CONTENIDO TEMÁTICO

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       : 2017 – II
   Syllabus                       : Syllabus 2017-2

2. LOGRO DEL CURSO

Al finalizar el curso el alumno adquirirá conocimientos generales del área de inteligencia artificial, diseñará e implementará juegos de competición humano-máquina basados en inteligencia artificial y sistemas basados en el conocimiento, haciendo uso de manera clara y precisa de las técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.

3. UNIDADES DE APRENDIZAJE

UNIDAD Nº 1: Fundamentos de Inteligencia Artificial
UNIDAD Nº 2: Búsqueda de Estado y su Aplicación para Juegos Humano – Máquina
UNIDAD Nº 3: Ingeniería de conocimiento
UNIDAD Nº 4: Desarrollo y validación de Sistemas Expertos
UNIDAD Nº: 5 Introducción a Machine Learning y a Heurísticas

Semana	Tema	Contenido Descargable
1	Clasificación de problemas algorítmicos Clasificación de problemas algorítmicos, problemas P y NP.  Problemas de decisión, localización y optimización.  Descripción de algunos problemas NP-difícil.	Ejemplo de Sensores Programa Lisp
2	Fundamentos de la inteligencia artificial Definición de la inteligencia artificial y máquina inteligente.  Diferencia entre los sistemas operacionales e inteligentes.  Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios).  Test de Turing.	Manual Lisp Informe MIT-Cheetah
3 y 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.	Manual Lisp 2
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-deterministico.	Manual Lisp 3 2 Sensores
6	Métodos de búsqueda informados La función evaluadora Métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.	Solución Practica 1
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.
8	Examen Parcial	Solucion
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.
10	Ingeniería de conocimiento Introducción.  Adquisición de conocimiento.  La metodología CommonKADS. Diseño de Sistemas Expertos (SE).  Ciclo de vida de un SE.
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).
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.	Tarea Reino Vegetal
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.
14	Introducción a Machine Learning y heurísticas 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. El problema de la optimización combinatoria. 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.	Solución Practica 2
15	Presentación de Trabajos Proyecto de Inteligencia Artificial sobre el Smart Car, SISTEMA DE CONTROL INTELIGENTE PARA AUTOMÓVILES. Desarrollado con Arduino y probado con 4 censores. El proyecto es de escala pequeña.	Paper Código Vídeo
16	Examen Final	Solución