Inteligencia Artificial

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(University of Peru, dean of America)

FACULTY OF ENGINEERING AND COMPUTER SYSTEMS

Academic School of Systems Engineering Professional

SILLABLE

1. GENERAL SPECIFICATION

Course Name: ARTIFICIAL INTELLIGENCE
Course Code: 207008
Course Length: 17 weeks
Method of Dictation: Technical - experimental
Weekly hours: Theory: 3 hours - Lab: 2 hours
Nature: Vocational
Number of credits: Four (04)
Prerequisites: 205007 - Operations Research I
Semester: 2011 - II
Coordinator: Vera Virginia Pomalaza
Teacher: Ana Maria Huayna, Hugo Vega, Rolando Maguiña

2. SOMMELIER

Artificial Intelligence, concepts, paradigms and applications in industry and services. Knowledge representation. Representation of AI problems as search in state space. Blind search methods and informed. Intelligent man-machine games. Expert systems, architecture, taxonomy and applications. Inference Engine. Engineering knowledge, concepts, evolution, CommonKADS Methodology. Quality and Validation of Expert Systems, Introduction to Machine Learning (Machine Learning) and heuristics.

3. GENERAL PURPOSE

Students will gain knowledge in the area of ​​Artificial Intelligence in general and develop basic aspects of game development, intelligent and expert systems, and its application in intelligent problem solving in the areas of industry and services.

4. SPECIFIC OBJECTIVES

Upon completion, students will be able to:

4.1. Understand that is Artificial Intelligence and complexity of their problems.
4.2. Represent and solve problems of human game - machine through a technical search state space.
4.3. Know the different search strategies blind and informed.
4.4. Design and develop intelligent software games man-machine interaction and artificial intelligence techniques used.
4.5. Understand what are expert systems and know when to use them.
4.6. Knowing which is the Knowledge Engineering and a method for developing knowledge-based systems
4.7. To assess the quality of the solution of expert systems.
4.8. Design and develop various systems based expert inference engine (method chaining), considering the quality criteria.
4.9. Understand the concepts of machine learning and heuristics, its importance and its applications in industry and services

5. ANALYTICAL CONTENTS OF WEEKS

Semana	Temas	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.
2	Fundamentos de la Inteligencia Artificial Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Revisión de los lenguajes de la inteligencia artificial. Aplicaciones en la industria y servicios.(robótica, planificación, gestión de desperdicios). Test de Turing.	Manual Lisp
3	Métodos de Busqueda en un espacio de estados Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano - máquina.	Ejercicio Recursividad
4	Métodos de búsqueda a ciegas Métodos de búsqueda ciega: amplitud, profundidad y no determinista.	Ejercicio de recursividad para listas
5	Métodos de búsqueda informados Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación.	Ejercicio de recursividad para listas parte 2
6	Métodos de búsqueda para juegos hombre-máquina Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina.
7	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.
8	Semana de Parciales
9	Presentacion de trabajos computacionales Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos.
10	Ingenieria de conocimiento Introduccion. Adquisicion de conocimieto. La Metodologia CommonKADS. Diseño de sistemas experto. Ciclo de vida de un SE.	Arbol genealogico
11	Adquisicion 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, redes semánticas,lógica de predicados).	Recursividad Prolog
12	Sistemas expertos Basados en Redes Neuronales Conceptos básicos de redes neuronales artificiales (RNA). El problema de identificación de patrones y sus aplicaciones. Identificación de patrones a través de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones para resolver problemas basados en el conocimiento a través de RNA.	Recursividad Prolog
13	Calidad y Validación de Sistemas Expertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Eficiencia y error de sistemas expertos.	Recursividad Prolog
14	Introducción a los Sistemas Inteligentes Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones de RNA y de Sistemas Inteligentes.	Recursividad Prolog