top of page

CONTENIDO TEMATICO

Datos generales del curso

Descarga el Sylabus

  • Nombre del Curso: Inteligencia Artificial

  • Código del Curso: 207008

  • Duración del Curso: 17 semanas

  • Forma de Dictado: Técnico - Experimental

  • Horas semanales: Teoría 3h - Laboratorio 2h

  • Naturaleza : Formación profesional

  • Número de créditos: Cuatro (04)

  • Prerrequisitos: 205007 - Investigación Operativa I

  • Semestre Académico: 2018-I

Logro del curso


Al finalizar el curso el alumno adquirirá conocimientos generales del área de inteligencia artificial, diseñará e implementará juegos de competición humano-máquina basados en inteligencia artificial y sistemas basados en el conocimiento, haciendo uso de manera clara y precisa de las técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.​

Contenido por semanas

CLASIFICACIÓN DE PROBLEMAS ALGORÍTMICOS

  • Presentación del curso

  • Clasificación de problemas algorítmicos, P y NP.

  • Problemas de decisión, localización y optimización.

  • Descripción de algunos problemas NP- difícil.

Semana

Contenido

Clase

Tarea

Laboratorio

1

2

FUNDAMENTOS DE LA INTELIGENCIA ARTIFICIAL

  • Definición de Inteligencia Artificial.

  • Máquina inteligente.

  • Diferencia entre sistemas operacionales y sistemas inteligentes.

  • Aplicaciones en la industria y servicios (Robótica, planificación y gestión de desperdicios).

  • Test de turing.

3

REPRESENTACIÓN DE PROBLEMAS DE JUEGO HUMANO - MÁQUINA COMO BÚSQUEDA EN UN ESPACIO ESTADO

  • Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano – máquina

4

MÉTODOS DE BÚSQUEDA CIEGA

  • La función evaluadora, métodos de búsqueda ciega ó no informados: amplitud, profundidad y no determinístico, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.

y

5

6

MÉTODOS DE BÚSQUEDA INFORMADOS

  • La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.

MÉTODOS DE BÚSQUEDA PARA JUEGOS HUMANO-MÁQUINA

  • Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta.

7

EXAMEN PARCIAL

8

9

10

11

13

12

14

FUNDAMENTO DE SISTEMAS EXPERTOS

  • Definición de Sistemas Expertos. Arquitectura de un sistema experto. Taxonomía y aplicaciones de los sistemas expertos. Requisitos para el desarrollo de sistemas expertos y ventajas del uso de sistemas expertos. Algunos problemas basados en el conocimiento.

INGENIERÍA DEL CONOCIMIENTO

  • Introducción.

  • Adquisición de conocimiento.

  • La metodología CommonKADS.

  • Diseño de Sistemas Expertos (SE).

  • Ciclo de vida de un SE.

ADQUISICIÓN DEL CONOCIMIENTO

  • Adquisición de conocimiento.

  • Construcción de la base de hechos y base de conocimiento.

  • Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, ontologías, metadatos, thesaurus).

DESARROLLO DE SISTEMAS EXPERTOS BASADOS EN REGLAS

  • Construcción de la base de hechos y base de conocimiento.

  • El motor de inferencia.

  • Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE.

  • Técnicas de resolución de conflictos.

CALIDAD Y VALIDACIÓN DE SISTEMAS EXPERTOS

  • Principales errores en el desarrollo de un sistema experto.

  • Calidad de un sistema experto.

  • Validación de sistemas inteligentes, métodos cuantitativos de validación.

  • Eficiencia y error de sistemas expertos.

INTRODUCCIÓN A MACHINE LEARNING Y HEURÍSTICAS

  • Conceptos de aprendizaje y de machine learning.

  • Sistemas experto vs machine learning.

  • Técnicas de aprendizaje y fases de desarrollo de machine learning.

  • Aplicaciones de machine learning en la industria y servicios.

  • El problema de la optimización combinatoria.

  • Conceptos de heurísticas y meta-heurísticas.

  • Algoritmos exactos vs algoritmos heurísticos.

  • Técnicas heurísticas y meta-heurísticas.

  • Problemas de optimización combinatoria en la industria y servicios

Proyecto

15

Presentación de trabajos computacionales

 

  • Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software..

16

EXAMEN FINAL

17

EXAMEN SUSTITUTORIO

Descarga los softwares

bottom of page