Download El curso consiste en el estudio de herramientas de Inteligencia

UNIVERSIDAD DE LA FRONTERA
TEMUCO - CHILE
I.- IDENTIFICACIÓN DEL CURSO
Nombre del Curso
Código del curso
: Introducción a la Inteligencia Artificial
: MFME40
Programa
Horas, Módulos
Calidad
Tipo de formación
Carácter
Académicos participantes
:
:
:
:
:
:
Magíster en Física Médica
Cuatro por semana por 16 semanas (equivalentes)
Electivo
Especializada
Teórico
Dra. Gloria Millaray Curilem Saldías
II.- DESCRIPCIÓN DE LA ASIGNATURA
El curso consiste en el estudio de herramientas de Inteligencia Artificial (IA) que son
utilizadas para el desarrollo de sistemas llamados Sistemas Inteligentes. Estas
herramientas se aplican a los más diversos problemas de la Ingeniería, la medicina,
la informática, etc., tales como el Procesamiento de Señales e Imágenes, las
Comunicaciones, el Control Automático, la Electrónica de Potencia, el Apoyo a la
Decisión Médica, la Informática Educativa, entre otros. La asignatura debe permitir la
construcción de un Sistema Inteligente de aplicación real, mediante la vivencia de
todo el proceso de desarrollo: investigación bibliográfica, modelamiento,
implementación, simulación, validación, producción de artículo y presentación formal
del sistema elaborado. Para esto la asignatura consta de dos partes. En una primera
parte se realizará la presentación de diversas herramientas de IA, correspondientes
a diferentes paradigmas del área. Los alumnos deberán aprender, además, a
implementarlas computacionalmente. En una segunda parte, se desarrollará de
forma individual o en grupos, el proyecto de diseño e implementación de un Sistema
Inteligente.
III.- OBJETIVOS
a) Objetivos generales:
El objetivo general es dar a conocer a los alumnos nuevas herramientas para la
implementación de sistemas. Estas herramientas se basan en los conceptos y
paradigmas de la Inteligencia Artificial. Se pretende además demostrar cómo estas
herramientas pueden ser usadas para la resolución de diversas problemáticas del
área de ingeniería, las ciencias, la medicina, etc.
b) Objetivos específicos:
1. Objetivos Cognitivos: al finalizar el curso los alumnos deberán:
- diferenciar los tres paradigmas de la Inteligencia Artificial presentados.
- definir tres herramientas de Inteligencia Artificial utilizadas para la
implementación de sistemas.
- describir las metodologías de diseño e implementación de dichos sistemas.
- identificar qué herramienta es más conveniente para un determinado
problema.
2. Objetivos Procedimentales: al finalizar el curso los alumnos deberán:
- modelar sistemas para la solución de problemas.
- implementar sistemas utilizando las herramientas de IA presentadas en la
asignatura.
- evaluar la efectividad de una herramienta de IA aplicada a un determinado
problema.
- manejar estrategias eficientes de búsqueda de información.
3. Objetivos Actitudinales: al finalizar el curso los alumnos deberán:
- valorar el aporte del área de Inteligencia Artificial en las áreas de aplicación
estudiadas (ingeniería, ciencias, medicina, etc.).
- valorar la búsqueda de soluciones creativas a diversos problemas, utilizando
las herramientas presentadas en la asignatura.
IV.- RECURSOS METODOLÓGICOS
Los recursos metodológicos se basan en clases expositivas, donde se explican
conceptos y métodos así como se resuelven problemas aplicando las diversas
herramientas estudiadas. Existe una adecuada bibliografía disponible en la Biblioteca
Central de la Universidad. La asignatura cuenta además con un apunte de apoyo en
formato digital o impreso, que puede servir de guía para el trabajo personal y la
profundización de los diversos temas abordados. Se cuenta también con las
herramientas necesarias para la implementación de sistemas de IA, tales como
shells, Matlab y módulos de Algoritmos Genéticos. Para la búsqueda de información
actualizada sobre las herramientas estudiadas, los alumnos tienen acceso a las
revistas electrónicas que están disponibles a través de la Biblioteca Central.
V.- EVALUACION
El cumplimiento de los objetivos de la asignatura será medido evaluando proyectos
de curso realizados de forma individual o grupal. Serán evaluados seminarios sobre
investigaciones bibliográficas (10%). Serán evaluadas las implementaciones de
sistemas simples, donde el énfasis se hará en el manejo de la herramienta de
programación (30%). Se contempla también la evaluación de un artículo descriptivo
del sistema desarrollado como Trabajo Final de la asignatura, donde se pondrá
especial énfasis en la correcta utilización de los métodos de modelamiento, la
implementación y el análisis de resultados obtenidos (30%). Se realizarán pruebas
parciales para evaluar el cumplimiento de los objetivos cognitivos (30%)
VI.- CONTENIDOS
1.- Sistemas, Modelamiento y Simulación
1.1. Introducción a la Teoría de Sistemas
1.2. Modelamiento y Simulación
2.- Inteligencia Artificial (IA)
2.1. Algunas Definiciones
2.2. Breve Historia de la Inteligencia Artificial
2.3. Problemas tratados por la IA
2.4. Diferentes paradigmas de la IA
3.- IA Simbólica: Sistemas Expertos
3.1. Introducción
3.2. Definición de un Sistema Experto
3.3. Organización de un Sistema Experto
3.4. Representación del Conocimiento
3.5. Motor de Inferencia
4.- IA Conexionista: Redes Neuronales Artificiales
4.1. Introducción
4.2. Neuronas
4.3. Entrenamiento de las RNA
4.4. Redes feedforward MLP
4.5. Paradigmas Simbólico Vs Conexionista
4.6. Aplicaciones de las RNA
5.- IA Evolutiva: Algoritmos Genéticos
5.1. Introducción
5.2. Origen de los Algoritmos Genéticos
5.3. Descripción de los Algoritmos Genéticos
5.4. Representación Cromosómica
5.5. Algoritmo
5.6. Aplicaciones de los Algoritmos genéticos
VII.- BIBLIOGRAFIA
•
•
•
•
•
•
BANZHAF W. et al., 1998. Genetic Programming: An Introduccion. Morgan
Kaufmann Publishers Inc. (en Biblioteca)
Bishop, C. (1995). Neural networks for pattern recognition. Oxford University
Press. (Profesora).
de AZEVEDO F., BRASIL L., de OLIVEIRA R. 2000. Redes Neurais com
aplicações em Controle e em Sistemas Especialistas. Ed. Visual Books.
Florianópolis. (Profesora).
Del BRIO B.M. & SANZ A. 2002. “Redes Neuronales y Sistemas Difusos”. 2da
Edición. Ed. AlfaOmega. (en Biblioteca)
DURKIN J. 1992 Expert Systems Design and development. Prentice Hall.
(Profesora).
HAYKIN S. VAN VEEN B. 2001. Sinais e Sistemas. Porto Alegre:Bookman.
(Profesora).
•
•
•
•
•
•
•
•
HAYKIN S. 2001. Redes Neurais, Princípios e prática. 2a Edición. Porto Alegre:
Bookman (Profesora).
HAYKIN S. 1999. Neural Networks. A comprehensive Foundation. Prentice Hall
(en Biblioteca)
RICH E., KNIGHT K. 1994. Inteligecia Artificial. 2ª Edición. McGrawHill.
(Profesora). (en Biblioteca)
SCHREIBER G., et al., 2000. “Knowledge Engeneering and Management. The
common KADS Methodology. MIT Press. (en bilioteca).
TURBAN E. 1992. “Expert Systems and Applied Artificial Intelligence” MacMillan
Publishing Company. (en Biblioteca)
WENGER E. 1987. Artificial intelligence and Tutoring Systems. Computational
and Cognitive Approaches to the Communication of Knowledge. Morgan
Kaufmann, San Francisco.
Anales de diferentes congresos. (Profesora).
Revistas IEEE (Centro de Modelación y Computación Científica)