Inteligencia Artificial Hugo Vega 2017 -2: Grupo 4
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
Especificaciones :
Nombre del Curso |
Inteligencia Artificial |
Código del curso |
207008 |
Duración del Curso |
17 semanas |
Forma de dictado |
Técnico-experimental |
Horas semanales |
Teoria:3h-Laboratorio:2h |
Naturaleza |
Formación profesional |
Pre-requisitos |
Algorítmica 03 |
Semestre académico |
2017-II |
silabo del curso |
|
Semana |
Tema |
Español |
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.
|
1era clase
sensores
introduccion lisp
|
2 |
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. |
2da clase
|
3,4 |
Representación de problemas de juego humano –
máquina como búsqueda en un espacio de estado
Definición de problemas de la IA como problemas
de búsqueda en un espacio de estado. .
Representación de problemas de juegos humano – máquina. |
3era clase
Comandos de
lisp
Sistema de
control
de calidad
de agua
|
5 |
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-determinístico. |
5ta clase
agente
inteligente
funciones de lip
|
6 |
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
Ejemplos con
listas recursivas
sistema
inteligente
|
7 |
Métodos de búsqueda para juegos humano-máquina
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 7
|
8 |
Examen Parcial
|
Recorrido
en arboles
resolución del examen parcial
|
9 |
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. |
semana 9
|
10 |
Ingeniería de conocimiento
Introducción.
Adquisición de conocimiento.
La metodología CommonKADS.
Diseño de Sistemas Expertos (SE).
Ciclo de vida de un SE. |
trabajo sensores
semana 10
|
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, ontologías,
metadatos, thesaurus. |
sistema contaedor de personas
instalador de prolog (windows)
|
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.
|
Árbol 6 niveles
Recursividad en Prolog
|
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. . |
proyecto
|
14 |
Examen final |
Paper
Resolución
preguntas
|