Download Inteligencia Artificial.

PROGRAMA DE ESTUDIO
DATOS GENERALES
NOMBRE DEL PROGRAMA EDUCATIVO: Maestría en Ingeniería
Contribuir a incrementar la capacidad científico-tecnológica y la formación de recursos humanos con perfil orientado hacia la investigación, capaces de ofrecer soluciones
OBJETIVO DEL PROGRAMA EDUCATIVO: a problemas fundamentales que potencialicen el desarrollo del estado y del país, fomentando la productividad, la movilidad académica y la competitividad de los sectores
estratégicos, así como la integración de grupos de investigación y redes temáticas con altos índices de productividad académica.
NOMBRE DE LA ASIGNATURA: Inteligencia Artificial
CLAVE DE LA ASIGNATURA: IA-OP-02
OBJETIVO DE LA ASIGNATURA: Desarrollar la capacidad del estudiante para comprender y aplicar estrategias del área de Inteligencia Artificial en la resolución de problemas del mundo real.
TOTAL HRS. DEL CUATRIMESTRE: 60
FECHA DE EMISIÓN: 20/Junio/2013
ASIGNATURA(S) PRE-REQUISITO: Introducción a las Tecnologías de la Información
INVESTIGADORES PARTICIPANTES: Dr. Marco Aurelio Nuño Maganda, Dr. Nelson Rangel Valdez, Dr. Héctor Hugo Avilés Arriaga
TOTAL DE HORAS
UNIDADES DE
APRENDIZAJE
1. Aprendizaje
Automático
RESULTADOS DE APRENDIZAJE
EVIDENCIAS
MATERIALES & EQUIPOS REQUERIDOS
INSTRUMENTO DE EVALUACIÓN
TEÓRICA
Al término de la unidad el estudiante
será capaz de:
* Comprender la taxonomía de las
estrategias de aprendizaje automático
* Comprender las área de aplicación
de aprendizaje automático
* Comprender las estrategias para la
Representación del Conocimiento
EC1: Resolver un conjunto de
preguntas
que
evalúe
su
comprensión sobre aprendizaje
automático.
Laboratorio
Pintarrón y Plumones
EP1: Implementar una estrategia Cañón Retroproyector
de aprendizaje automático que
resuelve un problema sencillo en
IA.
PRÁCTICA
ED1:
Cuestionario
sobre
estrategias de aprendizaje.
7
8
EP1: Lista de cotejo que describa
los aspectos esperados sobre el
funcionamiento del programa.
OBSERVACIÓN
2. Algoritmos
Bioinspirados
3. Razonamiento
bajo Incertidumbre
Al término de la unidad el estudiante
será capaz de:
* Crear soluciones iniciales para un
problema bajo estudio
* Representar la solución de un
problema en un lenguaje algorítmico
* Diseñar e Implementar operadores
para modificar las soluciones de un
problema
* Diseñar e Implementar funciones de
aptitud que evalúen la calidad de una
solución
* Identificar la aplicación de algoritmos
bioinspirados dentro de la Inteligencia
Artificial
ED1: Realizar un programa que
implemente
un
algoritmo
bioinspirado para la solución de
un problema sencillo.
Laboratorio
Pintarrón y Plumones
EP1: Analizar y Comparar dos Cañón Retroproyector
implementaciones de algoritmos
bioinspirados para la solución de
un problema clásico en IA.
7
Al término de la unidad el estudiante
será capaz de:
* Identificar los elementos de
incertidumbre e imprecisión
* Comprender los modelos para el
tratamiento de la incertidumbre
* Aplicar los principios de Lógica
multivalorada y Lógica borrosa en el
tratamiento de la incertidumbre
*
Identificar
los
Factores
de
incertidumbre
*
Comprender
estrategias
de
Inferencia
EP1: Implementar un sistema
experto que incorpore elementos
Laboratorio
de
Razonamiento
bajo
Pintarrón y Plumones Cañón
Incertidumbre en la resolución de
Retroproyector
un problema en Inteligencia
Artificial
7
Al término de la unidad el estudiante
será capaz de:
* Profundizar su conocimiento en
4. Tópicos Selectos
materia de Inteligencia Artificial en
de Inteligencia
áreas como Lenguaje Natural, Minería
Artificial
de Datos, Agentes, etc.
* Resolver problemas presentes en las
áreas de Inteligencia Artificial
EC1: Desarrollar una Exposición
donde se describan temas de
actualidad en el área de
Laboratorio
Inteligencia Artificial.
Pintarrón y Plumones
Cañón Retroproyector
EP1: Implementar un programa
que resuelva un problema en un
área específica de IA.
8
ED1: Lista de Cotejo que
describa las características del
algoritmo
bioinspirado
a
implementar.
EP1: Guía de Observación sobre
las diferencias esperadas entre
las estrategias a comparar.
7
8
8
ED1: Guía de Observación que
describa los requisitos mínimos a
cumplir por el Sistema Experto.
ED1: Guía de Observación que
evalúe el comportamiento del
estudiante al desarrollar la
exposición.
EP1: Lista de Cotejo con las
características esperadas del
programa a implementar.
BIBLIOGRAFÍA BÁSICA:
TÍTULO: Artificial Intelligence: Foundations of Computational Agents
AUTOR: Pool, D.L. y MackWorth A.K.
AÑO: 2010
EDITORIAL O REFERENCIA: Cambridge University Press
LUGAR Y AÑO DE LA EDICIÓN: Cambridge, 2008
ISBN O REGISTRO: 0521519004
TÍTULO: Inteligencia Artificial, Un enfoque Moderno
AUTOR: Russell, S. & Norvig P.
AÑO: 2004
EDITORIAL O REFERENCIA: Prentice Hall
LUGAR Y AÑO DE LA EDICIÓN: Madrid, 2004
ISBN O REGISTRO: 9788420540030
BIBLIOGRAFÍA COMPLEMENTARIA:
TÍTULO: Machine Learning
AUTOR: Tom Mitchell
AÑO: 1997
EDITORIAL O REFERENCIA: McGraw-Hill
LUGAR Y AÑO DE LA EDICIÓN: United States, 1997
ISBN O REGISTRO: 0070428077
Revisado y aprobado por (firma y fecha):
________________________________
Dirección de Posgrado e Investigación
____________________________
Secretaría Académica