Inteligencia Artificial - Hugo Vega Huerta - GRUPO7 Inteligencia Artificial Grupo7 - 2012
inteligencia artificial

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(University of Perú, DECANA DE AMERICA)

6

INGENIERIA DE SISTEMAS

ESCUELA ACADEMICA PROFESIONAL DE

INGENIERIA DE SISTEMAS E INFORMATICA

 

 

  inteligencia artificial hugo vega huerta

   Doctor: Hugo Vega Huerta

INTELIGENCIA ARTIFICIAL

*** Bienvenidos a la Página de Inteligencia Artificial Grupo 7 - 2012 ***

 DESCARGAR SILABO

SILABO

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 : 2012 – 1
Coordinador : Hugo Vega Huerta
Profesores : Hugo Vega Huerta

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

Al terminar el curso el alumno será capaz de:

1. Comprender que es la Inteligencia Artificial y la complejidad de sus problemas.
2. Representar y resolver problemas de juego humano - máquina a través de técnicas de búsqueda en un espacio de estado.
3. Conocer las diferentes estrategias de búsqueda a ciegas e informados.
4. Diseñar y desarrollar software de juegos inteligentes con interacción hombre-máquina y que usen técnicas 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. Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencias (métodos 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. SILABO

SEMANA TEMAS TRABAJOS TEORÍA TRABAJOS LABORATORIO
1

Clasificación de Problemas Algorítmicos... (Ver.: Inglés)

  • 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.

 

Clasificación de Problemas Algorítmicos

 

Resolución - Manual Lips

 

2

Fundamentos de la Inteligencia Artificial ... (Ver.: Inglés)

  • 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.

 

Fundamentos de la Inteligencia Artificial

 

Tutorial Lisp Completo

3

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.

Representación de problemas de juego humano -  máquina como búsqueda en un espacio de estado

Problema del Zorro, la Gallina y el Maiz

4

Métodos de búsqueda a ciegas... (Ver.: Inglés)

Métodos de búsqueda ciega: amplitud, profundidad y no determinista. Evaluación de temas del 1er trabajo. Tareas: ejercicios sobre resolución de problemas mediante métodos ciegos. Definir el problema del 1er trabajo como problema de búsqueda, y su historia. Referencias: [1] Capítulo 4, [2] Capítulos 4, [3] Capítulo 3, [4] Capítulos 4.

Métodos de búsqueda a ciegas

Busqueda Profundidad

5

Método de Búsqueda Informado ... (Ver.: Inglés)

  • La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación

Método de Búsqueda Informado

6

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

Referencias: [1] Capítulo 5, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12.

2do control de lectura

Métodos de búsqueda para juegos humano-máquina

7

Fundamentos de sistemas expertos ... (Ver.: Inglés)

  • 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.

Fundamentos de sistemas expertos

TRES EN RAYA

8

Examen Parcial

Solucionario del Examen Parcial 2011

Solucionario del Examen Parcial 2010

Solucionario del Examen Parcial 2012

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.

Arbol Genealogico

Arbol Genealogico - Prolog

10

Ingeniería de conocimiento

  • Introducción.
  • Adquisición de conocimiento.
  • La metodología CommonKADS.
  • Diseño de Sistemas Expertos (SE).
  • Ciclo de vida de un SE.

Ingeniería del Conocimiento

Práctica de Prolog - ENEMIGOS

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).

Referencias: [6] Capítulos 6, [7] Capítulos 19.

3er control de lectura.

Adquisición de Conocimiento

 

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

 

 

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: [4], [7] Capítulo 21.

4to control de lectura.

 

 
14

Introducción a Machine Learning.

  • 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.
15

Introducción a heurísticas y meta-heurísticas.

  • El problema de la optimización combinatoria.
  • Complejidad de de problemas combinatorios
  • 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.
16

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.

Sistema_Experto_SALUD

 

Arbol de conocimiento - Sistema Experto de SALUD

17 Examen Final

Solucionario del Examen Final 2011

Solucionario del Examen Final 2010

Solucionario del Examen Final 2012

6. METODOLOGÍA

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. EVALUACIÓN

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 - 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 alumnos que presenten 70% o más de asistencias.

 

8. BIBLIOGRAFÍA

 [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 
2009 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 – GARY RILEY
2001 Sistemas expertos, principios y programación. Ed. Ciencias Thomson
ISBN 970-686-059-2 5/5


[7] JOSÉ 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 – 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 serán proporcionadas por el profesor del curso.

 


canalchat.org
NOSOTROS ( IA - Grupo 7)
Rupay Ramirez, Cristian
Dextre Pineda, Christian
Inca Alvarez, Gilver
GRUPOS
Grupo 1
Grupo 2
Grupo 3
Grupo 4
Grupo 5
Grupo 6
Grupo 7
Grupo 8
Grupo 9
Grupo 10
Grupo 11
Grupo 12
Grupo 13
Grupo 14
Grupo 15
ENLACES DE INTERÉS

free counters
 
ENLACES DE NEGOCIOS

 
PLANTANDO UN ÁRBOL

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS / Facultad de Ingeniería de Sistemas e Informática

Inteligencia Artificial - Grupo7