Inteligencia Artificial

Semestre:

5°

Fecha de elaboración:

Febrero de 2014

Fecha de revisión:

Mayo de 2014

Elaborado por:

Bruno Lara Guzmán, Jorge Ochoa Soumuano, Juan Manuel Rendón

Ciclo de formación:

Profesional

Área curricular:

Ciencias de la Disciplina

Tipo de unidad:

Teórico-Práctica

Carácter de unidad:

Obligatoria

Clave:

IA01FP040210

Créditos:

10

Semestre:

5°

Horas Teoría:

4

Horas Práctica:

2

Programas académicos en los que se imparte:

Licenciatura en Ciencias Áreas terminales en Matemáticas, Física, Bioquímica y Biología Molecular, y Ciencias Computacionales y Computación Científica

Prerrequisitos:

Domina los conceptos básicos utilizados en representación de datos y su organización en estructuras más complejas. Así como técnicas y algoritmos adecuados para operar sobre las representaciones anteriores con base en el lenguaje C.

Antecedentes Recomendadas:

Ninguna

Consecuentes Recomendadas:

  • Ninguna

Presentación de la unidad de aprendizaje:

Esta es una unidad de aprendizaje en donde se introduce al estudiante a los conceptos básicos de la inteligencia artificial y el apredizaje de máquina tradicional, resaltando las herramientas que esta área del conocimiento ha creado para su uso y explotación en otras áreas del conociemiento.

Propósito de la unidad de aprendizaje:

Comprender las bases matemáticas de los métodos de la inteligencia artificial e implementar soluciones haciendo uso de éstas. Aportar una idea general de los diferentes paradigmas por los que ésta área del conocimiento ha transitado, dando al estudiante las bases para llevar a cabo estudios más avanzados de áreas como la robótica o la vision artificial.

Competencias profesionales:

Capacidad para utilizar las herramientas computacionales de cálculo numérico y simbólico para plantear y resolver problemas.Capacidad para comprender problemas y abstraer lo esencial de ellos.Uso óptimo de los recursos matemáticos y computacionales en su ámbito profesional.Poseer conocimientos del inglés para leer, escribir y exponer documentos en inglés, así como comunicarse con otros especialistas

Contribución al perfil de egreso:

Se incide de manera directa en el elemento descrito en el perfil de egreso: capacidad para resolver problemas de investigación, toda vez que esta materia provee los elementos necesarios para el modelaje de estos. Asimismo contribuye en la utilización del conocimiento para el modelado y diseño de sistemas basados en computadoras.

Secuencia temática:

  1. I Introducción.
    1. Historia, presente y futuro.
    2. Cambios en el paradigma de investigación en la historia de la IA.
    3. Relación con otras áreas del conocimiento.
    4. Ramas de la inteligencia artificial.
    5. Conceptos generales.
  2. II Sistemas de razonamiento lógico.
    1. Reglas de producción.
    2. Sintaxis de las reglas de producción.
    3. 2.2.1 A1 U A2 ... U An => C.
    4. 2.2.2 Representación objeto-atributo-valor.
    5. Semántica de las reglas de producción.
    6. 2.3.1 Conocimiento causal.
    7. 2.3.2 Conocimiento de diagnóstico.
    8. Arquitectura de un sistema de producción (SP) (ó sistemas basados en reglas, SBR).
    9. 2.4.1 Hechos.
    10. 2.4.2 Base de conocimientos.
    11. 2.4.3 Mecanismo de control.
    12. Ciclo de vida de un sistema de producción.
  3. III Redes neuronales artificiales.
    1. Neurona biológica Vs. Neurona artificial.
    2. Modelo y arquitecturas.
    3. 3.2.1 Modelos de espiga.
    4. 3.2.2 Feed-forward networks.
    5. 3.2.3 Redes recurrentes.
    6. 3.2.4 Mapas auto-organizables.
    7. Tipos de aprendizaje.
    8. 3.3.1 Aprendizaje supervisado.
    9. 3.3.2 Aprendizaje no supervisado.
    10. Aplicaciones.
    11. 3.4.1 Áreas.
    12. 3.4.2 Ejemplos.
  4. IV Algoritmos genéticos.
    1. Introducción biológica.
    2. Métodos de codificación del genoma.
    3. Selección.
    4. Cruza.
    5. Mutación.
    6. Aplicaciones.
    7. 4.6.1 Áreas.
    8. 4.6.2 Ejemplos.
  5. V Minería de datos.
    1. Aprendizaje automático.
    2. Clasificación del aprendizaje automático.
    3. Selección de atributos.
    4. 5.3.1 Áreas.
    5. 5.3.2 Ejemplos
  6. VI Procesamiento de imágenes.
    1. Introducción.
    2. Procesos primarios: preprocesamiento.
    3. Problemas específicos: procesamiento.
    4. 6.3.1 Segmentación.
    5. 6.3.2 Clasificación.
    6. Aplicaciones.
    7. 6.4.1 Áreas.
    8. 6.4.2 Ejemplos.
  7. VII Robótica.
    1. Definición e historia.
    2. Clasificación de robots.
    3. Tipos de articulaciones.
    4. Movimientos.
    5. Posición y orientación.
    6. Sensores.
    7. Herramientas gráficas de diseño de robots y ambientes de trabajo.
    8. Aplicaciones.
    9. 7.8.1 Áreas.
    10. 7.8.2 Ejemplos.
  8. VIII Representación del conocimiento y razonamiento.
    1. Redes semánticas.
    2. Razonamiento monótono.
    3. Razonamiento no monótono.
    4. La lógica de predicados: sintaxis, semántica, validez e inferencia.
    5. La demostración y sus métodos.
    6. El método de resolución de Robinson.
    7. Razonamiento probabilístico.
    8. Teorema de Bayes.
    9. Aplicaciones.
    10. 8.9.1 Áreas.
    11. 8.9.2 Ejemplos.
  9. IX Búsqueda y satisfacción de restricciones.
    1. Problemas y espacios de estados.
    2. Aplicaciones de árboles.
    3. 9.2.1 Búsqueda de metas a profundidad.
    4. 9.2.2 Búsqueda de metas en anchura.
    5. 9.2.3 Búsqueda óptima.
    6. Aplicaciones de grafos.
    7. 9.3.1 Caminos.
    8. 9.3.2 Ciclos.
    9. 9.4 Satisfacción de restricciones.
    10. 9.5 Resolución de problemas de juegos.
    11. 9.5.1 Estrategia Min-Max.
    12. 9.5.2 Estrategia Alfa-Beta.
    13. 9.5.3 Eurística de juegos.
    14. 9.6 Aplicaciones.
    15. 9.6.1 Áreas.
    16. 9.6.2 Ejemplos.

Criterios de Evaluación:

  • Exámenes parciales: 20%
  • Búsqueda de información: 10%
  • Realización de práctica: 40%
  • Otra (especifique): Tareas.: 30%

Bibliografía básica:

  • Nilsson, Nils J. 2001. Inteligencia artificial, una nueva síntesis. Ed. McGraw-Hill.
  • Russell, Stuart y Norvig, Peter. 2003. Inteligencia artificial, un enfoque moderno. 2a edición. Ed. Prentice Hall.
  • Aubert, Jean-Pascal. 1986. Inteligencia artificial. Ed. Paraninfo.
  • Poblet, José Mompín. 1987. Inteligencia artificial: conceptos, técnicas y aplicaciones. Ed. Marcombo.
  • Mockler, Robert J. y Dologite, Dorothy G. 1991. Knowledge-based systems: an introduction to expert systems. Ed. Prentice Hall.
  • Suppes, Patrick y Hill, Shirley. 2004. Introducción a la lógica matemática. Ed. Reverté.
  • Giarratano, Joseph y Riley, Gary. 2000. Sistemas expertos, principios y programación. 3a edición. Ed. Thomson.
  • Ollera, A. 2001. Robótica, manipuladores y robots móviles. Ed. Marcombo.
  • Kenneth, H. Rosen. 2004. Matemáticas discretas y sus aplicaciones. Ed. McGraw-Hill.
  • Faúndez Zanuy, Marcos. 2001. Tratamiento digital de voz e imagen y aplicación multimedia. Ed. AlfaOmega.
  • González, Rafael C. et al. 2004. Digital image processing using MatLab. Ed. Prentice-Hall.

Bibliografía complementaria:

  • Sonbaugh, Richard John. 1999. Matemática discretas. Ed. Pearson.
  • Cairó, Osvaldo y Guardati, Silvia. 2006. Estructura de datos. Ed. McGraw-Hill.