Download Sílabo de Programación Cliente/Servidor

SILABO DEL CURSO
FACULTAD DE INGENIERÍA
CARRERA DE INGENIERÍA DE SISTEMAS
SISTEMAS INTELIGENTES
1. DATOS GENERALES
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.
1.7.
Facultad
Carrera Profesional
Departamento
Tipo de Curso
Requisito
Ciclo de estudios
Duración del curso
Inicio
Término
1.8. Extensión Horaria
1.9. Créditos
1.10. Periodo lectivo
1.11. Docente
:
:
:
:
:
:
:
:
:
:
:
:
:
Ingeniería
Ingeniería de Sistemas
Ingeniería de Sistemas
Obligatorio
120 créditos aprobados
8
18 semanas
17 de Marzo de 2008
19 de Julio de 2008
4 horas (02 h Teoría, 02 h Laboratorio)
3
2008-1
Ing. Jorge Luis Guevara Díaz
jgd@upnorte.edu.pe
2. FUNDAMENTACIÓN
El presente curso introduce al estudiante a una de las áreas mas importantes e interesantes de la
ciencia de la computación, el presente curso brinda al estudiante nociones básicas sobre
representación del conocimiento, resolución de problemas, y métodos de aprendizaje en la inteligencia
artificial; el curso es de naturaleza teórico-práctico, y es importante en la formación del profesional de
Ingeniería de Sistemas, para tratar la solución de problemas para los cuales no es posible o es muy
costoso computacionalmente encontrar la solución exacta, así como también pretende brindar el
conocimiento básico de cómo hacer que las computadoras, actúen como agentes racionales
3. COMPETENCIA
Al finalizar el presente curso, los alumnos presentarán las siguientes competencias :Aplicar
adecuadamente diversas técnicas de la Inteligencia Artificial para la solución de problemas. El alumno
estará en la capacidad de implementar diversos algoritmos de Inteligencia Artificial y reconocer la
importancia de estos para situaciones reales
4. OBJETIVOS ESPECÍFICOS DEL CURSO
4.1 Comprender el fundamento teórico de la Inteligencia Artificial
4.2 Aplicar diversas técnicas de la inteligencia artificial en la construcción de software inteligente
4.3 Comprender la representación básica del conocimiento en un computador, resolución de
problemas y métodos de aprendizaje de la inteligencia artificial
4.4 Desarrollar interés en esta área para poder realizar posteriormente investigaciones en este campo
5. CONTENIDOS CONCEPTUALES
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
Inteligencia
Prueba de Turing
Espacio de estados
Heurística
Búsqueda por amplitud
Búsqueda por profundidad
Búsqueda A*
Búsqueda RBFS
5.9
5.10
5.11
5.12
5.13
5.14
5.15
5.16
5.17
Algoritmos genéticos
Búsqueda Online
Algoritmo Min Max
Agente inteligente
Redes neuronales
Perceptron
Modelo discreto de Hopfield
Mapas autoorganizativo de Kohonen
6. CONTENIDOS PROCEDIMENTALES
6.1 Aplican adecuadamente la representación de conocimiento a casos reales
6.2 Analizan situaciones reales y su posible solución con técnicas de inteligencia artificial
6.3 Explican como el la inteligencia humana ha inspirado a la creación de métodos basados en esta
para solucionar problemas utilizando la computadora
6.4 Aplican estrategias de búsqueda para problemas en particular
6.5 Desarrollan aplicaciones basadas en técnicas de inteligencia artificial para representar
conocimiento y aprender de la experiencia
6.6 Desarrollan aplicaciones utilizando algoritmos bioinspirados como las redes neuronales artificiales
y los algoritmos genéticos
7. CONTENIDOS ACTITUDINALES
7.1
7.2
7.3
7.4
7.5
Actitud crítica
Pensamiento computacional
Trabajo en equipo
Actitud analítica
Creatividad
8. METODOLOGÍA GENERAL DEL CURSO
Se utiliza un esquema motivador, con la presentación previa de casos reales y de problemas
abiertos en inteligencia artificial, para esto se hace uso de materiales como equipos multimedia.
Para lograr el proceso de aprendizaje del alumno se solicitarán trabajos de investigación, desarrollo
de proyectos, laboratorios de programación y lectura de papers científicos.
9. PROGRAMACIÓN
Unidad
1. Agentes
Inteligentes y
Formulación de
Problemas.
(2 semanas)
Sem.
1
Actividad
•
•
•
•
2
•
•
•
•
2. Solución de
Problemas
mediante
búsquedas.
(5 semanas)
Qué es IA?: Prueba de Turing, modelo cognitivo, leyes del
pensamiento, agentes racionales
Fundamentos de la Inteligencia Artificial: filosofía, matemática,
sicología, ingeniería de computadoras, lingüística
Historia de la IA: periodos iniciales hasta eventos recientes
Estado del arte
Agentes Inteligentes: Introducción,
Como los agentes deberían actuar: percepciones, acciones,
autonomía
Estructura de agentes inteligentes: programas agentes, tipos de
agentes
Entornos: Propiedades, Tipos
FUENTES BIBLIOGRÁFICAS:
[1] Capítulos 1 y 2
[4] Capítulos 1, 2 y 3
3
•
Formulación de problemas: espacio de estados, estado, función
sucesor, ejemplos
4
•
Estrategias de búsqueda : Búsqueda primero por amplitud,
Búsqueda por costo uniforme, Búsqueda primero por profundidad,
Búsqueda por profundidad limitada
3. Búsqueda entre
adversarios
y
algoritmos
genéticos
(2 semanas)
5
•
Búsqueda informada y exploración I : Búsqueda greedy primero
el mejor
6
•
Búsqueda informada y exploración II : Búsqueda A*
7
•
Búsqueda informada y exploración II : Búsqueda Heurística con
memoria limitada, algoritmo RBFS, Heurísticas, Algoritmos de
búsqueda local, Búsqueda Hill-climbing
FUENTES BIBLIOGRÁFICAS:
[1] Capítulos 3,4,5
[4] Capítulos 4, 5 6,7
Algoritmos para juegos : Juegos como problemas de búsqueda,
•
algoritmo Mínimax, poda alfa beta
8
EXAMEN PARCIAL
9
10
4. Redes
Neuronales
Artificiales
(3 semanas)
•
11
12
13
14
15
16
Algoritmos Genéticos : conceptos, y aplicaciones, solución de
problemas mediante algoritmos genéticos
FUENTES BIBLIOGRÁFICAS:
[1] Capítulos 4,5,6
[4] Capítulos 7,8,9
• Introducción a las Redes Neuronales Artificiales : Introducción,
importancia, historia, modelo biológico, modelo computacional,
maquinas de aprendizaje lineales, aplicaciones, estado del arte
• Perceptrones : Algoritmo primal del perceptrón, algoritmo dual del
perceptrón, prueba de convergencia, ejemplos
• Red neuronal.Adaline y Madaline : Introducción red neuronal
Adaline, algoritmo, aplicaciones, red neuronal Madaline, algoritmo
aplicaciones
• El modelo discreto de la memoria asociativa de Hopfield :
Memoria asociativa, minización de la energía, red neuronal de
hopfield, reconocimiento de rostros usando una red neuronal de
Hopfield
• Mapas autoorganizativos de Kohonen : red LVQ Mapas
autoorganizativos, rede neuronal LVQ, red neuronal SOM, solución
al problema del agente viajero usando LVQ , reconocimiento de
huellas dactilares usando una SOM
• Red neuronal MLP : algoritmo backpropagation, gradiente
descendente, reconocimiento de dígitos usando una red MLP
FUENTES BIBLIOGRÁFICAS:
[2] Capítulos 1,2,4
[3] Capítulos 1,2,3,4,5,6,7
17
18
EXAMEN FINAL
EXAMEN SUSTITUTORIO
10. SISTEMA DE EVALUACIÓN DEL CURSO
El cronograma de la evaluación continua del curso es el siguiente:
T
T1
T2
T3
T4
T5
ESPECIFICACIÓN DE TRABAJOS DEL CURSO
Descripción
Control de lectura, implementación de algoritmos: búsqueda
por profundidad, búsqueda por anchura
Control de Lectura, implementación de algoritmos, greedy
primero el mejor, búsqueda A*, RBFS
Implementación de algoritmos Mínimax, podaalfabeta
Implementación de un algoritmo genético
Implementación de perceptron, implementación de red
neuronal Adaline, implementación de red neuronal Madaline,
implementación de red neuronal de Hopfield
Semana
5
9
11
13
15
El peso de cada T es:
EVALUACIÓN
T01
T02
T03
T04
T05
TOTAL
PESO (%)
10
15
20
25
30
100%
ESCALA VIGESIMAL
1,2
1,8
2,4
3,0
3,6
12
Los pesos ponderados de las clases de evaluación son los siguientes:
EVALUACIÓN
PARCIAL
CONTINUA (Ts)
FINAL
TOTAL
PESO (%)
20
60
20
100%
ESCALA VIGESIMAL
4
12
4
20
La Evaluación Sustitutoria evalúa toda la temática desarrollada en el semestre y se rinde la semana
consecutiva al término de los exámenes finales y su nota reemplazará, necesariamente, a la nota de un
Examen (Parcial o Final) o a la nota de un T (Evaluación Continua), de tal manera que el resultado final
sea favorable al alumno.
11. BIBLIOGRAFÍA OBLIGATORIA
#
1
CÓDIGO
2
3
AUTOR
RUSSELL, Stuart and NORVIG,
Peter
FREEMAN, James and
SKAPURA David
KOHONEN, Teuvo
TITULO
2003 Artificial Intelligence a Modern
Aproach, second edition
1997 Neural
Networks,
algorithms,
applications and practice, Adison-Wesley
2001 Self Organization Maps, third edition,
Springer
12. BIBLIOGRAFÍA COMPLEMENTARIA
#
4
5
AUTOR
BARR, A; FEIGENBAUM, A
AAAI
TITULO
The Handbook of Artificial Intelligence, Kaufman, Los Altos,
Calif., 1981
http://www.aaai.org/. Sitio web de la asociación para el
avance de la inteligencia artificial