Semana |
Temas |
Clase |
Trabajos |
1 |
Clasificación de problemas algorítmicos
Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.
Referencias: [4] Capítulo 1, [1] Anexo A. |
Semana N°1
|
Programa en LISP
Informe de Sensores
|
2 |
Fundamentos de la inteligencia artificial Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios). Test de Turing. Referencias: [1] Capítulo 1, [2] Capítulo 1, [9] Capítulo 1. |
Semana N°2
|
Comentario del video de IA
Comandos en LISP
|
3,4 |
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.
Referencias: [1] Capítulos 3, [3] Capítulo 2, [4] Capítulo 3. 1er co0ntrol de lectura |
Semana N°3
Semana N°4
|
Funciones en LISP
|
5 |
Métodos de búsqueda ciega
El problema de búsqueda en un espacio de estado como grafo. La imposibilidad de usar métodos de caminos mínimos. El concepto de los métodos de búsqueda ciega e informada. El árbol de estado. Los métodos ciegos: amplitud, profundidad, no determinístico.
Referencias:[1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5, [9] Capítulos 9 |
Semana N°5
|
Funciones recursivas en LISP
|
6 |
Métodos de búsqueda informados
La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.
Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5, [9] Capítulos 9 |
Semana N°6
|
Agente inteligente
|
7 |
Métodos de búsqueda para juegos humano-máquina
Algoritmo de juego humano-máquina. Estrategias de juego de máquina: no determinístico, primero el mejor, mín-máx y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta. Referencias: [1] Capítulo 5, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12.
2do control de lectura |
Semana N°7
|
Recorrido de árboles binarios en LISP
|
8 |
Examen Parcial |
|
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.
Referencias: [6] Capítulo 1 |
Semana N°9
|
Informe de proyecto
Programa en Prolog |
10 |
Ingeniería de conocimiento
Introducción. Adquisición de conocimiento. La metodología CommonKADS.
Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE.
Referencias: [6] Capítulos 6, [7] Capítulos 19. |
Semana N°10 |
|
11 |
Adquisición 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).
Referencias: [6] Capítulos 6, [7] Capítulos 19.
3er control de lectura |
Semana N°11
|
Tutorial de Prolog
|
12 |
Desarrollo de sistemas expertos basados en reglas
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.
Referencias: [1] Capítulos 6 y 8, [2] Capítulo 7, [6] Capítulo 3, [7] Capítulo 3 |
Semana N°12
|
Paradero
|
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 expertos. Revisión de la funcionalidad del SE del 2do trabajo.
Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo.
Referencias: [4], [7] Capítulo 21.
4to control de lectura |
Semana N°13
|
Práctica calificada
|
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. Conceptos de heurísticas y meta-heurísticas.
Algoritmos exactos vs algoritmos heurísticos. Técnicas heurísticas y metaheurísticas. Problemas de optimización combinatoria en la industria y servicios.
Referencias: [10], [11], [5] Capítulo 1, [8] Capítulo 1 |
Semana N°14
|
Proyecto Final
|
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. |
|
Paper
Video explicativo
|
16 |
Examen final |
|
Examen Final
|