UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA
Escuela Académico Profesional de Ingeniería de Software
Integrantes:

• María Alejandra Gómez Casani      10200218
• Braulio Valentín Sánchez Vinces    10200196
• Kenny Gamarra Escalera               10200155

SILABO

1. ESPECIFICACIONES GENERALES
Nombre del Curso : INTELIGENCIA ARTIFICIAL
Código del Curso : 2020801
Duración del Curso : 17 semanas
Forma de Dictado : Técnico - experimental
Horas semanales : Teoría: 2h – Laboratorio: 4h
Naturaleza : Formación profesional
Número de créditos : Cuatro (04)
Prerrequisitos : 2020502 Estructura de Datos II
Semestre académico : 2013 - II

2. SUMILLA
La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios. Representación del conocimiento. Representación de problemas de IA como búsqueda en el espacio de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes hombre-máquina. Sistemas expertos, arquitectura, taxonomía y aplicaciones. Motor de Inferencia. Ingeniería de conocimiento, conceptos, evolución, Metodología CommonKADS. Calidad y Validación de Sistemas Expertos.
Esta asignatura de formación profesional especializada tiene el propósito de revisar los fundamentos de la programación lógica, programación funcional, que permita desarrollar software basados en conocimiento usando lenguajes como el PROLOG, LISP, JAVA, etc.

3. OBJETIVO GENERAL
Los estudiantes adquirirán conocimientos del área de Inteligencia Artificial en general y desarrollarán aspectos básicos en el desarrollo de juegos inteligentes y de sistemas expertos, y su aplicación en la resolución de problemas inteligentes en los sectores de la industria y de servicios.

4. OBJETIVOS ESPECÍFICOS
Al terminar el curso el alumno será capaz de:
1. Comprender qué es la Inteligencia Artificial y la complejidad de sus problemas.
2. Representar y resolver problemas de juego humano - máquina a través de técnicas de búsqueda en un espacio de estado.
3. Conocer las diferentes estrategias de búsqueda ciega e informada.
4. Diseñar y desarrollar software de juegos inteligentes con interacción humano-máquina y que usen técnicas de inteligencia artificial.
5. Comprender qué son los sistemas expertos y saber cuándo usarlos.
6. Conocer que es la Ingeniería de Conocimiento y un método para el desarrollo de sistemas basados en el conocimiento
7. Evaluar la calidad de la solución de sistemas expertos.
8. Diseñar y desarrollar sistemas expertos basados en diversos motores de inferencias (métodos de encadenamiento), considerando criterios de calidad. 9. Conocer los conceptos del aprendizaje automático o machine learning y de heurísticas, su importancia y sus aplicaciones en la industria y servicios.
 

Semana	Temas	Trabajos Teoria	Trabajos laboratorio
1	Introducción a la Inteligencia Artificial Presentación del curso. Definición de la Inteligencia Artificial. Aplicaciones en la industria y servicios.	Semana 1	Ejercicios Lisp
2	Problemas de Búsqueda Estados y Acciones. Ejemplos de Soluciones a problemas de Búsqueda.	Semana 2	Arbol Binario
3	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.
4 y 5	Métodos ciegos e informados de búsqueda La función evaluadora, métodos de búsqueda ciega ó no informados: amplitud, profundidad y no determinístico.
6	Representación del Conocimiento Representación del conocimiento mediante lógica proposicional. Representación mediante lógica de predicados. Representación mediante reglas de producción 2do control de lectura
7	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.
8	Examen Parcial
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	Diseño de Sistemas Expertos Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de un SE.
11	Desarrollo de Sistemas Expertos Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo y progresivo. Ventajas y desventajas del uso de los métodos de encadenamiento. Consideraciones para el desarrollo de interfaces
12	Sistemas expertos basados en Redes Neuronales Conceptos básicos de redes neuronales artificiales (RNA). El problema de identificación de patrones y sus aplicaciones. Identificación de patrones a través de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones para resolver problemas basados en el conocimiento a través de RNA.
13	Calidad y validación de sistemas expertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Eficiencia y error de sistemas expertos.
14	Introducción a los Sistemas Inteligentes Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.
15	Presentación de trabajos computacionales Presentación de trabajos computacionales
16	Examen Final

5. METODOLOGÍA El curso se desarrolla a través de actividades teórico – prácticas, dando énfasis a aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos desarrollarán dos trabajos computacionales. Durante las sesiones de teoría se discutirán la resolución de problemas propuestos. Durante las sesiones de laboratorio se evaluará el avance de los trabajos computacionales y el proceso de aprendizaje de un lenguaje de inteligencia artificial.

6. EVALUACIÓN
El Promedio Final (PF) se determina de la forma siguiente:
PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*(EA +EB)
Donde:
CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
TB1: Trabajo Grupal (Juegos Inteligentes Hombre – Máquina)
TB2: Trabajo Grupal (Sistemas Expertos)
EA: Examen Parcial
EB: Examen Final
LA: Laboratorio

El alumno podrá sustituir la nota del examen parcial o final siempre que no haya podido dar alguno de estos exámenes.
Solo serán evaluados los alumnos que presenten 70% o más de asistencia.

7. BIBLIOGRAFÍA

[0] JUAN GAMARRA M. 2013 Apuntes de clase.
[1] STUART, RUSSELL; PETER, NORVIG 2010 Artificial Intelligence - A Modern Approach - 3rd Edition. Ed. Prentice Hall.
ISBN-13: 978-0-13-604259-, ISBN-10: 0-13-604259-7
[2] JOSÉ PALMA M., ROQUE MARIN M.
2008 Inteligencia artificial, técnicas métodos y aplicaciones. Ed. Mc Graw Hill ISBN 978-84-484-5618-3
[3] .PEDRO PONCE C. 2010 Inteligencia artificial con aplicaciones a la Ingeniería. Ed. Alfaomega ISBN 978-607-7854-83-8
[4] .DURKIN, JOHN 1994 System Expert: Design and Development. Ed. Macmillan Publishing Company. ISBN 0-02-330970-9.
[5] GEORGE F. LUGER, WILLIAM A. STUBBLEFIELD 2009 AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and Java. Ed. Pearson Education, Inc. ISBN-13: 978-0-13-607047-4, ISBN-10: 0-13-607047-7.
[6] MARK WATSON 2013. Practical Artificial Intelligence Programming With Java. Fourth Edition. Leanpub.
[7] MARK WATSON 2013. Loving Common Lisp, or the Savvy Programmer's Secret Weapon. Fourth Edition. Leanpub.
[8] JOSE R. HILERA, VICTOR J. MARTINEZ. 2000 Redes neuronales artificiales, fundamentos, modelos y aplicaciones. Ed. Alfaomega – rama ISBN 978-84-484-5618-3

Las lecturas obligatorias serán proporcionadas por el profesor del curso.