge based systems. Theory and Practice, Prentice Hall, 1993 M. Mitchael, An Introduction to Genetic Algorithms, MIT Press, 1996.
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI ASIGNATURA: INTELIGENCIA ARTIFICIAL CLAVE: 532707 PERFIL DOCENTE NIVEL DE ESCOLARIDAD Licenciatura PROFESIÓN LSCA Ing. En Sistemas EXPERIENCIA PROFESIONAL ÁREA Sistemas de Cómputo ACTIVIDADES Desarrollo de Sistemas AÑOS NIVEL EDUCATIVO 3 Licenciatura EXPERIENCIA DOCENTE ASIGNATURAS Sistemas expertos, inteligencia artificial, Redes neuronales AÑOS Y/O SEMESTRES 4 Lic. En Informática OTROS CONOCIMIENTOS DESEABLES: Contar con cursos de maestría y /o doctorado en el área de la asignatura