Syllabus

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 – I 
Coordinador : Hugo Vega Profesores : Hugo Vega

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. SYLLABUS

Semana	Temas	Trabajos Teoria	Trabajos Laboratorio
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] Capítulo 1		Manual 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. Referencias: [1] Capítulo 1, [2] Capítulo 1, [9] Capítulo 1.	El zorro, la gallina y el maiz	Manual 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. Referencias: [1] Capítulos 3, [3] Capítulo 2, [4] Capítulo 3.	El zorro, la gallina y el maiz	Arbol Binario
4	Método de Búsqueda Informado La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5, [9] Capítulos
5	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.
6	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
7	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE. Referencias: [6] Capítulos 6, [7] Capítulos 19.		Michi Ejecutable
8	Examen Parcial
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	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.	Arbol Genealógico	Codigo Fuente
11	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. Ténicas 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
12	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.
13	Introducción a Machine Learning Conceptos de aprendizaje y de machine learning. Sistemas experto vs machine learning. T)cnicas de aprendizaje y fases de desarrollo de machine learning. Aplicaciones de machine learning en la industria y servicios. Referencias: [5] Capítulo 1, [8] Capítulo 1
14	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. Referencias: [10], [11].
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.
16	Examen Final		Examenes Fianles Anteriores
17	Examen Sustitorio (solo para aquellos que no dieron examen parcial o final)

5. 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 sesciones de laboratorio se evaluarán las lecturas así como el avance de los trabajos computacionales.

6. 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.

7. BIBLIOGRAFÍA

• STUART, RUSSELL; PETER, NORVIG

2010 Artificial Intelligence: A Modern Approach (3rd Edition). Ed Prentice Hall.

ISBN-13: 978-0136042594

• 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

• GIARRATANO RILEY

2001 Sistemas Expertos, principios y programación. Ed. Ciencias Thomson

ISBN 970-686-059-2

Las lecturas obligatorias serán proporcionadas por el profesor del curso