INTELIGENCIA ARTIFICIAL 2010-II HUGO VEGA

Descargar Syllabus

BIENVENIDOS

Bienvenidos al curso de Inteligencia Artificial 2010-II dictado por el Profesor Hugo Vega Huerta en la Facultad de Ingeniería de Sistemas e Informática de la Universidad Nacional Mayor de San Marcos.

INTELIGENCIA ARTIFICIAL

La Inteligencia Artificial es considerada una rama de la computación y relaciona un fenómeno natural con una analogía artificial a través de programas de computador. Puede ser tomada como ciencia si se enfoca hacia la elaboración de programas basados en comparaciones con la eficiencia del hombre, contribuyendo a un mayor entendimiento del conocimiento humano.

Si por otro lado es tomada como ingeniería, basada en una relación deseable de entrada-salida para sintetizar un programa de computador. "El resultado es un programa de alta eficiencia que funciona como una poderosa herramienta para quien la utiliza."

A través de la inteligencia artificial se han desarrollado los sistemas expertos que pueden imitar la capacidad mental del hombre y relacionan reglas de sintaxis del lenguaje hablado y escrito sobre la base de la experiencia, para luego hacer juicios acerca de un problema, cuya solución se logra con mejores juicios y más rápidamente que el ser humano.

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(04)

Semestre académico: 2010 - 2

Coordinador : David Mauricio

Profesores : David Mauricio, Rolando Maguiña, Hugo Vega Huerta, Ana Huayna

2. SUMILLA

La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios. Representación del conocimiento. Representación de problemas de IA como búsqueda en el espacio de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes humano-máquina. Sistemas expertos, conceptos, arquitectura y aplicaciones. Motores de inferencias. Métodos para el desarrollo de sistemas expertos. El método CommonKads. Introducción al aprendizaje automático.

3. OBJETIVO GENERAL

Los estudiantes adquirirán conocimientos del área de Inteligencia Artificial en general y desarrollarán aspectos básicos en el desarrollo de juegos inteligentes, y sistemas expertos, y su aplicación en la resolución de problemas de la industria y en servicios inteligentes.

4. LOGROS DEL CURSO

• Comprender que es la Inteligencia Artificial y la complejidad de sus problemas.
• Representar y resolver problemas de juego humano - máquina a través de técnicas de búsqueda en un espacio de estado.
• Diseñar y desarrollar software de juegos inteligentes con interacción hombre-máquina y que usen técnicas de inteligencia artificial.
• Comprender qué son los sistemas expertos y saber cuándo usarlos
• Conocer que es la Ingeniería de Conocimiento y un método para el desarrollo de sistemas basados en el conocimiento
• Evaluar la calidad de la solución de sistemas expertos.
• Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencias (métodos de encadenamiento y redes neuronales artificiales), considerando criterios de calidad.
• Conocer los conceptos de machine learning, su importancia y sus aplicaciones en la industria y servicios.
• Conocer los conceptos de heurísticas y meta-heurísticas, su importancia y sus aplicaciones en la industria y servicios.

5. PROGRAMA DEL CURSO

Semana	Teoría	Laboratorio
1	Clasificación de problemas algorítmicos Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil. Tareas: ejercicios sobre clasificación de problemas algorítmicos. Referencias: [4] Capítulo 1, [1] Anexo A.	Manual Lisp
2	Fundamentos de la inteligencia artificial Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios). Test de Turing. Tareas: conceptos y aplicaciones de la IA. Referencias: [1] Capítulo 1, [2] Capítulo 1, [9] Capítulo 1.	Ejercicios Lisp
3	Representación de problemas de juego humano - máquina como búsqueda en un espacio de estado Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano - máquina. Tareas: ejercicios sobre representación de problema de raciocinio y de juego humano - máquina. Definición del tema del 1er trabajo. Referencias: [1] Capítulos 3, [3] Capítulo 2, [4] Capítulo 3. 1er control de lectura	Busqueda
4	Métodos de búsqueda a ciegas (2.5 h) Métodos de búsqueda ciega: amplitud, profundidad y no determinista. Evaluación de temas del 1er trabajo. Tareas: ejercicios sobre resolución de problemas mediante métodos ciegos. Definir el problema del 1er trabajo como problema de búsqueda, y su historia. Referencias: [1] Capítulo 4, [2] Capítulos 4, [3] Capítulo 3, [4] Capítulos 4.	Busqueda Profundidad
5	Métodos de búsqueda informados (3.5 h) La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación. Tareas: ejercicios sobre resolución de problemas mediante métodos informados. Definir una función evaluadora e interfaces para el problema del 1er trabajo. Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5, [9] Capítulos 9 2do control de lectura	Recursividad
6	Métodos de búsqueda para juegos humano-máquina Algoritmo de juego 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. Tareas: Ejercicios sobre juego humano máquina. Implementar el algoritmo de juego humano máquina con 3 niveles de dificultad (principiante, normal y experto). Referencias: [1] Capítulo 5, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12.	4 en raya
7	Presentación de trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos.	Juego
8	Examen parcial	Examen 1 Examen 2 Examen 3
9	Fundamentos 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. Tareas: Ejercicios sobre taxonomía de sistemas expertos. Definir tema del 2do trabajo. Referencias: [6] Capítulo 1	Arbol Genealogico
10	Ingeniería de conocimiento (5.5 h) Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE. Evaluación del tema del 2do trabajo. Tareas: Diseñar usando CommonKADS el SE correspondiente al 2do trabajo. Referencias: [6] Capítulos 6, [7] Capítulos 19. 3er control de lectura	Arbol de la FISI
11, 12	Desarrollo de sistemas expertos basados en reglas (5.5 H) 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. Revisión del diseño del SE correspondiente al 2do trabajo. Tareas: ejercicios sobre los métodos de inferencias, implementar el SE basado en reglas correspondiente al 2do trabajo. Referencias: [1] Capítulos 6 y 8, [2] Capítulo 7, [6] Capítulo 3, [7] Capítulo 3.	Sistema Experto FISI
13	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. Revisión de la funcionalidad del SE del 2do trabajo. Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo. Referencias: [4], [7] Capítulo 21. 4to control de lectura
14	Introducción al aprendizaje automático Conceptos y aplicaciones de aprendizaje automático. Algunos métodos de aprendizaje automático. Revisión sobre la validación del SE del 2do trabajo. Tareas: ejercicios sobre conceptos y aplicaciones de aprendizaje automático. Referencias: [5] Capítulo 1, [8] Capítulo 1.	Matriz de aprendizaje
15	Presentación de trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones, deberán presentar un informe y un software, y deberán exponer sus trabajos.	Arbol de comidas
16	Examen final	Final 2008-2 Final 2009-1 Final 2009-2 Final 2010-2
17	Examen final (solo para aquellos que no dieron examen parcial o final)

Subir

LABORATORIO

Durante las sesiones de laboratorio se desarrollarán la programación básica en un lenguaje de inteligencia artificial sea LIPS (o una variante de ella) o CLIPS.

6. METODOLOGÍA

El curso se desarrolla a través de actividades teórico - prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos de 3 desarrollarán dos trabajos computacionales. Durante las sesiones de teoría se discutirán la resolución de problemas propuestos. Durante las sesiones de laboratorio se evaluarán las lecturas así como el avance de los trabajos computacionales.

7. EVALUACIÓN

El Promedio Final (PF) se determina de la forma siguiente:

PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*EA + 0,30*EB

Donde:

• CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
• TB1: Trabajo Grupal (Juegos Inteligentes Hombre – Máquina)
• TB2: Trabajo Grupal (Sistemas Expertos)
• EA: Examen Parcial
• EB: Examen Final
• LA: Laboratorio

El alumno podrá sustituir la nota del examen parcial o final siempre que no haya podido dar alguno de estos exámenes. Solo serán evaluados los alumno que presenten 70% o más de asistencia.

Subir

8. BIBLIOGRAFIA

• STUART, RUSSELL; PETER, NORVIG - 1996 Inteligencia artificial, un enfoque moderno. Ed Prentice Hall.ISBN 0-13-103805-2
• PATRICK, WINSTON - 1984 Inteligencia Artificial. Ed. Addison-Wesley ISBN 0-201-51876-7
• ELAINE, RICH - 1988 Inteligencia Artificial. Ed McGraw-Hill ISBN 0-07-450364-2
• DAVID, MAURICIO - 2000 Apuntes de Inteligencia Artificial.
• BONIFACIO, MARTIN; ALFREDO, SANZ - 2002 Redes Neuronales y Sistemas Difusos. Ed. Alfaomega ISBN 84-7897-466-0
• JOSEPH GIARRATANO - GARY RILEY - 2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson ISBN 970-686-059-2
• JOSÉ PALMA M., ROQUE MARIN M. - 2008 Inteligencia artificial, técnicas métodos y aplicaciones. Ed. Mc Graw Hill ISBN 978-84-484-5618-3
• JOSE R. HILERA, VICTOR J. MARTINE. - 2000 Redes neuronales artificiales, fundamentos, modelos y aplicaciones. Ed. Alfaomega - rama ISBN 978-84-484-5618
• NILS J. NILSON - 2001 Inteligencia artificial, una nueva síntesis. Ed. Mc Graw Hill ISBN 978-84-484-5618-3

Las lecturas obligatorias serán proporcionadas por el profesor del curso.

Inteligencia Artificial 2010 hugo Vega Huerta

DEJA TU COMENTARIO - INTELIGENCIA ARTIFICIAL 2010