Universidad Nacional

José Faustino Sánchez Carrión

FACULTAD DE INGENIERÍA INDUSTRIAL, SISTEMAS E INFORMÁTICA
ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

SILABO
I. DATOS GENERALES
ASIGNATURA : SISTEMAS DE EXPERTOS
CODIGO : 3205405
CICLO : VII
CREDITO : 3.0
HORAS SEMANALES : 04
HORAS TEORICAS : 02
HORAS LABORATORIO : 02
CICLO ACADEMICO : 2019-II
LÍNEA DE CARRERA : Desarrollo de Software
DOCENTE : Ing. Juan Carlos Meyhuay Fidel
REGISTRO CIP Nº : 78338
E-mail : jmeyhuay@yahoo.es

II. SUMILLA Y DESCRIPCIÓN DEL CURSO

La asignatura de Sistemas de Expertos pertenece al área de Cursos
especializados; es de naturaleza Teórico – Práctico, forma parte del Plan de
Estudios de la Escuela Profesional de Ingeniería De Sistemas. Su propósito es
que los alumnos matriculados en la asignatura desarrollen aprendizajes sobre
Formas de búsqueda basado en Inteligencia Artificial. Red de neuronas.
Aprendizaje; Fundamentos y algoritmos. Sistemas basados en conocimiento.
Desarrolla las siguientes unidades:
I. Estrategias de búsqueda
II. Sistema experto basado en arboles de decisión
III. Técnicas de agrupamiento.
IV. Sistemas basados en conocimiento
1
III. CAPACIDADES AL FINALIZAR EL CURSO.

CAPACIDAD DE LA UNIDAD NOMBRE DE LA UNIDAD

DIDACTICA DIDACTICA SEMANAS

Definición y visión panorámica de la

Inteligencia Artificial. Estrategias de
búsqueda no informada. Búsqueda
IUNIDAD

primero en anchura. Búsqueda de 4

costo uniforme, Estrategias de ESTRATEGIAS DE BÚSQUEDA
búsqueda informada (heurística). Semanas
Búsqueda voraz. Búsqueda A*.

Redes semánticas. Programación

lógica, sistema experto que aprenden.
IIUNIDAD

SISTEMA EXPERTO BASADO EN 4

Definición de algoritmos genéticos.
Operaciones genéticas encadenas ARBOLES DE DECISIÓN
Semanas
binarias

Definición de algoritmos genéticos.

Operaciones genéticas encadenas
IIIUNIDAD

binarias. Aplicación de técnicas de

TÉCNICAS DE AGRUPAMIENTO
4
agrupamiento. Definición de redes
bayesianas. Aplicación de Redes Semanas
Neuronales artificiales. Perceptrón.

Aplicación de lógica difusa. Los

números difusos. Modelos de
IVUNIDAD

conocimiento. Roles del proceso. SISTEMAS BASADOS EN 4

Cloud computing. Evolución hacia la CONOCIMIENTO
computación en la nube. Modelos en Semanas
la nube.

2
IV. INDICADORES DE CAPACIDADES AL FINALIZAR EL CURSO

NÚMERO INDICADORES DE CAPACIDAD AL FINALIZAR EL CURSO

Conoce los conceptos relacionado con la Inteligencia Artificial (IA),
1
determinar las áreas de aplicación con responsabilidad.

Expresa los problemas de búsqueda para la Inteligencia Artificial

2
para realizar el desarrollo con ética.

Analiza los diferentes tipos de búsqueda para IA y métodos de

3 búsqueda y distinguir un sistema experto y sus componentes para
realizar el desarrollo con responsabilidad.
4 Resultados de las Capacidades de la Primera Unidad.
Utiliza los conocimientos para diseñar una red semántica con
5
responsabilidad
6 Conoce y construye arboles de decisión con ética

7 Conoce y explica la computación evolutiva con responsabilidad

8 Resultados de las Capacidades de la Segunda Unidad.
9 Reconoce las ontologías con responsabilidad

Utiliza y aplica la técnica de clasificación Clustering con

10
responsabilidad

11 Identifica las redes Bayesianas con responsabilidad

12 Resultados de las Capacidades de la Tercera Unidad.
13 Distingue con precisión las lógica difusa con responsabilidad
Conoce y muestra la metodología de la Ingeniería del conocimiento
14
con ética

15 Define y utiliza los sistemas emergentes con responsabilidad

16 Resultados de las Capacidades de la Cuarta Unidad.

3
V. DESARROLLO DE LAS UNIDADES DIDACTICAS:
UNIDAD DIDÁCTICA 1: ESTRATEGIAS DE BÚSQUEDA
CAPACIDAD DE LA UNIDAD DIDÁCTICA I:
Semana
Cognitivos
Definición y visión
1 panorámica de la
Inteligencia Artificial
Estrategias de búsqueda no
informada. Búsqueda
2 primero en Anchura
Estrategias de búsqueda
informada (heurística).
3
Búsqueda voraz. Búsqueda
A*
4 Primera Evaluación Parcial.
EVIDENCIA DE CONOCIMIENTOS
Aplicación de Examen escrito.
DEFINICIÓN Y VISIÓN PANORÁMICA DE LA INTELIGENCIA ARTIFICIAL, ESTRATEGIAS DE BÚSQUEDA NO
INFORMADA. BÚSQUEDA PRIMERO EN ANCHURA. BÚSQUEDA DE COSTO UNIFORME, ESTRATEGIAS DE
BÚSQUEDA INFORMADA (HEURÍSTICA). BÚSQUEDA VORAZ. BÚSQUEDA A*.
Contenidos Estrategia Indicadores de logro de la
didáctica capacidad
Procedimental Actitudinal
Conoce acerca de los
Toma con interés los Estudio de Nivel de Conocimiento de los
conceptos de Inteligencia
conceptos definidos. Casos. conceptos señalados.
Artificial (IA)
Averigua acerca de la
Estudio de Nivel de Conocimientos de los
búsqueda no informada y Aplica con ética las distintas
Casos. distintos tipos de búsqueda
de anchura formas de búsqueda
Averigua acerca de la Aplica con ética las distintas Estudio de Nivel de Conocimientos de los
búsqueda informada y voraz formas de búsqueda Casos. distintos tipos de búsqueda
Evaluación de Habilidades y Evaluación de la parte Examen Resultados de las Capacidades de
Destrezas. afectiva y valores. Escrito y Oral. los Contenidos de la 1ra Unidad.
EVALUACIÓN DE LA PRIMERA UNIDAD DIDÁCTICA
EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO
Uso de Ficha para calificar los logros. Uso de Ficha para calificar los logros.
PUBLICACIÓN DE PROMEDIOS DEL MODULO 1:
4
UNIDAD DIDÁCTICA 2: SISTEMA EXPERTO BASADO EN ARBOLES DE DECISIÓN
CAPACIDAD DE LA UNIDAD DIDÁCTICA II: REDES SEMÁNTICAS. PROGRAMACIÓN LÓGICA, SISTEMA EXPERTO QUE APRENDEN. DEFINICIÓN DE
ALGORITMOS GENÉTICOS. OPERACIONES GENÉTICAS ENCADENAS BINARIAS
Contenidos Estrategia Indicadores de logro de la
Semana
didáctica capacidad
Cognitivos Procedimental Actitudinal

Redes semánticas.
Programación lógica.
Prueba de la diferencia de
5 dos medias. Utilizando
distribución normal
Aplica con ética los
Conoce acerca de las redes Estudio de Nivel de Conocimiento y
conceptos de redes
semánticas Casos. Aplicaciones de redes semánticas
semánticas

Nivel de Conocimiento y
Sistema experto que Identifica los sistemas Aplica con ética los sistemas Estudio de
6 Aplicaciones los sistemas que
aprenden expertos que aprenden expertos que aprenden Casos.
aprenden
Definición de algoritmos
Aplica con ética los Nivel de Conocimientos y
genéticos. Operaciones Conoce y aplica los Desarrollo de
7 conceptos de algoritmo Aplicaciones de los algoritmos
genéticas encadenas algoritmos genéticos Modelos.
genético genéticos
binarias
Evaluación de Habilidades y Evaluación de la parte Examen Resultados de las Capacidades de
8 Segunda Evaluación Parcial.
Destrezas. afectiva y valores. Escrito y Oral. los Contenidos de la 2da Unidad.

EVALUACIÓN DE LA SEGUNDA UNIDAD DIDÁCTICA

EVIDENCIA DE CONOCIMIENTOS EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO

Aplicación de Examen escrito. Uso de Ficha para calificar los logros. Uso de Ficha para calificar los logros.

PUBLICACIÓN DE PROMEDIOS DEL MODULO 2:

5
UNIDAD DIDÁCTICA 3: TÉCNICAS DE AGRUPAMIENTO

CAPACIDAD DE LA UNIDAD DIDÁCTICA III: DEFINICIÓN DE ALGORITMOS GENÉTICOS. OPERACIONES GENÉTICAS ENCADENAS BINARIAS. APLICACIÓN DE
TÉCNICAS DE AGRUPAMIENTO. DEFINICIÓN DE REDES BAYESIANAS. APLICACIÓN DE REDES NEURONALES
ARTIFICIALES.
Contenidos Estrategia Indicadores de logro de la
Semana
didáctica capacidad
Cognitivos Procedimental Actitudinal
Definición de algoritmos
Aplica con ética los
genéticos. Operaciones Nivel de Conocimientos de los
Conoce y aplica los conceptos de Algoritmo Desarrollo de
9 genéticas encadenas Algoritmos Genéticos en la solución
Algoritmos Genéticos Genético para solución de Modelos.
binarias de problemas
problemas
Aplicación de técnicas de Nivel de Conocimientos y
Conoce y aplica las técnicas Aplica con ética las reglas de Estudio de
10 agrupamiento. Definición de Aplicaciones de las reglas de
de agrupamiento agrupamiento Casos.
redes bayesianas. agrupamiento

Aplicación de Redes Conoce y aplica la Redes Aplica con ética los Nivel de Conocimientos y
Estudio de
11 Neuronales Artificiales. Neuronales algoritmos con redes Aplicaciones de los Algoritmos de
Casos.
Perceptrón neuronales Redes Neuronales

Evaluación de Habilidades y Evaluación de la parte Examen Resultados de las Capacidades de

12 Tercera Evaluación Parcial.
Destrezas. afectiva y valores. Escrito y Oral. los Contenidos de la 3ra Unidad.

EVALUACIÓN DE LA TERCERA UNIDAD DIDÁCTICA

EVIDENCIA DE CONOCIMIENTOS EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO

Aplicación de Examen escrito. Uso de Ficha para calificar los logros. Uso de Ficha para calificar los logros.
PUBLICACIÓN DE PROMEDIOS DEL MODULO 3:

6
UNIDAD DIDÁCTICA 4: SISTEMAS BASADOS EN CONOCIMIENTO
CAPACIDAD DE LA UNIDAD DIDÁCTICA IV: APLICACIÓN DE LÓGICA DIFUSA. LOS NÚMEROS DIFUSOS. MODELOS DE CONOCIMIENTO. ROLES DEL
PROCESO. CLOUD COMPUTING. EVOLUCIÓN HACIA LA COMPUTACIÓN EN LA NUBE. MODELOS EN LA NUBE.
Contenidos Estrategia Indicadores de logro de la
Semana
didáctica capacidad
Cognitivos Procedimental Actitudinal
Aplicación de lógica difusa. Nivel de Conocimiento y
Conoce y aplica la Lógica Realiza con ética el diseño Estudio de
13 Los números difusos Aplicaciones en el Diseño de
Difusa usando la Lógica Difusa. Casos.
Software basado en la Lógica Difusa
Nivel de Conocimiento y
Aplica con ética el modelado
Modelos de conocimiento. Conoce y aplica los modelos Estudio de Aplicaciones para la construcción
14 para la construcción de un
Roles del proceso de conocimiento Casos. de un software basado en el
Software inteligente.
conocimiento
Conducta emergente. Que Toma con interés las Nivel de Conocimiento de las
Conoce e identifica las
tienen en común hormigas, conductas de diferentes Estudio de conductas de diferentes sistemas
15 conductas emergentes de
neuronas, ciudades y sistemas que tienen relación Casos. teniendo como referencia una Red
diferentes sistemas
software. Red Neuronal Neuronal

Evaluación de Habilidades y Evaluación de la parte Examen Resultados de las Capacidades de

16 Cuarta Evaluación Parcial.
Destrezas. afectiva y valores. Escrito y Oral. los Contenidos de la 4ta Unidad.

EVALUACIÓN DE LA CUARTA UNIDAD DIDÁCTICA

EVIDENCIA DE CONOCIMIENTOS EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO

Aplicación de Examen escrito. Uso de Ficha para calificar los logros. Uso de Ficha para calificar los logros.

PUBLICACIÓN DE PROMEDIOS DEL MODULO 4:

7
VI. MATERIALES EDUCATIVOS Y OTROS RECURSOS DIDÁCTICOS.

6.1 Estrategias Metodológicas.

AREA TEORICA: Exposiciones. Demostraciones. Dinámica Grupal.
Investigaciones.
AREA PRACTICA Y ACTIVIDADES: Actividades de experiencias en el
Laboratorio de Computo. Presentación de trabajos de investigación.

6.2 Medios y Materiales de Enseñanza.

MEDIOS: Exposiciones Orales y Escritas, Pizarras, Computadoras,
Proyector Multimedia, Videos, Ambiente de Laboratorio.
MATERIALES: Bibliografías, Módulos, útiles de escritorio, otros.

VII. EVALUACIÓN.

Criterios a Evaluar: Conceptos, Habilidades, Actitudes, capacidad de

análisis, procedimientos, creatividad.
Procedimientos y Técnicas de Evaluación: Pruebas Escritas, Pruebas
Orales, Trabajos Semanales, Trabajos de Investigación.
Normas de Evaluación:
 Los Artículos del 124º al 138º del Reglamento Académico General
aprobado con R.C.U. N° 0105-2016-CU-UNJFSC, del 01 de Marzo
del 2016.
 La asistencia a las asignaturas es Obligatoria, en un mínimo de 70%,
caso contrario dará lugar a la inhabilitación por no justificar las
inasistencias de acuerdo al articulo 121º, 122º y 123º.
 Para los casos en que los estudiantes no hayan cumplido con
ninguna o varias evaluaciones parciales se considerara la nota de
cero (00) para los fines de efectuar el promedio correspondiente.
 Según el artículo 138º, en su párrafo final, no se aplicará Examen
Sustitutorio a los alumnos.

Procedimiento de Evaluación:

VARIABLE PONDERACIONES EVALUACIÓN

P1 P2 PARCIAL
Evaluación de Conocimiento 30% 20%
100% por cada
Evaluación de Producto 35% 40%
Unidad ó Modulo
Evaluación de Desempeño 35% 40%

Siendo el promedio final (PF), el promedio simple de los promedios

ponderados de cada Unidad ó Modulo, calculado de la siguiente manera:

El Promedio Final es: PF = PM1 + PM2 + PM3 + PM4

4

8
VIII. BIBLIOGRAFÍA Y REFERENCIAS WEB.

1. Redes Neuronales y Sistemas Difusos; B. Martín del Brío, A. Sanz

Molina, Alfaomega 2002

2. Programming Neural Networks with Encog3 in Java, 2nd edition; Jeff

Heaton, Ed. Heaton Research Incorporated, 2011.

3. Redes Neuronales Artificiales. Fundamentos y Modelos; J. Hilera/ V.

Martínez, Alfaomega 2000.

4. Redes Neuronales: Algoritmos, aplicaciones y técnicas de

programación; J. Freeman, D. Skapura Addisson – Wesley
Iberoamericana 1993.

5. http://www.mathworks.com/access/helpdesk/help/toolbox/nnet/ ;
Enlaces para archivos PDF del “Neural Networks User’s Guide
.

….……..…………………………………………………..
Ing. Juan Carlos Meyhuay Fidel
Reg. del CIP Nº 78338