INTELIGENCIA ARTIFICIAL

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 : 2011 –1

Coordinador : Ana María Huayna

Profesores : Ana María Huayna, Hugo Vega, Rolando Maguiña

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, 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.

3. OBJETIVO GENERAL

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

4. OBJETIVOS ESPECÍFICOS

*Comprender que es la Inteligencia Artificial y la complejidad de sus problemas.

*Representar y resolver problemas de juego humano - máquina a través de técnicas de búsqueda en un espacio de estado.

*Conocer las diferentes estrategias de búsqueda a ciegas e informados.

*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 que 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.

5. CONTENIDO ANALITICO POR SEMANAS

Tabla de Contenido Curricular

Semana	Temas	Trabajos
1	Clasificación de problemas algorítmicos Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil. Referencias: [4]Capitulo 1 [1]Anexo	Primer Tutorial LispWork
2	Fundamentos de la Inteligencia Artificial 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.(robótica, planificación, gestión de desperdicios) Test de Turing Referencias: [1]Capitulo 1 [2]Capitulo 1	Tutorial Completo LispWork
3	Métodos de búsqueda en un espacio de estados Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano - máquina. Referencias: [1]Capitulo 3 [3]Capitulo 2 [4]Capitulo 3
4	Métodos de búsqueda a ciegas Métodos de búsqueda ciega: amplitud, profundidad y no determinista. Referencias: [1]Capitulo 4 [2]Capitulo 5 [3]Capitulo 3 [4]Capitulo 5 [9]Capitulo 9
5	Métodos de búsqueda informados Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación. Referencias: [1]Capitulo 4 [2]Capitulo 5 [3]Capitulos 3 y 12 [4]Capitulos 5 y 6	Ejercicios de Recursion Busqueda de Profundidad y Anchura
6	Métodos de búsqueda para juegos hombre-máquina Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina. Referencias: [1]Capitulo 5 [2]Capitulos 5 y 6 [3]Capitulos 3 y 12 [4]Capitulo 5 y 6	Resolucion de la Primera Practica
7	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]Capitulo 1	Busqueda A* Juego 3 en raya
8	Semana de Parciales
9	Presentación de trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos.
10	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE. Referencias: [6]Capitulo 6 [7]Capitulo 19	Arbol Genealogico
11	Adquisición de Conocimiento Adquisición de conocimiento. Construcción de la base de hechos y base de conocimiento. Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, redes semánticas,lógica de predicados). Referencias: [6]Capitulo 6 [7]Capitulo 19
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. Referencias: [1]Capitulos 6 y 8 [2]Capitulo 7 [6]Capitulo 3 [7]Capitulo 3
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. Revisión de la funcionalidad del SE del 2do trabajo. Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo. Referencias: [7]Capitulo 21
14	Introducción a Machine Learning (Aprendizaje Automático) 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. 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. Referencias: [5]Capitulos 1 y 2 [8]Capitulo 1
15	Presentación de trabajos computacionales 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.	PROGRAMA SISTEMA EXPERTO COMIDAS Programa En Linea Examenes Online
16	Semana de Finales

6. METODOLOGIA

El curso se desarrolla a través de actividades teórico - prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos de 3 desarrollarán dos trabajos computacionales. Durante las sesiones de teoría se discutirán la resolución de problemas propuestos. Durante las sesiones de laboratorio se evaluarán las lecturas así como el avance de los trabajos computacionales

7. EVALUACION

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

El alumno podrá sustituir la nota del examen parcial o final siempre que no haya podido dar alguno de estos exámenes. Solo serán evaluados los alumno que presenten 70% o más de asistencia.

8. BIBLIOGRAFIA

• 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
• JOSEPH GIARRATANO - GARY RILEY - 2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson ISBN 970-686-059-2
• JOSÉ PALMA M., ROQUE MARIN M. - 2008 Inteligencia artificial, técnicas métodos y aplicaciones. Ed. Mc Graw Hill ISBN 978-84-484-5618-3
• JOSE R. HILERA, VICTOR J. MARTINE. - 2000 Redes neuronales artificiales, fundamentos, modelos y aplicaciones. Ed. Alfaomega - rama ISBN 978-84-484-5618
• NILS J. NILSON - 2001 Inteligencia artificial, una nueva síntesis. Ed. Mc Graw Hill ISBN 978-84-484-5618-3

Las lecturas obligatorias serán proporcionadas por el profesor del curso.