Curso de Inteligencia Artificial

Grupo 2        Hugo Vega    Paginas de inteligencia artificial


Grupo 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 2010-0
DOCENTE:  HUGO VEGA HUERTA
ALUMNOS AGUILAR ROMERO, JHON 994016
GARCIA UCHARIMA, RUBEN
LEVANO ACOSTA, LUIS 1114752
SANCHEZ JANAMPA, JUAN 4200141
Correo del Grupo ia_2010_0@hotmail.com
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 –0
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 métodos basados en búsqueda y los sistemas expertos.
5. CONTENIDO ANALÍTICO POR SEMANAS:
Semana Temas (Diapositivas descargables) 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.
Agentes Inteligentes  
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
Problemas de Busqueda  
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.
Ruta caminos Eurasia  
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.
   
7


 
Presentación de trabajos computacionales
  • Presentación de trabajos computacionales
  Ejercicios Lisp
8
Examen Parcial

Resolucion Pregunta3

Archivo Completo

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
  Sistema Experto Diagnostico Medico
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.
  Sensor de Sonido
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.
   
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.
   
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.
   
14

 
Introducción a los Sistemas Inteligentes
  • Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.
   
15

 
Presentación de trabajos computacionales
  • Presentación de trabajos computacionales
   
16
Examen Final  

 

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

  • 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

  • GIARRATANO RILEY

2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson
ISBN 970-686-059-2

 

 


 

2010 Inteligencia Artificial inteligenciaartificialg2.netai.net

Lima - Perú

Powered by nonsilver

hugo vega huerta