Download Inteligencia artificial
Document related concepts
Transcript
FACULTAD DE INGENIERÍA DEPARTAMENTO DE TECNOLOGÍAS DE INFORMACIÓN Y COMUNICACIONES Código-Materia: Prerrequisitos: Período académico: Intensidad semanal: Créditos: Profesor: 09481- Inteligencia Artificial SIS: 08276 – Matemática Discreta 2016-2 4 horas 3 Luis Eduardo Múnera Programa: Ingeniería de Sistemas Resultados de Aprendizaje relacionados con el Programa Fuente de Valoración •A: Aplicación de las Ciencias y las Matemáticas (A) NO Resultados de Aprendizaje Descripción Este es un curso híbrido entre Inteligencia Artificial y Sistemas Expertos. Inicialmente se presentan las técnicas y estrategias propias de la I.A. (Inteligencia Artificial); pero en especial aquellas que son soporte de los Sistemas Expertos los cuales son el énfasis del curso. También se presentan las estrategias asociadas a Juegos y Rompecabezas. Posteriormente se desarrollan todas las técnicas habituales de representación del conocimiento en Sistemas Expertos y finalmente se aborda el razonamiento aproximado con especial hincapié en la Lógica Difusa. Objetivos General: Mediante las técnicas propias de la I.A. (Inteligencia Artificial) y los principios básicos de la representación del conocimiento, el estudiante será capaz de analizar algunos tipos de problemas que competen a la I.A., proponer estrategias apropiadas para su solución y construir prototipos o programas que los resuelvan. Terminales: Dado un Juego entre adversarios, o un rompecabezas, el estudiante será capaz de proponer una estrategia adecuada para solucionarlo y de construir un programa que lo resuelva. Dado un problema real o hipotético, el estudiante será capaz de categorizarlo y con la ayuda de herramientas será capaz de construir un prototipo de sistema basado en el conocimiento para solucionarlo. Inteligencia Artificial I Página 1 de 4 Dado el conocimiento de un experto humano, el estudiante será capaz de formularlo formalmente, proponiendo una técnica de representación del conocimiento apropiada. Específicos De formación académica: Al finalizar cada unidad, el estudiante estará en capacidad de: Unidad 1: Introducción a la Inteligencia Artificial y los Sistemas Expertos: Identificar los tipos de problemas que ameritan la utilización de Sistemas Expertos. Distinguir los componentes de un Sistema Experto. Identificar los Dominios de Aplicación de la Inteligencia Artificial. Unidad 2: Problemas y Solución de Problemas en Inteligencia Artificial: Re-enunciar problemas de acuerdo con las estructuras formales propias de la Inteligencia Artificial. Identificar las estrategias de solución de problemas más utilizadas en Inteligencia Artificial. Aplicar las estrategias de solución de problemas más utilizadas en Inteligencia Artificial. Unidad 3: Representación de Conocimiento basada en Reglas de Producción: Expresar formalmente el conocimiento mediante reglas de producción. Identificar la estructura y funcionalidad de un Motor de Inferencia de Reglas de Producción. Demostrar el ciclo de trabajo de un motor de reglas de producción. Unidad 4: Representación de conocimiento basada en Lógica Clausal: Expresar formalmente el conocimiento en Cálculo de Predicados de Primer Orden. Re-enunciar representaciones de Lógica Estándar en Lógica Clausal. Demostrar un Solucionador de Problemas basado en el principio de Resolución de Robinson. Unidad 5: Representación de conocimiento basada en Objetos Estructurados: Identificar diversas técnicas de representación semántica del conocimiento. Aplicar las diversas técnicas de representación semántica del conocimiento. Ilustrar las fortalezas y debilidades de las representaciones semánticas y las representaciones basadas en Reglas y Lógica Clausal. Unidad 6: Razonamiento Aproximado: Identificar técnicas cualitativas y cuantitativas de manejo de incertidumbre en la representación de conocimiento. Demostrar Sistemas de Razonamiento Aproximado con factores de Certeza. Demostrar Sistemas de Razonamiento Aproximado con lógica difusa. Inteligencia Artificial I Página 2 de 4 De formación en valores y competencias: Al terminar el curso cada estudiante habrá tenido la oportunidad de reflexionar sobre los siguientes valores, así como de desarrollar estas capacidades: La curiosidad intelectual, a través de la contextualización de la Inteligencia Artificial en el marco de una Antropología Histórica que conecta la Inteligencia Artificial con muchas manifestaciones culturales La responsabilidad, mediante el cumplimiento en las fechas, de las metas de trabajo del proyecto de la Materia. La perseverancia, mediante la constante y diligente labor de resolver ejercicios y problemas propuestos. La capacidad intelectual, a través de la puesta en práctica de las habilidades de Análisis, Conceptualización y Solución de problemas, indispensables para la formalización, representación y solución de problemas en Inteligencia Artificial y Sistemas Expertos. La capacidad de trabajo efectivo con otros, a través del trabajo en equipo y las relaciones interpersonales necesarias para culminar con éxito el proyecto final de la materia. La capacidad de comunicación, dado que se deben presentar las soluciones a los problemas propuestos de una manera clara y efectiva para los demás participantes del curso. Metodología El curso se desarrollará utilizando el aprendizaje activo, lo que conlleva a que en cada clase se realicen las discusiones de los temas con la orientación del profesor y la activa participación de los estudiantes. Durante el semestre se desarrollará un proyecto final en alguna de las siguientes categorías: Sistemas Expertos o Sistemas basados en el Conocimiento. Juegos o Rompecabezas. Sistemas basados en Lógica Difusa. Actividades del estudiante Antes de la clase: Estudiar (no simplemente leer) el material asignado por el profesor. Contestar las preguntas que contiene el material, así como las preguntas adicionales que el profesor entregue. Resolver los ejercicios propuestos en el material, así como los ejercicios adicionales que se le entreguen. Durante la clase: Formular preguntas relacionadas con dudas que le quedaron después de estudiar el tema. Formular preguntas que le surjan en el proceso de discusión en clase. Participar activamente en las discusiones en clase tendientes a la consolidación de conceptos y socialización del conocimiento. Inteligencia Artificial I Página 3 de 4 Participar activamente en los talleres propuestos por el profesor. Después de la clase: Realizar una síntesis entre lo tratado en clase y el conocimiento previamente adquirido. Resolver los ejercicios que el profesor proponga que sean desarrollados después de la clase. Evaluación La evaluación está conformada por una nota individual y la nota del proyecto final. Sin embargo la nota del proyecto final sólo se tendrá en cuenta cuando la nota individual sea mayor o igual a 3.0. La mejor manera de estar preparado para cada examen parcial es alcanzando los objetivos específicos de cada unidad. Nota individual: Nota individual = (Examen Parcial 1 + Examen Parcial 2 + Examen Parcial 3) / 3 Nota definitiva: Si (nota individual < 3.0) entonces: Nota definitiva = nota individual Si (nota individual >= 3.0) entonces: Primer Examen Segundo Examen Tercer Examen Trabajo Final Nota definitiva 30% 25% 25% 20% 100% Semana 7: Unidades 1, 2 y 3 Semana 14: Unidades 4 y 5 Semana 17: Unidades 5 y 6 Bibliografía Libro guía: Múnera Luis Eduardo. “Principios de Inteligencia Artificial y Sistemas Expertos”. Serie Textos Universitarios de la Icesi, No. 37. David W. Rolston. "Principios de Inteligencia Artificial y Sistemas Expertos", Ed. McGraw-Hill, 1990. José Cuena y otros. “Inteligencia Artificial: Sistemas expertos". Alianza Editorial. Madrid 1986. J. Pazos Sierra. “Inteligencia Artificial" J. Ed. paraninfo. Madrid 1987. Nils J. Nilsson. “Principios de Inteligencia Artificial". Ed. Díaz de Santos. Madrid 1988. Giarratano J., Riley G. “Sistemas Expertos (Principios y Programación) “. Thomson Editores, 2001 Rauch-Hindin, Wendy B. "Artificial Intelligence in Business, Science, and Industry". 2 Vol. Prentice-Hall. 1986. Inteligencia Artificial I Página 4 de 4