Download ProgramaAnaliticoI_IA_revisada

Fecha de aprobación:
Departamento de Sistemas
PROGRAMA ANALÍTICO
Nivel
Licenciatura
Unidad de enseñanza-aprendizaje
Clave
1151020
Inteligencia Artificial
4.5
Horas teoría
0
L
i
c
e
n
c
i
a
t
u
r
a
I
n
g
e
n
i
e
r
í
a
.
.
.
Horas práctica
A
m
b
i
e
n
t
a
l
Seriación
C
I
v
i
l
E
n
C
o
m
p
u
t
a
c
i
ó
n
e
n
OBLIGATORIA
Tronco General
Tronco Básico Profesional
Área de Concentración
OPTATIVA
General
de Área de Concentración
Otros
TRIMESTRE
Observaciones
Créditos
1151006 y 1112022

E
l
é
c
t
r
i
c
a
9
E
l
e
c
t
r
ó
n
c
a
F
í
s
i
c
a
I
n
d
u
s
t
r
i
a
l
M
e
c
á
n
i
c
a
M
e
t
a
l
ú
r
g
i
c
a
Q
u
í
m
i
c
a
OBJETIVOS:
Al finalizar la UEA el alumno deberá ser capaz de:







Al finalizar la UEA el alumno deberá ser capaz de:
Interpretar los conceptos básicos y los métodos matemáticos de la
inteligencia
artificial.
Identificar el tipo de problemas que puedan resolverse aplicando algunas
de las
técnicas de inteligencia artificial.
Construir programas para resolver problemas que utilicen o requieran
técnicas de
inteligencia artificial.
CONTENIDO SINTÉTICO:
1.
2.
3.
4.
5.
6.
Introducción.
Técnicas de solución de problemas.
Lógica.
Representación de conocimiento.
Aprendizaje.
Tendencias actuales
TEMA 1. Introducción.
REFERENCIAS:
OBJETIVOS ESPECÍFICOS:
 Revisar la evolución histórica de la IA,
haciendo hincapié en las dos corrientes actuales:
1) simbólica, 2) subsimbólica.

Conocer los aspectos psicológicos de la
inteligencia artificial.

Conocer los aspectos neurológicos que subyacen
a la IA

Hacer un recorrido por las diferentes disciplinas
que han influenciado a la IA.
Conocer las aplicaciones de la IA
1.
2.
1.

Simon, H.A., 2006. Las
Cienicas de los
Artificial. Ed. Comares.
Nilsson, N.J., 1998.
Artificial Intelligece: a
New Synthesis. Ed.
Morgan Kaufmann.
Callan, R. 2003.
Artificial Intelligence.
Ed. Palgrave
macmillan.
HORAS DE CLASE:
9.0
OBSERVACIONES:
CONTENIDO:
1.1. Historia de la IA .
1.2. Descripción de la corriente simbólica y subsimbólica.
1.3. Perspectiva de la Psicología sobre la Cognición
sistemas de información.
1.4 Cognición, Neurociencia y Modelos Bioinspirados.
1.5 Fundamentos de IA: Filiosofía, Matemáticas,
Economía, Neurociencias, Psicología, Ingeniería en
computación, Teoría de control y cibernética,
Lingüística.
1.6. Aplicaciones de IA
TEMA 2. Técnicas de solución de problemas
OBJETIVOS ESPECÍFICOS:
•
Representación de conocimiento
•
Métodos de búsqueda
•
Búsqueda inteligente
CONTENIDO:
2.1 Dar ejemplos con diferentes formas de
representación del conocimiento estructurado: redes
semánticas, guiones, marcos, árboles semánticos.
2.2 implementar algoritmos de búsqueda que le
permitan definir espacios de búsqueda: 1) búsqueda en
amplitud, 2) búsqueda en profundidad, 3) por corte
dependiente, 4) escalamiento, 5) mejor primera
búsqueda.
2.3 Utilizar funciones heurísticas para podar el espacio
de búsqueda.
REFERENCIAS:
1. Russell, S., Norvig, P.
2003. Artificial
Intelligence: A Modern
Approach. Ed. Prentice
Hall. Second Edition.
2. Coppin, B. 2004.
Artificial Intelligence
Illuminated. Ed. Jones
and BartLett
HORAS DE CLASE:
9
OBSERVACIONES:
TEMA 3. Lógica
OBJETIVOS ESPECÍFICOS:
 Comprender a importancia de la Lógica en IA.
 Establecer ejemplos de representación del
conocimiento que utilicen Lógica de
predicados y Proposicional.
CONTENIDO:
3.1.1. Porque se utiliza la Lógica en IA
3.1.2. Operadores lógicos, tabas de verdad
3.1.3. Lógica proposicional
3.1.4. Cálculo de predicados
3.1.5. Lógica de predicados de primer orden
3.1.6. Desarrollar ejemplos
REFERENCIAS:
2. Russell, S., Norvig, P.
2003. Artificial
Intelligence: A Modern
Approach. Ed. Prentice
Hall. Second Edition.
3. Callan, R. 2003.
Artificial Intelligence.
Ed. Palgrave
macmillan.
4. Nilsson, N.J., 1998.
Artificial Intelligece: a
New Synthesis. Ed.
Morgan Kaufmann.
HORAS DE CLASE:
9
OBSERVACIONES:
TEMA 4. Representación de Conocimiento
OBJETIVOS ESPECÍFICOS:
 Comprender la necesidad de una buena
representación del conocimiento.
 Discriminar entre: representación de
conocimiento estructurado, y con
incertidumbre.
 Establecer la importancia del razonamiento
automatizado
CONTENIDO:
 Razonamiento con redes bayesianas
 Razonamiento con redes de creencia
 Razonamiento difuso
REFERENCIAS:
1. Coppin, B. 2004.
Artificial Intelligence
Illuminated. Ed. Jones
and BartLett.
2. Russell, S., Norvig, P.
2003. Artificial
Intelligence: A Modern
Approach. Ed. Prentice
Hall. Second Edition.
3. Konar, A. 1999.
Artifical Intelligence
and Soft Computing.
Ed. CRS.
HORAS DE CLASE:
9.0
OBSERVACIONES:
TEMA 5. Aprendizaje.
OBJETIVOS ESPECÍFICOS:
 Comprender la importancia del Aprendizaje en
IA
 Describir diferentes paradigmas de aprendizaje
CONTENIDO:
 Algoritmos genéticos
 Redes neuronales
 Mapas cognitivos difusos con aprendizaje
 Mapas auto-organizados
 Máquinas de aprendizaje
REFERENCIAS:
1. Russell, S., Norvig, P.
2003. Artificial
Intelligence: A Modern
Approach. Ed. Prentice
Hall. Second Edition.
2. Callan, R. 2003.
Artificial Intelligence.
Ed. Palgrave
macmillan.
3. Nilsson, N.J., 1998.
Artificial Intelligece: a
New Synthesis. Ed.
Morgan Kaufmann.
4. Konar, A. 1999.
Artifical Intelligence
and Soft Computing.
Ed. CRS.
HORAS DE CLASE:
9
OBSERVACIONES:
TEMA 6. Tendencias actuales
OBJETIVOS ESPECÍFICOS:
 Conocer las características de la corriente subsimbólica
CONTENIDO:
 Inteligencia artificial distribuida
 Arquitectura de Pizarra
 Agentes Reactivos y sus propiedades
 Arquitecturas de agentes
REFERENCIAS:
1. Simon, H.A., 2006. Las
Cienicas de los
Artificial. Ed. Comares.
2. Nilsson, N.J., 1998.
Artificial Intelligece: a
New Synthesis. Ed.
Morgan Kaufmann.
3. Callan, R. 2003.
Artificial Intelligence.
Ed. Palgrave
macmillan.
HORAS DE CLASE:
9
OBSERVACIONES:
MODALIDADES DE CONDUCCIÓN DEL PROCESO DE ENSEÑANZA-APRENDIZAJE
Clase teórico-práctica a cargo del profesor con participación activa del alumno con al menos seis sesiones
utilizando computadoras con el software idóneo o modalidad SAI.
INFORMACIÓN ADICIONAL
MODALIDADES DE EVALUACIÓN
Las reglas de evaluación serán presentadas en forma escrita por el profesor al inicio del curso.
Al menos dos evaluaciones periódicas de resolución de problemas, ejercicios o preguntas conceptuales.
Presentación y elaboración de trabajos sobre casos de estudio y de tareas.
Admite evaluación de recuperación consistente en elaboración de programas, resolución de problemas,
ejercicios o preguntas conceptuales.
No requiere inscripción previa.
INFORMACIÓN ADICIONAL
BIBLIOGRAFÍA NECESARIA O RECOMENDABLE
Russel, S., "Artificial intelligence: a modern approach" (2nd edition), Prentice Hall, 2002.
Russel, S., Norving, P., "Inteligencia artificial: un enfoque moderno", Prentice Hall, 1995.
Nilsson, N. J., "Inteligencia artificial: una nueva síntesis", McGraw-Hill, 2001.
Rich, E., Knight, K., "Inteligencia artificial", McGraw-Hill, 1991.
BIBLIOGRAFÍA ADICIONAL
1.
2.
3.
4.
5.
Callan, R. 2003. Artificial Intelligence. Ed. Palgrave MacMillan.
Coppin, B. 2004. Artificial Intelligence Illuminated. Ed. Jones and BartLett.
Konar, A. 1999. Artifical Intelligence and Soft Computing. Ed. CRS.
Simon, H.A., 2006. Las Ciencias de los Artificial. Ed. Comares.
Artículos ad-hoc a los distintos temas
Este programa analítico fue elaborado por una comisión académica del Departamento de Sistemas
por los profesores
Dra. Ana Lilia Laureano Cruces, Dr. Oscar Herrera Alcántara
Aprobado
Jefe de Departamento
integrada
Visto bueno
Director de División