UNIVERSIDAD DEL VALLE DE MXICO

PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

NOMBRE DE LA ASIGNATURA: INTELIGENCIA

ARTIFICIAL
) APOBL ( ) APOPT ( x)

FECHA DE ELABORACIN:

MARZO 2005.

REA DEL PLAN DE ESTUDIOS: AS ( ) AC ( ASIGNATURA INTEGRADORA ( ) CLAVE: 532707 _

HORAS DE APRENDIZAJE A LA SEMANA CON DOCENTE INDEPENDIENTES TOTAL

3 ASIGNATURA ANTECEDENTE: _____________________NINGUNA_________________________________ CLAVE NOMBRE

CRDITOS: 5.6 TOTAL DE HORAS CLASE POR ASIGNATURA: 90

OBJETIVO GENERAL El estudiante analizar la formacin de base en inteligencia artificial (IA), para resolver problemas que requieran el uso de tcnicas de IA, utilizando los paradigmas de modelacin, inferencia y aprendizaje ms extendidos, en cualquier campo de aplicacin.

NDICE DE UNIDADES 1.- Introduccin a la IA 2.- Representacin del Conocimiento y Resolucin de problemas 3.- Aprendizaje 4.- Razonamiento aproximado 5.- Percepcin 6.- Lgica y Toma de decisiones 7.- Gentica

NMERO Y NOMBRE DE LA UNIDAD: 1.- Introduccin a la inteligencia artificial OBJETIVO DE LA UNIDAD: El estudiante identificar los propsitos y fines del uso de la IA, para introducirse al conocimiento de la inteligencia artificial.

HORAS: (3/3) 6

TEMAS Y SUBTEMAS

ESTRATEGIAS DE INSTRUCCIN *

EXPERIENCIAS DE APRENDIZAJE Con Docente Independientes** Realizar lecturas relacionadas con la IA Investigacin por Internet de los temas ms recientes de la IA Elaboracin de una presentacin explicando las lecturas e investigacin realizadas.

1.1 Historia y estado del arte de la IA 1.2 IA y sus objetivos actuales 1.3 IA y su relacin con otros enfoques de solucin de problemas 1.4 IA y sus paradigmas 1.5 IA y su futuro

Exposicin del estado del arte de la IA, explicando los conceptos e historia de la IA. El docente al concluir la exposicin sealar los conceptos ms importantes relacionados con los temas. Promover la participacin de los estudiantes mediante pregunta relacionadas con los temas Solicitud de lecturas

Anlisis de la interaccin de la IA con otras disciplinas. Identificar los conceptos ms importantes relacionados con los temas. Anlisis de lecturas.

ESCENARIOS

ESTRATEGIAS DE EVALUACIN

RECURSOS DIDCTICOS Y/ O SOFTWARE Computadora Can Internet

Aula

Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

NMERO Y NOMBRE DE LA UNIDAD: 2. Representacin del conocimiento y Resolucin de problemas OBJETIVO DE LA UNIDAD: El estudiante aplicar los principales modelos de representacin del conocimiento para la solucin de problemas

HORAS: (6/6) 12

TEMAS Y SUBTEMAS

ESTRATEGIAS DE INSTRUCCIN *

EXPERIENCIAS DE APRENDIZAJE Con Docente Independientes** Realizacin de lecturas relacionadas con juegos y bsquedas aplicadas en juegos. Anlisis y bsqueda de programas clsicos de juegos con diversas bsquedas. Comparacin de bsquedas diversas en la aplicacin de juegos.

2.1 Juegos competitivos 2.2 Bsqueda en profundidad y ampliacin 2.3 Estructuras de datos para el conocimiento 2.4 Evaluacin experimental y diseo heurstico

Exposicin del docente explicando las estructuras utilizadas en la representacin del conocimiento. El docente al concluir la exposicin sealar la importancia de los juegos competitivos y bsquedas empleadas en dichos juegos.. Explicacin de programas clsicos de juegos con aplicacin de diversas bsquedas. Utilizar la computadora para la aplicacin de ejemplos

Anlisis de las estructuras utilizadas en la IA en la representacin de conocimiento. Anlisis y discusin grupal de la importancia de los juegos competitivos en la IA. Anlisis de lecturas.

ESCENARIOS Aula Centro de cmputo

ESTRATEGIAS DE EVALUACIN

RECURSOS DIDCTICOS Y/ O SOFTWARE

Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

Computadora Can Internet SW Exsys CORVID

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

NMERO Y NOMBRE DE LA UNIDAD: 3.- Aprendizaje OBJETIVO DE LA UNIDAD: El estudiante aplicar los principales modelos de aprendizaje artificial, para solucionar problemas.

HORAS: (7.5/7.5)15

TEMAS Y SUBTEMAS

ESTRATEGIAS DE INSTRUCCIN *

EXPERIENCIAS DE APRENDIZAJE Con Docente Independientes** Realizacin de lecturas relacionadas con juegos y bsquedas aplicadas en juegos. Anlisis y bsqueda de programas clsicos utilizando redes neuronales y conexionismo. Presentacin de analogas entre redes neuronales y conexionismo, utilizando programas de aplicacin..

3.1 Aprendizaje por adquisicin 3.2 Aprendizaje por adaptacin bsico 3.3 Autmatas en aprendizaje 3.4 Redes neuronales 3.5 Conexionismo

Exposicin del docente explicando los diferentes aprendizajes utilizados en la IA El docente al concluir la exposicin sealar la importancia de la utilizacin de autmatas en el aprendizaje.. Explicacin de programas clsicos utilizando redes neuronales y conexionismo Utilizar la computadora para la aplicacin de ejemplos

Anlisis y discusin grupal de los diferentes aprendizajes, identificando diferencias y semejanzas. Anlisis y discusin grupal de la importancia de los juegos competitivos en la IA. Anlisis de programas con utilizacin de redes neuronales y conexionismo Anlisis de lecturas.

ESCENARIOS

ESTRATEGIAS DE EVALUACIN

RECURSOS DIDCTICOS Y/ O SOFTWARE Computadora Can Internet SW Image Zinder, Decisin Maker, Predictor de Attrasoft

Aula Centro de cmputo

Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

NMERO Y NOMBRE DE LA UNIDAD: 4.- Razonamiento aproximado OBJETIVO DE LA UNIDAD: El estudiante entender los factores de certidumbre y lgica difusa, para aproximarse al razonamiento.

HORAS: (7.5/7.5)15

TEMAS Y SUBTEMAS

ESTRATEGIAS DE INSTRUCCIN *

EXPERIENCIAS DE APRENDIZAJE Con Docente Independientes** Realizacin de lecturas relacionadas con lgica difusa y factores de certidumbre Anlisis y bsqueda de programas clsicos utilizando lgica difusa

4.1 Conceptos bsicos 4.2 Perspectiva histrica 4.3 Factores de certidumbre 4.4 Lgica difusa

Exposicin del docente explicando los factores de certidumbre y lgica difusa utilizados en la IA El docente al concluir la exposicin sealar la importancia de la lgica difusa en la aplicacin de problemas en la IA. Explicacin de programas clsicos utilizando lgica difusa Utilizar la computadora para la aplicacin de ejemplos

Anlisis y discusin grupal de la aplicacin de la lgica difusa en problemas de IA. Anlisis de programas con utilizacin de lgica difusa. Anlisis de lecturas.

ESCENARIOS Aula Centro de cmputo

ESTRATEGIAS DE EVALUACIN Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

RECURSOS DIDCTICOS Y/ O SOFTWARE Computadora Can Internet SW Fuzzy Tech y/o Fuzzy Engineering

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

HORAS: (6/6)12 NMERO Y NOMBRE DE LA UNIDAD: 5.- Percepcin OBJETIVO DE LA UNIDAD: El estudiante caracterizar las tcnicas de reconocimiento y percepcin del conocimiento, para comprender como se organiza el conocimiento.

TEMAS Y SUBTEMAS

ESTRATEGIAS DE INSTRUCCIN *

EXPERIENCIAS DE APRENDIZAJE Con Docente Independientes** Realizacin de lecturas relacionadas con reconocimiento y percepcin en diversos problemas de la IA Anlisis y bsqueda de programas utilizando reconocimiento y percepcin del conocimiento.

5.1 Reconocimiento y Descripcin de objetos 5.2 Uso de filtros para mejorar el proceso de imgenes 5.3 Ejemplos aplicados

Exposicin del docente explicando los diferentes tcnicas de reconocimiento y percepcin utilizados en la IA El docente al concluir la exposicin sealar la importancia del reconocimiento y percepcin del conocimiento en la solucin de diversos problemas de la IA Explicacin de programas clsicos utilizando reconocimiento y descripcin de objetos Utilizar la computadora para la aplicacin de ejemplos

Anlisis y discusin grupal de las diferentes tcnicas utilizadas en reconocimiento y percepcin identificando diferencias y semejanzas. Anlisis y discusin grupal de la importancia de las tcnicas de reconocimiento y percepcin en diferentes problemas de la IA Anlisis de programas con utilizacin de reconocimiento y percepcin del conocimiento. Anlisis de lecturas.

ESCENARIOS

ESTRATEGIAS DE EVALUACIN

RECURSOS DIDCTICOS Y/ O SOFTWARE Computadora Can Internet SW Image finder / Decision Maker /Predictor de Attrasoft

Aula Centro de cmputo

Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

HORAS: (7.5/7.5)15 NMERO Y NOMBRE DE LA UNIDAD: 6.- Lgica y toma de decisiones OBJETIVO DE LA UNIDAD: El estudiante comprender los conceptos relacionados con la lgica y toma de decisiones, reglas de encadenamiento y principios de solucin de problemas, usando las tcnicas de aprendizaje artificial. TEMAS Y SUBTEMAS ESTRATEGIAS DE INSTRUCCIN * EXPERIENCIAS DE APRENDIZAJE Con Docente 6.1 Reglas de encadenamiento 6.2 Mecanismos de toma de decisiones 6.3 Modelamiento del conocimiento 6.4 Principios de resolucin 6.5 Planeacin 6.6 Reglas de un sistema experto 6.7 Operacin de un sistema experto Exposicin del docente explicando los principios de funcionamiento y partes que componen a un sistema experto. El docente al concluir la exposicin sealar la importancia de los sistemas expertos en la solucin de diversos problemas de la IA Explicacin de programas utilizando sistemas expertos Utilizar la computadora para la aplicacin de ejemplos Anlisis y discusin grupal de las partes que componen a un sistema experto. Anlisis y discusin grupal de la aplicacin de los sistemas expertos en diferentes problemas de la IA Anlisis de programas aplicando sistemas expertos. Anlisis de lecturas. Independientes** Realizacin de lecturas relacionadas el funcionamiento y aplicacin de los sistemas expertos Anlisis y bsqueda de programas utilizando sistemas expertos..

ESCENARIOS Aula Centro de cmputo

ESTRATEGIAS DE EVALUACIN

RECURSOS DIDCTICOS Y/ O SOFTWARE Computadora Can Internet SW Exsys CORVID

Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

NMERO Y NOMBRE DE LA UNIDAD: 7.- Gentica OBJETIVO DE LA UNIDAD: El estudiante analizar otras tcnicas de la inteligencia artificial, para la solucin de problemas complejos. TEMAS Y SUBTEMAS ESTRATEGIAS DE INSTRUCCIN *

HORAS: (7.5/7.5)15

EXPERIENCIAS DE APRENDIZAJE Con Docente Independientes** Realizacin de lecturas relacionadas con AG Anlisis y bsqueda de programas utilizando AG.

7.1 Algoritmos genticos 7.2 Ejemplos de un AG 7.3 Aplicaciones

Exposicin del docente explicando la utilizacin de los algoritmos genticos en la IA El docente al concluir la exposicin sealar la importancia de los algoritmos genticos en la solucin de diversos problemas de la IA Explicacin de programas clsicos utilizando AG Utilizar la computadora para la aplicacin de ejemplos

Anlisis y discusin grupal acerca de la utilizacin de los AG en la resolucin de problemas en la IA. Anlisis de programas con utilizacin de AG. Anlisis de lecturas.

ESCENARIOS Aula Centro de cmputo

ESTRATEGIAS DE EVALUACIN Tareas (DD. CE) Resolucin de Casos (DD) Proyecto (DD, DC, VG) Examen escrito (DD)

RECURSOS DIDCTICOS Y/ O SOFTWARE Computadora Can Internet SW C++/Java

* Incluir el desarrollo de habilidades de investigacin en caso de ser pertinente. ** Desarrollo de proyectos de investigacin

REFERENCIAS BIBLIOGRFICAS

BSICA: S. Russell, P. Norving, Artificial Intelligence: A Modern Approach, Editorial Prentice Hall, 1995 N, Nilsson, Artificial Intelligence: A New Synthsis, Morgan Kaufmann Publishers, 1998 E. Rich, K. Knight, Inteligencia Artificial, Mc Graw Hill Iberoamericana, 1994.

COMPLEMENTARIA: S. Haykin, NeuralNetworks Comprehensive Foundation, Prentice Hall, 1994. G. Klir, B. Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, 1995. A. Gonzlez, D. Dankel, The Engineering of Knowledge based systems. Theory and Practice, Prentice Hall, 1993 M. Mitchael, An Introduction to Genetic Algorithms, MIT Press, 1996.

UNIVERSIDAD DEL VALLE DE MXICO

PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI

ASIGNATURA: INTELIGENCIA ARTIFICIAL

CLAVE: 532707

PERFIL DOCENTE NIVEL DE ESCOLARIDAD EXPERIENCIA PROFESIONAL PROFESIN REA ACTIVIDADES AOS EXPERIENCIA DOCENTE NIVEL EDUCATIVO ASIGNATURAS Sistemas expertos, inteligencia artificial, Redes neuronales AOS Y/O SEMESTRES 4

Licenciatura

LSCA Ing. En Sistemas Lic. En Informtica

Sistemas de Cmputo

Desarrollo de Sistemas

Licenciatura

OTROS CONOCIMIENTOS DESEABLES: Contar con cursos de maestra y /o doctorado en el rea de la asignatura