Escolar Documentos
Profissional Documentos
Cultura Documentos
SÍLABO
INTELIGENCIA ARTIFICIAL
I. DATOS GENERALES
II. FUNDAMENTACIÓN
La Inteligencia Artificial (IA) es un área de la ciencia que estudia la teoría y la aplicación de técnicas
de solución de problemas inspirada en la inteligencia natural humana. Se basa en el procesamiento
simbólico del conocimiento para aproximar y replicar procesos como la percepción, raciocinio,
aprendizaje, evolución y adaptación con el fin de formular aplicaciones inteligentes como la toma
de decisiones, optimización, reconocimiento de patrones y aprendizaje, entre otros.
El conocimiento de los conceptos fundamentales de IA permite dotar al estudiante de capacidades
necesarias para formula soluciones computacionales inteligentes a problemas complejos. Por tal
motivo, este curso es de naturaleza teórico-práctico y pertenece al área de formación profesional
de Ingeniería de Sistemas.
Las técnicas más estudiadas en IA son Agentes Inteligentes, Sistemas Expertos, Aprendizaje de
Máquina, Redes Neuronales, entre otros.
III. COMPETENCIAS
1
CARRERA DE INGENIERÍA DE SISTEMAS
03
1. Conceptos del agente solucionador de problemas.
Solución de 2. Buscando soluciones.
Problemas con 3. Estrategias de búsqueda.
Métodos de 4. Desarrollo de un agente inteligente.
Búsqueda 5. Ejemplos y aplicaciones.
1. ¿Qué es un Sistema Experto?
04 2. Componentes de un Sistema Experto.
Sistemas Expertos
3. Sistemas basados en reglas y probabilidades. E1
4. Aplicaciones.
5. Desarrollo de un sistema experto.
1. Introducción.
05
2. Aprendizaje Supervisado (Regresión).
Aprendizaje de 3. Regresión Lineal (Una Variable)
Máquina Regresión 4. Regresión Lineal (Multiples Variables)
5. Aplicaciones y Ejercicios usando Matlab u Octave.
06
1. Aprendizaje Supervisado (Clasificación)
2. Regresión Logística.
E2
Aprendizaje de
Máquina 3. Regularización
Clasificación 4. Aplicaciones y Ejercicios usando Matlab u Octave.
07
1. Diseño y desarrollo de sistemas (proyectos)
Aplicaciones básicas usando Aprendizaje de Máquinas en aplicaciones
de Aprendizaje de
Máquinas
empresariales e industriales usando Matlab u
Octave.
E3
08
Examen 1 EP
09 1. ¿Qué es una Red Neuronal?
Introducción a 2. Componentes de una Red Neuronal.
Redes Neuronales - 3. Ejemplos e Intuición de una Red Neuronal.
Representación 4. Construcción de bloques de alimentación
adelantada.
10 1. Función de Costo.
2. Propagación hacia atrás.
Redes Neuronales - 3. Aplicaciones y Ejercicios usando Matlab u Octave. E4
Aprendizaje
2
CARRERA DE INGENIERÍA DE SISTEMAS
12
1. Diseño y desarrollo de sistemas (proyectos)
Aplicaciones de usando redes neuronales en aplicaciones E5
Redes Neuronales empresariales e industriales usando Matlab u
Octave.
13
Aprendizaje de
1. Agrupación (Clustering).
Máquina –
2. Reducción de Dimensión.
Aprendizaje no
3. Aplicaciones y Ejercicios usando Matlab u Octave.
Supervisado I
14
Aprendizaje de 1. Detección de anomalías.
Máquina – 2. Sistema de Recomendación.
Aprendizaje no 3. Aplicaciones y Ejercicios usando Matlab u Octave.
Supervisado II
15
1) Presentación de Proyectos E6
Proyectos
E7
16 EXAMEN FINAL EXAMEN FINAL (EF)
17 EXAMEN DE APLAZADOS EA
V. ESTRATEGIAS DE APRENDIZAJE
3
CARRERA DE INGENIERÍA DE SISTEMAS
VII. EVALUACIÓN
Asistencia 8
Trabajo en Equipo 4
Responsabilidad 4
Respeto 4
Los pesos serán tratados tal cual se indica en la fórmula señalada en el siguiente recuadro:
EL PROMEDIO FINAL del curso estará dado por la siguiente fórmula señalada en el siguiente
recuadro:
PF: E1*0.05+E2*0.05+E3*0.1+EP*0.2+E4*0.05+E5*0.1+E6*0.1+E7*0.1+EF*0.25
4
CARRERA DE INGENIERÍA DE SISTEMAS
S. Russell, P. Norving, “Artificial Intelligence : A Modern Approach” 3ra Ed. Prentice Hall. 2010 ISBN:
0-13-790395-2
H. Brighton, H. Selina, “Introducing Artificial Intelligence”, Tótem Books 2004, ISBN 1840464631.
C. Leondes, “Expert Systems: The Technology of Knowledge Management”, Leondes Editor, 2002.
S. N. Sivanandam, “Introduction to Fuzzy Logic using MATLAB”, Edit. Springer, 2007.
Hilera y Martínez, “Redes Neuronales Artificiales” Alfaomega, México, 2000
Isasi Viñuela, Pedro y Galván, Inés M., “Redes de Neuronas Artificiales: Un Enfoque Práctico”
Editorial: Pearson Educacion 2004
Bonifacio Martín-del-Brío y Alfredo Sanz-Molina, “Redes Neuronales y Sistemas Borrosos”
Editorial RA-MA, Madrid (España), 2001. ISBN 84-7897-466-0
S. Haykin, “Neural Networks and Learning Machines”, 3rd Ed. Prentice Hall, 2008, ISBN-13:
9780131471399.
Yaser S. Abu-Mostafa, “Learning From Data”, AMLBook, 2012, ISBN: 1600490069
DIRECCIONES DE INTERNET: