UNMSM san marcos
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Per√ļ, DECANA DE AM√ČRICA)

FACULTAD DE INGENIERIA DE SISTEMAS
Escuela Académico Profesional de Ingeniería de Sistemas
INICIO Inteligencia Artificial 2011-1

Bienvenidos a la pagina web del curso de Inteligencia Artificial del ciclo 2011-1 de carrera la de Ingenieria de Sistemas, esta pagina ha sido desarrollada por un el Grupo x del curso para compartir nuestras experiencias y conocimientos.

El profesor

Nombre: Mg. Hugo Vega Huerta
Correo: hugovegahuerta@hotmail.com

Hugo Vega Huerta
Silabo

1. ESPECIFICACIONES GENERALES

Nombre del Curso    
Código   del Curso     
Duración del Curso        
Forma de Dictado          
Horas semanales        
Naturaleza                   
N√ļmero de cr√©ditos¬†¬†¬†¬†¬†¬†
Prerrequisitos                 
Semestre académico      
Coordinador                
Profesores                
: INTELIGENCIA ARTIFICIAL
: 207008
: 17 semanas
: Técnico - experimental
: Teor√≠a: 3h ‚Äď Laboratorio: 2h
: Formación profesional
: Cuatro (04)
: 205007 ‚Äď Investigaci√≥n Operativa I
: 2011 ‚Äď 1
: Ana María Huayna
: Ana Mar√≠a Huayna, Hugo Vega, Rolando Magui√Īa

2. SUMILLA

La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios. Representaci√≥n del conocimiento. Representaci√≥n de problemas de IA como b√ļsqueda en el espacio de estado. M√©todos de b√ļsqueda ciegos e informados. Juegos inteligentes hombre-m√°quina. Sistemas expertos, arquitectura, taxonom√≠a y aplicaciones. Motor de Inferencia. Ingenier√≠a de conocimiento, conceptos, evoluci√≥n, Metodolog√≠a CommonKADS. Calidad y Validaci√≥n de Sistemas Expertos, Introducci√≥n a Machine Learning (Aprendizaje Autom√°tico) y heur√≠sticas.

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 ESPEC√ćFICOS

Al terminar el curso el alumno ser√° capaz de:

  1. Comprender que es la Inteligencia Artificial y la complejidad de sus problemas.
  2. Representar y resolver problemas de juego humano - m√°quina a trav√©s de t√©cnicas de b√ļsqueda en un espacio de estado.
  3. Conocer las diferentes estrategias de b√ļsqueda a ciegas e informados.
  4. Dise√Īar y desarrollar software de juegos inteligentes con interacci√≥n hombre-m√°quina y que usen t√©cnicas de inteligencia artificial.
  5. Comprender qué son los sistemas expertos y saber cuándo usarlos.
  6. Conocer que es la Ingeniería de Conocimiento y un método para el desarrollo de sistemas basados en el conocimiento
  7. Evaluar la calidad de la solución de sistemas expertos.
  8. Dise√Īar y desarrollar sistemas expertos basados en diversos motores de inferencias (m√©todos de encadenamiento), considerando criterios de calidad.
  9. Conocer los conceptos de machine learning y de heurísticas, su importancia y sus aplicaciones en la industria y servicios.

5. CONTENIDO ANAL√ćTICO POR SEMANAS: (19 de abril 2010)

1¬ļ¬† Semana: Clasificaci√≥n de problemas algor√≠tmicos
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] Capítulo 1, [1] Anexo A.

2¬ļ¬† Semana: Fundamentos de la inteligencia artificial¬†
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.
Referencias: [1] Capítulo 1, [2] Capítulo 1,  [9] Capítulo 1.

3¬ļ Semana: Representaci√≥n de problemas de juego humano ‚Äď m√°quina como b√ļsqueda en un espacio de estado
Definici√≥n de problemas de la IA como problemas de b√ļsqueda en un espacio de estado. Representaci√≥n de problemas de juegos humano ‚Äď m√°quina.
Referencias: [1] Capítulo 3, [3] Capítulo 2, [4] Capítulo 3.
1er control de lectura

4¬ļ y 5¬į¬† Semana: M√©todos de b√ļsqueda ciegos e ¬†informados
La funci√≥n evaluadora, m√©todos de b√ļsqueda ciega √≥ no informados: amplitud, profundidad y no determin√≠stico, m√©todos que usan informaci√≥n adicional: primero el mejor, ascenso a la colina, A*, ramificaci√≥n y acotaci√≥n.
Referencias: [1] Capítulos 3 y 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5, [9] Capítulos 9

6¬į Semana: M√©todos de b√ļsqueda para juegos humano-m√°quina¬†
Algoritmo de juego humano ‚Äď m√°quina. Estrategias de juego de m√°quina: no determin√≠stico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta.
Referencias: [1] Capítulo 6, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12.
2do control de lectura

7¬ļ¬† Semana: 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

8¬ļ ¬†Semana
Examen parcial

9¬ļ¬† Semana: Presentaci√≥n de trabajos computacionales¬†
Los alumnos mostrar√°n sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en t√©cnicas de b√ļsqueda. Se deber√° presentar un informe y un software, y deber√°n exponer sus trabajos.

10¬ļ¬† Semana: Ingenier√≠a de conocimiento
Introducci√≥n. Adquisici√≥n de conocimiento. La metodolog√≠a CommonKADS. Dise√Īo de Sistemas Expertos (SE). Ciclo de vida de un SE.
Referencias: [6] Capítulos 6, [7] Capítulos 19.

11¬ļ Semana: Adquisici√≥n 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] Capítulos 6, [7] Capítulos 19.
3er control de lectura

12¬ļ Semana: 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] Capítulos 6 y 8, [2] Capítulo 7, [6] Capítulo 3, [7] Capítulo 3.

13¬ļ Semana: Calidad y validaci√≥n 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: [4], [7] Capítulo 21.
4to control de lectura

14¬į Semana: Introducci√≥n a Machine Learning (Aprendizaje Autom√°tico) y ¬†heur√≠sticas.
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] Capítulo 1 y 2, [8] Capítulo 1, [10], [11].

15¬ļ Semana: Presentaci√≥n de trabajos computacionales
Los alumnos mostrar√°n sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentar√°n un informe y un software.

16¬ļ Semana
Examen final

17¬ļ Semana
Examen Sustitutorio (solo para aquellos que no dieron examen parcial o final)

 

LABORATORIO:
Durante las sesiones de laboratorio se desarrollarán la programación básica en un lenguaje de inteligencia artificial sea LIPS (o una variante de ella) o CLIPS y esta se orientará al desarrollo de sistemas expertos basados en reglas. También en las sesiones de laboratorio se podrá evaluar el avance de los trabajos.

5. METODOLOG√ćA

El curso se desarrolla a trav√©s de actividades te√≥rico ‚Äď pr√°cticas, dando √©nfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos de 3 desarrollar√°n dos trabajos computacionales. Durante las sesiones de teor√≠a¬† se discutir√°n la resoluci√≥n de problemas propuestos. Durante las sesiones de laboratorio se evaluar√°¬† el avance de los trabajos computacionales y el proceso de aprendizaje de un lenguaje de inteligencia artificial.

6. EVALUACI√ďN

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 +EB)

Donde:
CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
TB1: Trabajo Grupal (Juegos Inteligentes Hombre ‚Äď M√°quina)
TB2: Trabajo Grupal (Sistemas Expertos)
EA: Examen Parcial
EB: Examen Final
LA: Laboratorio

El alumno podr√° sustituir la nota del examen parcial o final siempre que no haya podido dar alguno de estos ex√°menes.
Solo ser√°n evaluados los alumno que presenten 70% o m√°s de asistencia.

7. BIBLIOGRAF√ćA

[1] STUART, RUSSELL; PETER, NORVIG
1996 Inteligencia artificial, un enfoque moderno. Ed. Prentice Hall.
ISBN 0-13-103805-2

[2] PATRICK, WINSTON
1984 Inteligencia artificial. Ed. Addison-Wesley
ISBN 0-201-51876-7

[3] ELAINE, RICH
1988 Inteligencia artificial. Ed McGraw-Hill
ISBN 0-07-450364-2

[4] DAVID, MAURICIO

  1. Apuntes de inteligencia artificial.

[5] BONIFACIO, MARTIN; ALFREDO, SANZ
2002 Redes neuronales y sistemas difusos. Ed. Alfaomega
ISBN 84-7897-466-0

[6] JOSEPH GIARRATANO ‚Äď GARY RILEY
2001 Sistemas expertos, principios y programación. Ed. Ciencias Thomson
ISBN 970-686-059-2

[7] JOS√Č PALMA M., ROQUE MARIN M.
2008 Inteligencia artificial, técnicas métodos y aplicaciones. Ed. Mc Graw Hill
ISBN 978-84-484-5618-3

[8] JOSE R. HILERA, VICTOR J. MARTINE.
2000 Redes neuronales artificiales, fundamentos, modelos y aplicaciones. Ed. Alfaomega ‚Äď rama
ISBN 978-84-484-5618-3

[9] NILS J. NILSON
2001 Inteligencia artificial, una nueva síntesis. Ed. Mc Graw Hill
ISBN 978-84-484-5618-3

[10] CAMPELO Ruy; MACULAN Nelson.
1994, Algoritmos e Heurísticas. Ed. Universidad Federal Fluminense.
GLOVER Fred; KOCHENBERGER Gary A.

[11] 2003 HandBook of Metaheuristic. Kluwer International Series.

Las lecturas obligatorias ser√°n proporcionadas por el profesor del curso.

 

Examenes
Examen final 2008 I
Examen final 2008 II
Examen final 2009 I
Examen parcial 2007 I
Examen parcial 2007 II
Examen parcial 2008 I
Practica desconocida 1
Practica2 2003 II
Archivos
LispWorks Personal 5.1 fo...
SWI-Prolog 5.11.20 for Wi...
Silabo del curso
Lisp CS157 tutorial
Referencia rapida de Lisp
Clase 6 - Sistemas Expert...
Clase 5 - Juego humano ma...
Clase 4 - Metodos de busq...
Otros Grupos
Grupo 1
Grupo 2
Grupo 3
Grupo 4
Grupo 5
Grupo 6
Grupo 7
Grupo 8
Enlaces
UNMSM
FISI
ACM
Ubuntu
Dise√Īado por Corporaci√≥n AME ¬© 2011
Visitas: