Inteligencia Artificial 2010-2 Hugo Vega Huerta

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS             (Universidad del Perú, DECANA DE AMÉRICA)   FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas
CURSO:	INTELIGENCIA ARTIFICIAL 2010-2
DOCENTE:	HUGO VEGA HUERTA
Descargar
1. ESPECIFICACIONES GENERALES
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	: 2010 – 2
Coordinador	:  Vega Huerta Hugo Froilán
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 hombre-máquina. Sistemas Expertos. Sistemas inteligentes.
3. OBJETIVO GENERAL
La Inteligencia Artificial es una de las áreas de la ciencia de la computación que presenta grandes expectativas de desarrollo, debido a su diversidad de aplicaciones en la industria, en los sectores de educación, servicios y, ciencia y tecnología.
El presente curso visa introducir el área de inteligencia artificial, la representación del conocimiento, los métodos básicos para la resolución de problemas y sus principales aplicaciones en el contexto de la demanda nacional, dando énfasis al estudio y desarrollo de juegos y sistemas expertos.
4. OBJETIVOS ESPECÍFICOS
·   Representar el conocimiento mediante técnicas ad hoc tales como redes semánticas, predicados, y listas.
·   Representar y resolver problemas determinada clase de problemas de la Inteligencia Artificial  mediante las técnicas de búsqueda en un espacio de estados.
·   Diseñar y desarrollar software de juegos inteligentes hombre-máquina que usen técnicas de la Inteligencia Artificial.
·   Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencia (métodos de encadenamiento y redes neuronales artificiales).
Presentar los fundamentos de los sistemas inteligentes y sus diversas aplicaciones, así como establecer las diferencias respecto de los étodos basados en búsqueda y los sistemas expertos.
5. CONTENIDO ANALÍTICO PORSEMANAS:

Semana	Temas	Trabajos Teoria	Trabajos laboratorio
1	Fundamentos de la Inteligencia Artificial Presentación del curso. Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Revisión de los lenguajes de la inteligencia artificial. Aplicaciones en la industria y servicios. Referencias: [1] Capítulo 1, [2] Capítulo 1.		Manual LISP
2	Representación del conocimiento – Clasificación de problemas algorítmicos Representación del conocimiento: redes semánticas, registros, y predicados. Clasificación de problemas algorítmicos. Problemas de decisión, localización y optimización. Problemas P y NP. Descripción de algunos problemas. Referencias: [1] Capítulos 6, 7 y 10, [2] Capítulo 2, [3] Capítulos 4 y 5, [4] Capítulo 1
3	Búsqueda en un espacio de estados Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Referencias: [1] Capítulos 3 y 4, [2] Capítulo 3, [3] Capítulo 2 y 3, [4] Capítulo 3		Algoritmos Recursivos en Lisp
4	Métodos de búsqueda en un espacio de estados Métodos de búsqueda ciega: amplitud, profundidad y no determinista. Referencias: [1] Capítulo 4, [2] Capítulos 3 y 4, [3] Capítulo 3, [4] Capítulos 5 y 6
5	Métodos de búsqueda informados Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación. Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5 y 6.
6	Métodos de búsqueda para juegos hombre-máquina Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina. Referencias: [1] Capítulo 5, [2] Capítulos 5 y 6, [3] Capítulos 3 y 12, [4] Capítulos 5 y 6.		Juego hombre-Maquina Minimax
7	Presentación de trabajos computacionales Presentación de trabajos computacionales
8	Examen Parcial	Solucion Parcial
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. Referencias: [6] Capítulo 1	Fundamentos
10	Diseño de Sistemas Expertos Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de un SE. Referencias: [6] Capítulos 1 y 6.	Diseño	Sistema Experto FISI Codigo
11	Desarrollo de Sistemas Expertos Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo y progresivo. Ventajas y desventajas del uso de los métodos de encadenamiento. Consideraciones para el desarrollo de interfaces Referencias: [1] Capítulos 6 y 7, [2] Capítulo 7, [6] Capítulo 3.	Desarrollo
12	Sistemas expertos basados en Redes Neuronales Conceptos básicos de redes neuronales artificiales (RNA). El problema de identificación de patrones y sus aplicaciones. Identificación de patrones a través de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones para resolver problemas basados en el conocimiento a través de RNA.	SE basados en Redes Neuronales
13	Calidad y validación de sistemas expertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Eficiencia y error de sistemas expertos.	Validacion Sistemas Expertos
14	Introducción a los Sistemas Inteligentes Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.	Sistemas Inteligentes
15	Presentación de trabajos computacionales Presentación de trabajos computacionales
16	Examen Final	Solucion Examen Final 2010 - 2	Examen Final 2009-1 Examen Final 2009-2

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 grupos de 3 estudiantes, desarrollarán dos 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

8. BIBLIOGRAFÍA

[1] STUART, RUSSELL; PETER, NORVIG
1996 Inteligencia artificial, un enfoque moderno. Ed. Prentice Hall. ISBN 0-13-103805-2

[2] PATRICK, WINSTON
1984 Inteligencia artificial. Ed. Addison-Wesley ISBN 0-201-51876-7

[3] ELAINE, RICH
1988 Inteligencia artificial. Ed McGraw-Hill ISBN 0-07-450364-2

[4] DAVID, MAURICIO
2009 Apuntes de inteligencia artificial.

[5] BONIFACIO, MARTIN; ALFREDO, SANZ
2002 Redes neuronales y sistemas difusos. Ed. Alfaomega ISBN 84-7897-466-0

[6] JOSEPH GIARRATANO – GARY RILEY
2001 Sistemas expertos, principios y programación. Ed. Ciencias Thomson ISBN 970-686-059-24/5

[7] JOSÉ PALMA M., ROQUE MARIN M.
2008 Inteligencia artificial, técnicas métodos y aplicaciones. Ed. Mc Graw Hill ISBN 978-84-484-5618-3

[8] JOSE R. HILERA, VICTOR J. MARTINE.
2000 Redes neuronales artificiales, fundamentos, modelos y aplicaciones. Ed.Alfaomega – rama ISBN 978-84-484-5618-3

[9] NILS J. NILSON
2001 Inteligencia artificial, una nueva síntesis. Ed. Mc Graw HillISBN 978-84-484-5618-3

[10] CAMPELO Ruy; MACULAN Nelson.
1994, Algoritmos e Heurísticas. Ed. Universidad Federal Fluminense. GLOVER Fred; KOCHENBERGER Gary A.

[11] 2003 HandBook of Metaheuristic. Kluwer International Series. Las lecturas obligatorias serán proporcionadas por el profesor del curso.