Explicacion del Sistema de Conteo de Personas

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