Download Sílabo de Ingeniería del Conocimiento

Asignatura: Comunicación
Sílabo de Ingeniería del Conocimiento
I.
II.
Datos Generales
Código
A0249
Carácter
Obligatorio
Créditos
3
Periodo Académico
2017
Prerrequisito
Proyectos de software
Horas
Teóricas:
2
Prácticas:
2
Sumilla de la Asignatura
La asignatura corresponde al área de estudios de especialidad, es de naturaleza teórico
práctica. Tiene como propósito desarrollar en el estudiante la capacidad de desarrollar
sistemas y aplicaciones de la inteligencia artificial incorporando al conocimiento de
aprendizaje, evolución y de gestión, demostrando responsabilidad y colaboración.
La asignatura contiene: Fundamentos de la inteligencia artificial. Sistemas basados en el
conocimiento. Ingeniería del conocimiento. Lógica y razonamiento automatizado.
Representación del conocimiento mediante reglas de producción. Representación
estructurada del conocimiento. Tratamiento de la incertidumbre. Técnicas de búsqueda.
Sistemas expertos. Arquitecturas. Sistemas basados en reglas.
III. Competencia
Representa y aplica de manera estructurada el conocimiento, así como desarrolla sistemas
y aplicaciones de la Inteligencia Artificial incorporando al conocimiento de aprendizaje,
evolución y de gestión, demostrando responsabilidad y colaboración.
ucontinental.edu.pe
Asignatura: Comunicación
IV.
Organización de los Aprendizajes
Unidad
I
Conocimientos
Procedimientos
Fundamentos de la inteligencia artificial.
Aplica algoritmos ciegos e inteligentes de búsqueda.
Representación del conocimiento. Base de conocimiento. Lógica y
razonamiento automatizado.
Representa el conocimiento mediante lógica de
predicados y empleando software lógico inteligente.
Lógica difusa.
Resuelve problemas de optimización mediante lógica
difusa.
Sistemas basados en el conocimiento.
Arquitecturas. Sistemas basados en reglas.
II
Actitudes
Sistemas
expertos.
Analiza
y
desarrolla
Sistemas
encadenamiento hacia atrás.
expertos
de
Metodología del CommonKADS. Diseño de la red de inferencias de
conocimiento.
Analiza
y
desarrolla
sistemas
encadenamiento hacia adelante.
expertos
de
Diseño de árbol de inferencia del conocimiento.
Analiza y desarrolla sistemas expertos de interfaz web
Perseverante en sus
tareas hasta lograr
los resultados
previstos.
Demuestra interés
en el curso y se
muestra
colaborativo con
sus demás
compañeros
Evaluación Parcial
III
IV
Ingeniería del conocimiento de aprendizaje: Aprendizaje de sistemas.
Redes neuronales artificiales: neuronas, pesos y arquitecturas.
Metodología de desarrollo.
Diseña y desarrolla un sistema de redes neuronales
artificiales. Identifica arquitecturas de RNA. Técnicas y
aplicaciones. Validación de sistemas en redes neuronales.
Arquitectura perceptrón: Técnicas de obtención de conocimiento,
modelado e interpretación de código fuente de programación.
Diseña y desarrolla red neuronal artificial basada en
arquitectura Perceptrón.
Ingeniería del conocimiento evolutivo:
artificiales. Población, cruce y mutación.
Analiza y aplica las fases del algoritmo genético en
problemas de optimización matemática.
Algoritmos
genéticos
Codificación del algoritmo genético en lenguaje de programación.
Codifica en lenguaje de programación los principios del
algoritmo genético para funciones univariables.
Gestión del conocimiento: Factores determinantes, análisis y mapas.
Ciudad del conocimiento. Parques tecnológicos. Business
Intelligence.
Codifica en lenguaje de programación los principios del
algoritmo genético para funciones multivariables.
Perseverante en sus
tareas hasta lograr
los resultados
previstos.
Demuestra interés
en el curso y se
muestra
colaborativo
con
sus
demás
compañeros
Evaluación Final
ucontinental.edu.pe
Asignatura: Comunicación
V.
Estrategias Metodológicas
El proceso de aprendizaje consiste en el desarrollo teórico de los conceptos básicos y estrategias
adecuadas para resolver problemas mediante shells de Inteligencia Artificial, utilizando la
metodología de los sistemas blandos, con los procedimientos de observación, comparación y
aplicación de técnicas expositivas dialogadas, trabajos en grupo e individuales, haciendo uso
del texto universitario, incidiendo en la investigación.
VI.
Sistema de Evaluación
Rubros
Instrumentos
Evaluación Diagnóstica
Peso
Prueba de desarrollo
Prueba de desarrollo.
Rúbrica para evaluar un informe de
trabajo.
Lista de cotejo de evaluación de trabajos
prácticos de laboratorio.
20%
Prueba mixta
20%
Prueba de desarrollo.
Rúbrica para evaluar un informe de
trabajo.
Lista de cotejo de evaluación de trabajos
prácticos de laboratorio.
20%
Evaluación Final
Prueba mixta
40%
Evaluación de recuperación (*)
Prueba mixta
Consolidado 1
Evaluación Parcial
Consolidado 2
(*) Reemplaza la nota más baja obtenida en los rubros anteriores
Fórmula para obtener el promedio:
PF = C1 (20%) + EP (20%) + C2 (20%) + EF (40%)
VII. Bibliografía
7.1 Básica

Gómez Pérez, A., Fernández López, M. y Corcho, O. (2003). Ontological engineering.
Springer-Verlag.

Stefik, M. (1995). Introduction to knowledge systems. Morgan Kaufmann.

Martín Del Brío, B. y Sanz Molina, A. (2002). Redes neuronales y sistemas difusos.
Alfaomega.

Russell, S. y Norving, M. (2004). Inteligencia artificial (2ª Ed.). Pearson Educación.
ucontinental.edu.pe
Asignatura: Comunicación
7.2 Complementaria

Jain, R., Abraham, A., Faucher, C. y Zwaag, B. (2003). Innovations in knowledge
engineering. Advanced Knowledge International Pty Ltd.

Nilsson, N. (2001). Inteligencia artificial. McGraw Hill.

Schreiber, A., Akkermans, H., Anjewierden, A., De Hoog, R., Shadbolt, N., Van de
Velde, W. and Wielinga, B. (1999). Engineering and managing knowledge. The
commonKADS methodology. Massachusetts: The MIT Press.

Viñuela Isasi, P. y Galván, I. M. (2004). Redes de neuronas artificiales: Un enfoque
práctico. Pearson Educación.
7.3 Recursos Digitales

Tolón Becerra, A. y Xavier, L. B. (2010). Use of knowledge model for neo-endogenous
governance in rural areas: Construction of knowledge based systems in the spanish
rural comarcas /Uso del modelo de conocimiento para la gobernanza
neoendógena en los espacios rurales: Elaboración de sistemas basados en
conocimiento en las comarcas rurales españolas. Observatorio Medioambiental, 13,
65-83.
Recuperado
de
http://search.proquest.com/docview/853504331?accountid=146219

Parisi, A.F., Parisi, F. y Guerrero, J.L. (2003). Modelos predictivos de redes neuronales
en índices Bursátiles. El Trimestre Económico, 70(280), 721-744. Recuperado de
http://search.proquest.com/docview/220868884?accountid=146219

Millán, F.R., Roa, V. y Tapia, M.S. (2001). Modelado matemático de isotermas de
adsorción
de
humedad
en
alimentos
usando
redes
neuronales
artificiales.
Interciencia,
26(5),
190-194.
Recuperado
de
http://search.proquest.com/docview/210178467?accountid=146219

González, A. d. J., Joaquí, C.Z. y Collazos, C. A. (2009). Karagabi kmmodel: Modelo
de referencia para la introducción de iniciativas de gestión del conocimiento en
organizaciones basadas en conocimiento/ Karagabi kmmodel: Reference model for
the introduction of knowledge management initiatives in knowledge based
organizations. Ingeniare: Revista Chilena De Ingeniería, 17(2), 223-235. Recuperado
de http://search.proquest.com/docview/203605354?accountid=146219

Martínez Torres, M. d. R., Palacios Florencio, B., Toral Marín, S.L. y Barrero García, F.J.
(2011). Aplicación de algoritmos genéticos a la identificación de la estructura de
enlaces en portales web/Applying genetic algorithms for the identification of
websites’ structure. Revista Española de Documentación Científica, 34(2), 232-252.
Recuperado
de
http://search.proquest.com/docview/871040252?accountid=146219
2017.
Firmado por
FELIPE NESTOR GUTARRA MEZA
CN = FELIPE NESTOR GUTARRA MEZA
O = UNIVERSIDAD CONTINENTAL
OU = 20319363221
T = DECANO
Signature date and time: 22/02/2017 06:35:26
ucontinental.edu.pe