Download INSTITUTO POLITÉCNICO NACIONAL (arial 16)

INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
PROGRAMA SINTÉTICO
UNIDAD ACADÉMICA:
Escuela Superior de Cómputo.
PROGRAMA ACADÉMICO:
Ingeniería en Sistemas Computacionales.
UNIDAD DE APRENDIZAJE:
Inteligencia Artificial
NIVEL:
III
PROPÓSITO DE LA UNIDAD DE APRENDIZAJE:
Desarrolla sistemas con base en técnicas de inteligencia artificial.
CONTENIDOS:
I. Introducción a la inteligencia artificial
II. Búsqueda en árboles
III. Representación del conocimiento
IV. Aprendizaje automático
ORIENTACIÓN DIDÁCTICA:
La presente unidad se abordará a partir de la estrategia aprendizaje orientada a proyectos. El docente conducirá
el curso mediante el método heurístico. Se llevaran a cabo actividades de aprendizaje, que orientarán el desarrollo
de habilidades de abstracción, análisis y diseño de algoritmos eficientes; utilizando las técnicas de la inteligencia
artificial, tal es el caso de la realización de programas de computo que evidencien los conceptos de la unidad.
Las actividades que se realizarán en clase fomentarán en los estudiantes algunas técnicas, tales como: trabajo
colaborativo, participativo, lluvia de ideas, organizadores gráficos, indagación documental, fichas de trabajo,
exposición de temas complementarios, discusión dirigida así como la realización de un proyecto de software.
EVALUACIÓN Y ACREDITACIÓN:
La presente Unidad de Aprendizaje se evaluará a partir del portafolio de evidencias, el cual se conforma de:
evaluación formativa, sumativa y rubricas de autoevaluación, coevaluación.
Esta unidad de aprendizaje también se puede acreditar mediante:


Evaluación de saberes previamente adquiridos con base en los lineamientos establecidos por la
academia.
Acreditación en otra UA del IPN u otra institución educativa nacional o internacional.
BIBLIOGRAFÍA:
 Araujo, L. Cervigon, C. (2009). Algoritmos Evolutivos, Un Enfoque Práctico. España. Ed. Alfaomega. ISBN
978-84-7897-911-0.

Isasi, P. Galván, I. (2004). Redes de Neuronas Artificiales, Un enfoque Práctico. España. Ed. Pearson
Education. ISBN 978-84-2054-025-2.

Pajares, M. Sanz G, De La Cruz, J. (2010). Aprendizaje Automático Un Enfoque Práctico. España. Ed.
Alfaomega. ISBN 978-84-9964-011-2.

Ponce, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería. México. Ed. Alfaomega. ISBN 978607-7854-83-8.

Russell, S. Norvig P. (2009., Artificial Intelligence: A Modern Approach (3rd Ed.), Estados Unidos. Ed.
Prentice Hall. ISBN 978-01-3604-259-4.
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD ACADÉMICA: Escuela Superior de
Cómputo.
PROGRAMA ACADÉMICO: Ingeniería en Sistemas
Computacionales.
SALIDA LATERAL: Analista Programador de
Sistemas de Información.
ÁREA DE FORMACIÓN: Profesional.
MODALIDAD: Presencial.
UNIDAD DE APRENDIZAJE: Inteligencia Artificial
TIPO DE UNIDAD DE APRENDIZAJE: Teórico – práctica.
Optativa.
VIGENCIA: Agosto 2011.
NIVEL: III.
CRÉDITOS: 7.5 TEPIC - 4.39 SATCA
INTENCIÓN EDUCATIVA
Esta unidad de aprendizaje contribuye al perfil de egresado en Ingeniería en Sistemas Computacionales, al desarrollar
las habilidades de Diseño de algoritmos eficientes para la solución de problemas utilizando las técnicas de la
inteligencia artificial, así como su evaluación. Así mismo, se desarrolla el pensamiento estratégico, el pensamiento
creativo, el trabajo colaborativo y participativo y la comunicación asertiva.
Requiere de la unidad de aprendizaje Matemáticas Discretas la habilidad de demostrar la validez de argumentos
mediante reglas de la lógica formal, de Algoritmia y Programación Estructurada, así como de Programación Orientada
Objetos la habilidad para programar soluciones en un lenguaje de alto nivel, de Estructura de Datos, el uso de las
estructuras apropiadas para manipular datos de forma eficiente.
PROPÓSITO DE LA UNIDAD DE APRENDIZAJE:
Desarrolla sistemas con base en técnicas de inteligencia artificial..
TIEMPOS ASIGNADOS
UNIDAD DE APRENDIZAJE DISEÑADA
POR: Academia de Ingeniería de Software
HORAS TEORÍA/SEMANA: 3.0
REVISADA POR:
HORAS PRÁCTICA/SEMANA: 1.5
HORAS TEORÍA/SEMESTRE: 54.0
HORAS PRÁCTICA/SEMESTRE: 27.0
AUTORIZADO POR: Comisión
de Programas Académicos del
Consejo General Consultivo del
IPN.
Dr. Flavio Arturo Sánchez Garfias
Subdirector Académico
APROBADA POR:
HORAS TOTALES/SEMESTRE: 81.0
Ing. Apolinar Francisco Cruz Lázaro
Presidente del CTCE.
___________________________
Ing. Rodrigo de Jesús Serrano
Domínguez
Secretario Técnico de la
Comisión de Programas
Académicos
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE:
HOJA:
Inteligencia Artificial
3
DE
9
N° UNIDAD TEMÁTICA: I
NOMBRE: Introducción a la Inteligencia Artificial.
UNIDAD DE COMPETENCIA
Explica los conceptos de inteligencia artificial con base en agentes inteligentes.
No.
HORAS Con
Docente
CONTENIDOS
T
P
HORAS
(Aprendizaje
Autónomo)
T
P
1.1
1.1.1
1.1.2
1.1.3
Introducción la inteligencia artificial
¿Qué es la inteligencia artificial?
Fundamentos de la inteligencia artificial
Aplicaciones y perspectivas de la inteligencia artificial
0.5
0.5
0.5
0.5
0.5
0.5
1.2
1.2.1
1.2.2
1.2.3
1.2.3
Agentes inteligentes
Definiciones de agentes inteligentes
Entorno y estructura de un agente
Clasificación de los agentes inteligentes
Construcción de agentes inteligentes
0.5
0.5
0.5
1.0
0.5
0.5
0.5
0.5
0.5
1.0
4.0
0.5
3.5
1.0
Subtotales:
CLAVE
BIBLIOGRÁFICA
5B, 4C
ESTRATEGIAS DE APRENDIZAJE
Encuadre del curso y formación de equipos.
La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo
que permitirá la consolidación de las siguientes técnicas: lluvia de ideas, elaboración de ficha de trabajo, indagación
documental, discusión dirigida, elaboración de mapas conceptuales, elaboración de protocolo de proyecto y
realización de prácticas.
EVALUACIÓN DE LOS APRENDIZAJES
Evaluación diagnóstica
Portafolio de evidencias:
Reportes de prácticas
Ficha de trabajo
Mapa conceptual
Propuesta de proyecto
Rúbricas de autoevaluación
Rúbrica de coevaluación
Evidencia de aprendizaje
30%
5%
5%
20%
5%
5%
30%
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE:
HOJA:
Inteligencia Artificial
N° UNIDAD TEMÁTICA: II
4
DE
9
NOMBRE: Búsqueda en árboles.
UNIDAD DE COMPETENCIA
Implementa algoritmos con base en distintas técnicas de búsqueda en árboles.
No.
HORAS Con
Docente
CONTENIDOS
HORAS
(Aprendizaje
Autónomo)
T
P
T
P
0.5
0.5
1.0
0.5
0.5
0.5
0.5
1.5
1.5
2.1
Solución de problemas y espacios de búsqueda
1.0
2.2
2.2.1
2.2.2
2.2.3
Técnicas de búsqueda no informada
Búsqueda en amplitud
Búsqueda en profundidad
Comparación de técnicas de búsqueda
0.5
0.5
0.5
2.3
2.3.1
2.3.2
2.3.3
2.3.4
Técnicas de búsqueda informada
Concepto de heurística
Búsqueda por ascenso de colina
Búsqueda el primero mejor
Búsqueda A*
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
2.4
2.4.1
2.4.2
Búsqueda con adversario
Algoritmo MiniMax
Poda alfa-beta
0.5
0.5
0.5
0.5
0.5
1.5
5.5
2.0
5.0
5.5
Subtotales:
CLAVE
BIBLIOGRÁFICA
5B
ESTRATEGIAS DE APRENDIZAJE
La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo
que permitirá la consolidación de las siguientes técnicas de aprendizaje: lluvia de ideas, elaboración de ficha de
trabajo, indagación documental, discusión dirigida, implementación de proyecto, elaboración de mapas conceptuales y
realización de prácticas.
EVALUACIÓN DE LOS APRENDIZAJES
Portafolio de evidencias:
Reportes de prácticas
Ficha de trabajo
Mapa conceptual
Avance de proyecto
Rúbricas de autoevaluación
Rúbrica de coevaluación
Evidencia de aprendizaje
30%
5%
5%
20%
5%
5%
30%
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE:
HOJA:
Inteligencia Artificial
5
DE
N° UNIDAD TEMÁTICA: III
NOMBRE: Representación del conocimiento
UNIDAD DE COMPETENCIA
Construye sistemas de representación del conocimiento con base en técnicas de modelado.
No.
CONTENIDOS
HORAS Con
Docente
T
P
HORAS
(Aprendizaje
Autónomo)
T
P
3.1
3.1.1
Sistemas basados en conocimiento
El conocimiento y su representación
0.5
0.5
3.1
3.2.1
3.2.2
3.2.3
3.2.4
Lógica proposicional
Sintaxis y semántica, validez, satisfactibilidad
Equivalencia, consecuencia lógica
Leyes de la lógica proposicional
Razonamiento lógico
1.0
0.5
0.5
0.5
0.5
0.5
0.5
0.5
3.2
3.3.1
3.3.2
3.3.3
Lógica de predicados de primer orden
El lenguaje de la lógica de predicados
Formas normales
Resolución
1.0
1.0
1.0
0.5
0.5
0.5
1.5
2.5
3.4
3.4.1
3.4.2
3.4.3
3.4.4
Representación del conocimiento
Reglas de inferencia
Encadenamiento hacia adelante y hacia atrás
Redes semánticas y marcos
Ontologías
1.0
1.0
1.0
1.0
0.5
2.5
0.5
0.5
0.5
0.5
1.5
10.0
1.5
8.0
7.5
Subtotales:
CLAVE
BIBLIOGRÁFICA
5B
2.5
ESTRATEGIAS DE APRENDIZAJE
La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico,
lo que permitirá la consolidación de las siguientes técnicas de aprendizaje: lluvia de ideas, elaboración de ficha de
trabajo, indagación documental, discusión dirigida, implementación de proyecto, elaboración de mapas
conceptuales y realización de prácticas.
EVALUACIÓN DE LOS APRENDIZAJES
Portafolio de evidencias:
Reportes de prácticas
Ficha de trabajo
Mapa conceptual
Avance de proyecto
Rúbricas de autoevaluación
Rúbrica de coevaluación
Evidencia de aprendizaje
30%
5%
5%
20%
5%
5%
30%
9
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE:
N° UNIDAD TEMÁTICA: IV
HOJA: 6
DE
NOMBRE: Aprendizaje automático
Inteligencia Artificial
9
UNIDAD DE COMPETENCIA
Construye sistemas inteligentes con base en diferentes técnicas y enfoques del aprendizaje automático.
No.
HORAS Con
Docente
CONTENIDOS
T
4.1
4.1.1
Introducción al aprendizaje automático
Conceptos y fundamentos
4.2
4.2.1
4.2.2
4.2.2.1
4.2.2.2
Aprendizaje mediante arboles de decisión
Representación de árboles de decisión
Algoritmos de aprendizaje
ID3
C4.5
4.3
4.3.1
4.3.2
4.3.3
4.3.4
Aprendizaje mediante redes neuronales
Introducción a las redes neuronales
Perceptrón, Redes multicapa, BAM, Hopfield
Algoritmos de entrenamiento
Aplicaciones
1.0
0.5
1.0
1.0
4.4
4.4.1
4.4.2
4.4.3
Algoritmos genéticos
Introducción
Elementos, operadores, parámetros
Aplicaciones
0.5
0.5
1.0
4.5
4.5.1
4.5.2
Otros tipos de aprendizaje
Aprendizaje Bayesiano
Modelos ocultos de Markov
0.5
1.0
Subtotales:
P
HORAS
(Aprendizaje
Autónomo)
T
0.5
0.5
1.0
0.5
0.5
0.5
9.5
0.5
0.5
0.5
0.5
0.5
0.5
1.0
0.5
0.5
0.5
1.0
0.5
CLAVE
BIBLIOGRÁFICA
P
1B,2B,3B,
4C,4B
2.5
2.5
2.5
1.0
1.0
1.5
8.5
7.5
ESTRATEGIAS DE APRENDIZAJE
La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo
que permitirá la consolidación de las siguientes técnicas de aprendizaje: lluvia de ideas, elaboración de ficha de
trabajo, indagación documental, discusión dirigida, implementación de proyecto, elaboración de mapas conceptuales y
realización de prácticas.
EVALUACIÓN DE LOS APRENDIZAJES
Portafolio de evidencias:
Reportes de prácticas
30%
Ficha de trabajo
5%
Mapa conceptual
5%
Reporte de proyecto
50%
Rúbricas de autoevaluación
5%
Rúbrica de coevaluación
5%
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE:
HOJA:
Inteligencia Artificial
7
DE
RELACIÓN DE PRÁCTICAS
PRÁCTICA No.
NOMBRE DE LA PRÁCTICA
UNIDADES
TEMÁTICAS
DURACIÓN
1
Agente inteligente
I
1.5
2
Búsqueda de soluciones
II
1.5
3
Búsqueda ciega
II
2.0
4
Búsqueda heurística
II
2.0
5
Búsqueda con adversario
II
2.0
6
Programación lógica
III
3.0
7
Representación del conocimiento
III
3.0
8
Sistema basado en conocimiento
III
3.0
9
Arboles de decisión
IV
3.0
10
Red neuronal
IV
3.0
11
Algoritmo genético
IV
3.0
TOTAL DE
HORAS
27.0
LUGAR DE REALIZACIÓN
Laboratorio de Cómputo.
EVALUACIÓN Y ACREDITACIÓN:
Las prácticas aportan el 30% de la calificación de cada unidad temática.
Las prácticas se consideran requisito indispensable para acreditar esta unidad de aprendizaje.
9
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE:
PERIODO
HOJA:
Inteligencia Artificial
UNIDAD
8
DE
9
PROCEDIMIENTO DE EVALUACIÓN
1
I y II
Evaluación continua
Evidencia de aprendizaje
70%
30%
2
III
Evaluación continua
Evidencia de aprendizaje
70%
30%
3
IV
Evaluación continua
100%
Las Unidades I y II aportan el 30% de la calificación final.
La Unidad III aporta el 30% de la calificación final.
La Unidad IV aporta el 40% de la calificación final.
Esta unidad de aprendizaje también se puede acreditar mediante:
 Evaluación de saberes previamente adquiridos con base en los
lineamientos establecidos por la academia.
 Acreditación en otra UA del IPN u otra institución educativa nacional o
internacional.
Si esta unidad de aprendizaje se acredita en Evaluación Extraordinaria o a
Titulo de Suficiencia se realizará de acuerdo a los lineamientos establecidos en
la reunión de academia que para tal efecto se realice.
CLAVE
1
B
X
2
X
Isasi, P. Galván, I. (2004). Redes de Neuronas Artificiales, Un enfoque
Práctico. España. Ed. Pearson Education. ISBN 978-84-2054-025-2.
3
X
Pajares, M. Sanz G, De La Cruz, J. (2010). Aprendizaje Automático Un
Enfoque Práctico. España. Ed. Alfaomega. ISBN 978-84-9964-011-2.
4
5
C
X
X
BIBLIOGRAFÍA
Araujo, L. Cervigon, C. (2009). Algoritmos Evolutivos, Un Enfoque
Práctico. España. Ed. Alfaomega. ISBN 978-84-7897-911-0.
Ponce, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería.
México. Ed. Alfaomega. ISBN 978-607-7854-83-8.
Russell, S. Norvig P. (2009., Artificial Intelligence: A Modern Approach
(3rd Ed.), Estados Unidos. Ed. Prentice Hall. ISBN 978-01-3604-259-4
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
PERFIL DOCENTE POR UNIDAD DE APRENDIZAJE
1. DATOS GENERALES
UNIDAD ACADÉMICA:
PROGRAMA
ACADÉMICO:
Escuela Superior de Cómputo
Ingeniería en Sistemas Computacionales
ÁREA DE FORMACIÓN:
ACADEMIA:
III
NIVEL
Institucional
Científica
Básica
Profesional
UNIDAD DE APRENDIZAJE:
Ingeniería de Software
ESPECIALIDAD Y NIVEL ACADÉMICO REQUERIDO:
Terminal y de
Integración
Inteligencia Artificial
Maestría en Ciencias de la Computación o área afín
2. PROPÓSITO DE LA UNIDAD DE APRENDIZAJE
Desarrolla sistemas con base en técnicas de inteligencia artificial.
3. PERFIL DOCENTE:
CONOCIMIENTOS









Lógica
Agentes inteligentes
Técnicas de búsqueda
Sistemas basados en
conocimiento
Aprendizaje
automático
Redes neuronales
Algoritmos evolutivos
Modelo Educativo
Institucional del IPN
Idioma inglés
EXPERIENCIA
PROFESIONAL
HABILIDADES
 Experiencia de dos
años diseñando e
implementando
sistemas
computacionales.
 Experiencia de un año
diseñando
e
implementando
Sistemas inteligentes.
 Experiencia de un año
como
Docente
de
Nivel Superior.
 Experiencia de un año
en manejo de grupos y
trabajo colaborativo.






ACTITUDES
Análisis y síntesis.
Liderazgo.
Toma de decisiones.
Manejo de Conflictos.
Manejo de grupos.
Fluidez
verbal
de
ideas.
 Habilidades didácticas.
 Manejo de TIC









Responsable.
Honesto.
Respetuoso.
Tolerante.
Asertivo.
Colaborativo.
Participativo.
Compromiso social.
Compromiso institucional.
ELABORÓ
REVISÓ
AUTORIZÓ
M. en C. Marcario Hernández Cruz
Dr. Benjamín Luna Benoso
Dr. Flavio Arturo Sánchez Garfias
Subdirector Académico
Ing. Apolinar Francisco Cruz Lázaro
Director
Fecha:
2011