UNMSM
Inteligencia Artificial
Facultad de Ingeniería de Sistemas e Informática
EQUIPO
Alcántara Salinas, José Daniel
1.
Bernaola Cedano, JW Andrés
2.
Cajahuaringa Oré, Carlos
3.
Carrasco Santisteban, Fabrizio
4.
Castro Leiva, Jhon
5.
DOCENTE
Vega Huerta, Hugo Froilán
ASIGNATURA
Inteligencia Artificial
Ciclo VI
Semestre 2018 II
Lunes 17:00 a 22:00
Escuela Ingeniería de Sistemas
Facultad Ingeniería de Sistemas e Informática
Universidad Nacional Mayor de San Marcos
Al finalizar el curso el alumno adquirirá conocimientos generales del área de inteligencia artificial, diseñará e implementará juegos de competición humano-máquina basados en inteligencia artificial y sistemas basados en el conocimiento, haciendo uso de manera clara y precisa de las técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.
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
SILABO
1. ESPECIFICACIONES GENERALES
Nombre del Curso
Código del Curso
Duración del Curso
Forma de Dictado
Horas semanales
Naturaleza
Número de créditos
Prerrequisitos
Semestre académico
: INTELIGENCIA ARTIFICIAL
: 2010605
: 17 semanas
: Técnico - experimental
: Teoría: 3h – Laboratorio: 2h
: Formación profesional
: Tres (03)
: 2010505 – Algorítmica III
: 2018 – II
2. INTRODUCCIÓN
La inteligencia artificial es un área de la ciencia de la computación que tiene por objetivo desarrollar los fundamentos prácticos y teóricos para el desarrollo de sistemas de computación que presentan características inteligentes y que por lo general corresponden a problemas intratables. Muchos problemas que ocurren en la industria, servicios y entretenimiento corresponden a problemas inteligentes, y su solución se hace cada vez más indispensable en las organizaciones debido a las exigencias de competitividad que se incrementan cada día.
Entre los diversos tipos de sistemas inteligentes se encuentran los juegos humanomáquina, los sistemas basados en el conocimiento, los sistemas de optimización y machine learning. En el presente curso, se hace una introducción a la inteligencia artificial y sus aplicaciones en la industria, servicios y entretenimiento, y se muestra como las tecnologías basadas en inteligencia artificial pueden crear valor y hacer que las organizaciones sean más competitivas. También se mostrará sus aplicaciones en la ingeniería de software.
Se aborda con mayor profundidad el diseño e implementación de juego humanomáquina y de sistemas basados en el conocimiento.
3. LOGRO DEL CURSO
Semana 01
Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.
UBÍCANOS
VISITA TAMBIÉN
PROGRAMAS
EL ARBOLITO
Semana 02
Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios). Test de Turing.
Trabajo en Arduino
Semana 03 y 04
Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano – máquina.
Semana 05
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, nodeterministico.
Semana 06
La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.
Semana 07
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.
Semana 09
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 10
Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE.
Semana 11
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).
Semana 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.
Semana 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.
Semana 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. 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
Semana 15
Proyecto realizado en base a la placa Arduino MEGA y utilizando diferentes sensores
Proyecto de ciclo