EQUIPO DE TRABAJO
DATOS GENERALES DEL CURSO
-
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
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
1
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.
2
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.
5
-
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.
6
MÉTODOS DE BÚSQUEDA INFORMADOS
-
La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.
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.
7
8
9
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.
-
Introducción.
-
Adquisición de conocimiento.
-
La metodología CommonKADS.
-
Diseño de Sistemas Expertos (SE).
-
Ciclo de vida de un SE.
10
11
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).
12
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.
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.
14
INTRODUCCIÓN A MACHINE LEARNING Y HEURÍSTICAS
-
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.
-
Algoritmos exactos vs algoritmos heurísticos.
-
Técnicas heurísticas y meta-heurísticas.
-
Problemas de optimización combinatoria en la industria y servicios.
15
PRESENTACIÓN DE PROYECTOS
16
EXAMEN FINAL
17
EXAMEN SUSTITUTORIO
DOCENTE
DR. HUGO VEGA HUERTA
COLABORANDO CON EL MEDIO AMBIENTE
VISITAS
GRUPOS DE ESTUDIO
SOLUCIONARIOS
PROYECTO
-
EXAMENES
-
CAJA FUERTE
-
AFICHE
-
EXPOFISI
-
VIDEO DEL PROYECTO
-
ARTÍCULO DEL PROYECTO