UNIVERSIDAD NACIONAL DE HUANCAVELICA

(Creada por Ley N 25265)

FACULTAD DE INGENIERA ELECTRNICA Y SISTEMAS

ESCUELA ACADMICO PROFESIONAL DE SISTEMAS
Telefax N 067 - 456022

SILABO DE LA ASIGNATURA: INTELIGENCIA ARTIFICIAL IS 702

I. INFORMACION GENERAL 1.1 Nombre de Asignatura 1.2 Cdigo de la Asignatura 1.3 Pre-requisito 1.4 Crditos 1.5 Extensin temporal 1.5.1 Teora 1.5.2 Prctica 1.6 Ciclo 1.7 Semestre Acadmico 1.8 Inicio de clases 1.9 Trmino de clases 1.10 Duracin 1.11 Docente responsable Correo electrnico I.

: Inteligencia Artificial : IS 702 : IS 602 : 04 : 4 horas : 2 horas : 2 horas : VII : 2013 - I : 15 de abril de 2013 : 09 de agosto de 2013 : 17 semanas : Ing. Freddy Toribio Huayta Meza : fhuaytam@hotmail.com

MARCO DESCRPTIVO: La asignatura se orienta a dar los conocimientos de modelos que nos permiten reproducir la forma de razonamiento humano para aplicarla en la solucin de problemas reales, mediante el desarrollo de software aplicativo. COMPETENCIA: Adquieren conocimientos de Inteligencia Artificial en general y desarrollan aspectos bsicos en el desarrollo de juegos inteligentes y de sistemas expertos, y su aplicacin en la resolucin de problemas inteligentes en los sectores de la industria y de servicios, haciendo uso de herramientas de programacin de alto nivel.

II.

III.

PROGRAMACION DE CONTENIDOS: Primera Unidad Didctica: Inteligencia artificial y representacin del conocimiento 1. Duracin : 9 Semanas 2. Capacidades: a) Comprende que es la Inteligencia Artificial y la complejidad de sus problemas. b) Representa y resuelve problemas de juego humano - mquina a travs de tcnicas de bsqueda en un espacio de estado. c) Comprende qu son los sistemas expertos y sabe cundo usarlos. d) Evala la calidad de la solucin de sistemas expertos. 3. Contenidos programados por Captulos o unidades:

SEM.

HORAS

CONCEPTUAL Inteligencia Artificial: Introduccin. Breve historia, rea de la aplicacin de la I.A. Definiciones y nacimiento de la IA reas de investigacin y aplicacin de la IA Aplicaciones comerciales de la inteligencia artificial Inteligencia Inteligencia Artificial Inteligencia Artificial y Robtica - El Conocimiento 1. Niveles del Conocimiento 2. Actores del Conocimiento 3. Gnosis y Sofia 4. Conocimiento desde la Accin 5. Clases de conocimiento 6. De la informacin al conocimiento 7. Representacin del Conocimiento 8. Almacenamiento y recuperacin del conocimiento Representacin del conocimiento: Lgica de predicados Representacin del conocimiento: Lgica de predicados y reglas de produccin. Sistemas Expertos: Caractersticas. Ventajas y limitaciones. Arquitectura: La base de conocimientos. La base de datos. Arquitectura: El motor de inferencias. Encadenamiento hacia atrs

PROCEDIMENTAL Aprende la historia de la IA., describe las reas de aplicacin de la IA. y lo relaciona

ACTITUDINAL Reflexiona sobre el mbito de aplicacin de la IA. y lo plasma para poder implementarlo en su medio geogrfico

AVANCE %

4h

6%

4h

Obtiene informacin sobre cerebro y ciberntica, expresa sus conocimiento, y lo discute en el aula

Comparte los conocimientos adquiridos sobre cerebro y ciberntica y lo demuestra con acciones colectivas

12%

4h

4h

Obtiene una serie de tcnicas que le permiten expresar su conocimiento. Aprende la unificacin, las reglas de inferencia, y el mtodo bsico de razonamiento

Aplica estas tcnicas en todo momento para poder expresar su conocimiento Utiliza el mtodo de raciocinio para expresar su conocimiento

18%

24%

4h

4h

Representa mediante reglas de produccin a la Inferencia basada en reglas y el proceso de razonamiento. Adopta informacin para representar la experiencia humana en un dominio particular

Es creativo al representar conocimiento basados en las reglas dadas.

30%

Encadenamiento hacia atrs: Adopta las tcnicas de 42% solucin de problemas Aplicaciones desarrolladas sobre sistemas expertos y Encadenamiento hacia adelante. 8 4h 48% los plasma para poder Aplicaciones desarrolladas resolver situaciones Sistemas de aprendizaje inductivo y similares 9 4h rboles de decisin. 54% Primer examen parcial Segunda Unidad Didctica: Redes neuronales 1. Duracin : 8 Semanas 2. Capacidades: a) Disea y desarrolla sistemas expertos basados en diversos motores de inferencias (mtodos de encadenamiento), considerando criterios de calidad. 7 4h

Usa conocimiento y procedimientos de inferencia para resolver problemas que son lo suficientemente difciles como para requerir la intervencin de un experto humano para su resolucin. Incorpora nuevas tcnicas en la resolucin de problemas basados en los sistemas expertos y lo demuestra en la solucin de los problemas sociales.

36%

b) Conceptualiza y diferencia las redes neuronales artificiales con las naturales c) Aplica las tcnicas de las redes neuronales para resolucin de problemas reales. 3. Contenidos programados por Captulos o unidades: SEM. HORAS CONCEPTUAL Redes Neuronales Artificiales Parte 1 Fundamentos biolgicos La neurona artificial Redes de neuronas Operacin de una red neuronal Entrenamiento de una red neuronal 12 4h Tipos de redes neuronales ms importantes. Aplicaciones de las redes neuronales La red backpropagation Aprendizaje con redes neuronales artificiales parte 2 Implementacin de Aplicaciones con Redes Neuronales Lgica Difusa: Introduccin. Teora de la certeza. Sistemas basados en reglas difusos. Aplicaciones con Lgica Difusa 16 4h Segundo examen parcial PROCEDIMENTAL Conceptualiza las redes neuronales y lo plasma para la resolucin de problemas Aplica las tcnicas basadas en redes neuronales para la implementacin de sistemas basados en redes neuronales Provee el aprendizaje necesario para que una red neuronal conozca Utiliza un software para poder realizar aplicaciones ACTITUDINAL Diferencia las redes neuronales artificiales y las naturales Comenta y discrepa las aplicaciones existentes sobre las redes neuronales. Implementa los pasos necesarios para entrenar las redes neuronales Desarrolla una serie de aplicaciones basadas en las redes neuronales % AVANCE 60%

10

4h

11

4h

66%

72%,

13

4h

78%

14

4h

15

4h

Conceptualiza la lgica difusa como base a la solucin de problemas difusos Desarrolla sistemas basados en reglas difusas Aplica la lgica difusa en la solucin de problemas reales

Demuestra inters en los conocimientos sobre lgica difusa Implementa reglas que contribuyan a la solucin de problemas difusos. Utiliza problemas de la realidad para plasmarlos en la solucin basados en la lgica difusa

84%

90%

98%

17 IV.

4h

100%

ESTRATEGIAS METODOLGICAS A fin de lograr un mejor desarrollo del aprendizaje, se emplearn las siguientes estrategias metodolgicas: Conferencia o clase magistral Controles de lecturas Estudios de casos Dinmicas grupales Prcticas individuales y/o grupales Evaluacin y anlisis de resultados, etc. MATERIALES EDUCATIVOS Y OTROS RECURSOS DIDACTICOS: Las clases tericas se llevarn a cabo en el aula de clase utilizndose segn el caso: plumones, pizarra, proyector multimedia y laptop. Las clases prcticas se llevarn a cabo en el laboratorio de cmputo.

V.

VI.

SISTEMA DE EVALUACION La evaluacin ser permanente y se tendr en cuenta los siguientes criterios: - La asistencia a clases tericas y prcticas son obligatorias. Constituye INHABILITADO el estudiante que ha acumulado el 30% de inasistencia. - El alumno que no rinda un examen o no cumpla con las tareas acadmicas (exposiciones, trabajos, desarrollo de un proyecto y prcticas calificadas) en la fecha indicada se le calificar con nota igual a cero (0). - La nota mnima aprobatoria es once (11). Solo se utiliza el redondeo para obtener el promedio final, considerndose un punto a favor del estudiante cuando la fraccin decimal es mayor o igual a 0.5 - Las notas de la primera y segunda unidad se calcula de la siguiente manera: P1 = (4(EP1) + 3(PPC) + 2(TIE) + (A))/10 P2 = (4(EP2) + 3(PPC) + 2(TIE) + (A))/10 - La nota final de la asignatura se obtiene de la siguiente manera: P1 + P2 PF = 2 P1 Y P2 son los promedios de unidad 1 y 2 respectivamente. EP1 Y EP2 son las evaluaciones parciales. PPC es el promedio de prcticas calificadas TIE es el Trabajo de Investigacin y exposiciones. A viene a ser las actitudes PF es el promedio final de la asignatura. REFERENCIA BIBLIOGRAFICA Bibliografa Bsica: 7.1 Inteligencia artificial e ingeniera del conocimiento, Gonzalo Pajares Martinsanz y Matilde Santos Peas, 2009. 7.2 Gamarra Moreno, Abraham Esteban (2008). Tpicos y Aplicaciones de la Inteligencia Artificial. Universidad Nacional del Centro del Per, Huancayo, Per. Bibliografa Complementaria: 1. Benchimol, Guy; Levine, Pierre y Pomerol, Jean (1990). Los sistemas expertos en la empresa. Ed. Macrobit. Mxico. 2. Durkin, John (1994). Expert Systems. Ed. Macmillan. USA. 3. Freeman, James y Skapura, David (1993).Redes Neuronales. Ed. Addison Wesley. USA. 4. Giarratano, Joseph y Riley, Gary (1998). Sistemas Expertos. Tercera Edicin. Internacional Thomson Editores. Mxico. 5. Kong, Maynard (1993). Inteligencia Artificial. Fondo Editorial Pontificia Universidad Catlica del Per. Lima, Per. 6. Russell, Stuart y Norvig, Peter (1996). Inteligencia Artificial. Ed. Prentice Hall. Mxico. 7. Schalkoff, Robert J. Artificial Intelligence. Ed. Mc Graw Hill. BIBLIOGRAFIA ELECTRONICA 1. Planell Perez. Historia de la Inteligencia Artificial [en lnea]. Espaa: Ebooks gra-tis; 2008. [fecha de acceso 16 de noviembre de 2007]. URL disponible en: http://66.240.239.19/2/7/0/27068.ZIP. 2. www.whipala.net Pampas, abril de 2013

VII.

_______________________________ Ing. Freddy Toribio Huayta Meza Docente de la Asignatura ENTREGA RECEPCION DEL SILABO RE FECHA: RECIBIDO POR: