Facultad de ingeniería de sistemas - Inteligencia artificial 2018-II Prof. Hugo Vega
CONTENIDO DEL CURSO
Nombre del curso
Inteligencia Artificial
Codigo del curso
207008
Duracion
17 semanas
Forma de dictado
Técnico Experimental
Horas Semanales
teoria: 3 Laboratorio: 2
Naturaleza
Formación Profesional
DOCENTE
Dr. Vega Huerta Hugo Froilan
Créditos
3
Prerrequisitos
Investigación Operativa
Semestre
2018-II
Número de visitas
silabo del curso
TEMAS POR SEMANAS
-
Presentación del curso
-
Clasificación de problemas algorítmicos, P y NP.
-
Problemas de decisión, localización y optimización.
-
Descripción de algunos problemas NP- difícil.
1
-
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.
2
2
3 y 4
-
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.
-
Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano – máquina
-
El problema de búsqueda en un espacio de estado como grafo.
-
La imposibilidad de usar métodos de caminos mínimos.
-
El concepto de los métodos de búsqueda ciega e informada.
-
El árbol de estado. Los métodos ciegos: amplitud, profundidad, no-deterministico.
2
5
-
La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.
5
6
-
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.
7
7
8
-
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.
9
10
-
Introducción.
-
Adquisición de conocimiento.
-
La metodología CommonKADS.
-
Diseño de Sistemas Expertos (SE).
-
Ciclo de vida de un SE.
11
-
Introducción.
-
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).
12
-
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.
12
13
-
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.
14
-
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.
15
Presentación de trabajos computacionales (DESCARGAR)
-
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..
CLASES
TEMAS
TAREAS
LAB
N°
16
EXAMEN FINAL
GRUPOS
-
GRUPO 3
-
GRUPO 8
Descargar :
practica 1
Trabajo para la
practica 3
trabajo de
recursividad
resolución de
2da practica
código del
proyecto
sensores
Resolución Examen
Parcial
