Inteligencia Artificial 2017-II

EQUIPO DE TRABAJO

DATOS GENERALES DEL CURSO

bandera

hqdefault

FISI

bandera

1/5

La singularidad e inteligencia artificial con Maite Vizcarra

Cueva Huivin, Carol Susana 11200116
Melo Diaz, Kelly Susan 05200143
Pezo Vargas, Italo Rolando 06200206
Silva Arizapana, Denith 09200047
Gonzales Espinoza, Adrian Luis 12200009
Quispe Cabrera Helder 04200146

ARTÍCULOS

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: 2017-II

Syllabus 2017-II

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, arquitectura, taxonomía y aplicaciones. Motor de Inferencia. Ingeniería de conocimiento, conceptos, evolución, Metodología CommonKADS. Calidad y validación de Sistemas Expertos, Introducción a Machine learning(Aprendizaje Automático) y heurísticas.

OBJETIVO GENERAL

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

AL termina el curso el alumno será capaz de :

Comprender qué es la Inteligencia Artificial y la complejidad de sus problemas.
Representar y resolver problemas de juego humano - máquina a traves de técnicas de busqueda en un espacio de estado.
Conocer las diferentes estrategias de búsqueda a ciegas e informadas.
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 qué 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), considerando criterios de calidad.
Conocer los conceptos de Machine Learning y de heurísticas, su importancia y sus aplicaciones en la industria y servicios.

OBJETIVOS ESPECÍFICOS

CONTENIDO ANALÍTICO POR SEMANAS

SEMANA

CONTENIDO

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.

CONTENIDO

LABORATORIO

TRABAJOS

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, 4

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.

Aplicación con sensor ultrasónico

MÉTODOS DE BÚSQUEDA CIEGA

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.

Semana 5

Funciones en Lips

MÉTODOS DE BÚSQUEDA INFORMADOS

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

Semana 6

Recursividad en funciones

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.

Semana 7

Sensores

PARCIAL

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.

Semana 9

INGENIERÍA DEL CONOCIMIENTO

Introducción.
Adquisición de conocimiento.
La metodología CommonKADS.
Diseño de Sistemas Expertos (SE).
Ciclo de vida de un SE.

Semana 10

Solucionario

TRABAJO RECURSIVIDAD

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.

Semana 11

CALIDAD Y VALIDACIÓN DE SISTEMAS EXPERTOS