Universidad Nacional Mayor de San Marcos
Inteligencia Artificial
Bienvenidos al curso de Inteligencia Artificial
Inteligencia Artificial
Este blog a sido creado con la finalidad de publicar todos los temas materiales, ejercicios que se realizaran en el curso de Inteligencia Artifical a cargo del Ing.Hugo Vega Huerta en la Facultad de Ingenieria de Sistemas e Informatica de la Universidad Nacional Mayor de San Marcos.
Contenido Temático
-
Especificaciones Generales
Nombre del Curso : INTELIGENCIA ARTIFICIAL
Código del Curso : 207008
Duración del Curso : 17 semanas
Forma de Dictado : Técnico - experimental
Horas semanales : Teoría : 3h – Laboratorio: 2h
Naturaleza : Formación profesional
Número de créditos : Cuatro (04)
Prerrequisitos : 205007 – Investigación Operativa I
Semestre académico : 2016 - II
-
Logros del curso
-
Logros del curso
-
Sílabo 2016-II
Al finalizar el curso el alumno adquirirá conocimientos generales del área de inteligencia artificial, diseñará e implementará juegos de competición humano-máquina basados en inteligencia artificial y sistemas basados en el conocimiento, haciendo uso de manera clara y precisa de las técnicas de búsqueda en un espacio de estado y de la metodología CommonKADS.
Equipo de trabajo
 Carlos Rodriguez Denis |
|---|
 Estrella Montecinos Claudia |
 Ruiz Acevedo Jeremy |
 Villavicencio Loayza Edwin |
 Jaimes Nelson |
 Balvin Daryl |
-
Carlos Rodriguez Denis
-
Estrella Montecinos Claudia
-
Ruiz Acevedo Jeremy
-
Villavicencio Loaiza Edwin
-
Jaimes Nelson
-
Balbin Daryl
Descargar Software
Contador de visitas
-
Unidades de aprendizaje
-
Temas por semanas
Profesor del curso
Páginas similares
Dr. Hugo Vega Huerta
Semana 1
Clasificación de Problemas Algorítmicos
-
Presentación del curso.
-
Clasificación de problemas algorítmicos, problema.
-
Problemas de decisión, localización y optimización.
-
Descripción de algunos problemas NP-difícil.
Introduccion
Sis.inteligentes
Semana 2
Fundamentos de la Inteligencia Artificial (Caso Telef. TUP)
-
Definición de la Inteligencia Artificial.
-
Máquina inteligente.
-
Diferencia entre sistemas operacionale.
-
Aplicaciones en la industria y servicios (robótica,etc)
-
Test de Turing.
Semanas 3 y 4
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.
Semana 5
Métodos de búsqueda ciega
-
El problema de búsqueda en un espacio .
-
La imposibilidad de usar métodos de caminos mínimos.
-
El árbol de estado.
-
Los métodos ciegos: amplitud, profundidad, no-deterministico.
Semana 6
Métodos de búsqueda informados
-
La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.
Semana 7
Métodos de búsqueda para juegos humano-máquina
-
Algoritmo de juego humano – máquina. Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades.
-
Algoritmo min-max y alfa-beta.
Semana 8
Examen Parcial
Semana 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.
Semana 10
Ingeniería de conocimiento
-
Introducción. Adquisición de conocimiento.
-
La metodología CommonKADS.
-
Diseño de Sistemas Expertos (SE).
-
Ciclo de vida de un SE.
Sembrando un árbol
No hubo
clases
Tarea Sensores
Ejercicios Lisp
No hubo
clases
Ejercicios Lisp
Semana examen de admision
Arboles binarios
Ejercicios Lisp
Algoritmo avaro
Ejercicio
Informe sensores
Tic tac toe
Ejercicios Recursividad Lisp
Lisp recursividad
Práctica
Teoria
Lab.
Trabajos
Busqueda de arboles
Ejercicios Lisp
Manual
Semana examen de admision
Semana examen de admision
Solucion parcial
No hubo clases
Problema
zorro,maiz y gallina
Implementacion sensores
Sistemas inteligentes
Examen parcial
Tres en raya
Espacio de estados
Semana 11
Ingeniería de conocimiento
-
Adquisición de conocimiento.
-
Construcción de la base de hechos y base de conocimiento.
-
Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, ontologías, metadatos, thesaurus).
Semana 12
Introducción. Adquisición de conocimiento.
-
Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE. Técnicas de resolución de conflictos.
Semana 13
Calidad y validación de sistemas expertos
-
Principales errores en el desarrollo de un sistema experto.
-
Calidad de un sistema experto.
-
Validación de sistemas inteligentes, métodos cuantitativos de validación.
-
Eficiencia y error de sistemas experto
Semana 14
Introducción a Machine Learning y heurísticas
-
Conceptos de aprendizaje y de machine learning
-
Sistemas experto vs machine learning.
-
Técnicas de aprendizaje y fases de desarrollo de machine learning.
-
Aplicaciones de machine learning en la industria y servicios.
-
El problema de la optimización combinatoria.
Semana 15
Presentación de trabajos computacionales
-
Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software.
Semana 16
Examen Final
Solucion ejercicios lisp
No hubo clases
Informe sistema inteligente
Conceptos Prolog
Mortales Prolog
Animales Prolog
Deporte Prolog
Cursos Prolog
Ejemplos Prolog
Invernadero
Arbol genealogico
Prolog 10 niveles
Bombero
Practica
Examen final
Sistema experto -contadores
Informe invernadero
Paper