UNIVERSIDAD VERACRUZANA

CONTENIDO DE LA EXPERIENCIA EDUCATIVA

NOMBRE: INTELIGENCIA ARTIFICIAL II
PROGRAMA: INTELIGENCIA ARTIFICIAL
NIVEL: MAESTRIA
PLAN: 2012

PROYECTO INTEGRADOR
Ninguno
ACADEMICOS
Dr. Alejandro Guerra Hernndez
PERFIL DEL DOCENTE
Maestro en Inteligencia Artificial, Ciencias de la Computacin, Informtica o reas afines. El grado de Doctor en estas reas es preferible.
UNIDAD DE COMPETENCIA
No Aplica
ARTICULACION DE LOS EJES
Los saberes que se abordan en esta experiencia educativa se relacionan con la lgica y la representacin de conocimiento; la planeacin; y el
aprendizaje automtico, su anlisis y diseo (eje terico), a travs de las habilidades bsicas y analticas de pensamiento, la construccin de
soluciones alternativas, manejo de lenguajes de programacin (eje heurstico), con disciplina, responsabilidad, tolerancia a la frustracin (eje
axiolgico).
DESCRIPCION
Esta experiencia educativa (EE) complementa a la de Inteligencia Artificial 1, atendiendo la necesidad de conocer los fundamentos de la
Inteligencia Artificial. El estudiante identifica soluciones a problemas concretos que se puedan solucionar mediante modelos de computacin
tradicionales y modelos pertenecientes a la Inteligencia Artificial. Los saberes abordados van desde los agentes lgicos y la lgica de primer orden,
la representacin del conocimiento, la planeacin, el aprendizaje supervisado, por refuerzo y relacional. Algunas estrategias metodolgicas
utilizadas son el anlisis y resolucin de problemas, la implementacin en computadora de dichas soluciones, la discusin grupal, la consulta en
fuentes de informacin, entre otras.
JUSTIFICACION
Para un profesional de la Inteligencia Artificial es indispensable identificar cuales problemas pueden resolverse usando tcnicas computacionales
tradicionales y tcnicas pertenecientes a la Inteligencia Artificial. Esta experiencia educativa presenta un repertorio de tcnicas de Inteligencia
Artificial y sus posibles aplicaciones. En esta EE se promueve el desarrollo de habilidades para transmitir y asimilar conocimientos indispensables
para el exitoso desempeo del estudiante universitario, al mismo tiempo que promueve el auto-aprendizaje y el trabajo en equipo con la finalidad
de resolver un problema comn.
SABER TEORICO
Agentes Lgicos
Lgica de Primer Orden
Planeacin Clsica
Planeacin Situada.
Representacin del Conocimiento.
Aprendizaje basado en Ejemplos.
Aprendizaje Relacional.
Aprendizaje por Refuerzo.
SABER HEURISTICO
Acceso, evaluacin, recuperacin y uso de informacin en fuentes diversas en espaol e ingls
Anlisis
Argumentacin
Asociacin de ideas
Comparacin
Construccin de soluciones alternativas
Descripcin
Discriminacin de ideas
Elaboracin de mapas conceptuales
Habilidades bsicas y analticas del pensamiento
Inferencia
Juicio

Pg 1

Organizacin de informacin
Planteamiento de hiptesis
Sntesis
Validacin
SABER AXIOLOGICO
Apertura para la interaccin y el intercambio de informacin
Colaboracin
Autonoma
Compromiso
Confianza
Constancia
Creatividad
Disciplina
Flexibilidad
Imaginacin
Iniciativa
Inters cognitivo
Inters por la reflexin
Respeto intelectual
Tenacidad
ESTRATEGIA METODOLOGICA DE APRENDIZAJE
Cognitivas:
Bsqueda de fuentes de informacin
Lectura, sntesis e interpretacin
Taxonomas
Estudio de casos
Clasificaciones
Mapas conceptuales
Analogas
Imitacin de modelos
Metforas
Planteamiento de hiptesis
Afectivas o de apoyo:
Discusiones acerca del uso y valor del conocimiento
ESTRATEGIA METODOLOGICA DE ENSEANZA
Organizacin de grupos colaborativos
Estudio de casos
Discusin dirigida
Exposicin con apoyo tecnolgico variado
Debates
Lectura comentada
Simulaciones
Mapas conceptuales
Resmenes
Aprendizaje basado en problemas
APOYO EDUCATIVO DE MATERIAL DIDACTICO
Libros de texto
Artculos
Presentaciones multimedia
Demostraciones con software especializado
APOYO EDUCATIVO DE RECURSO DIDACTICO
Computadora
Proyector
Software
Pizarrn y plumones
Aula
Centro de cmputo
Internet

Pg 2

EVIDENCIA DE DESEMPEO
Resolucin de problemas
Ejercicios de programacin
Participacin
Examen
CRITERIO DE DESEMPEO
Resolucin de problemas:
Procedimiento
Respuesta correcta
Ejercicios de programacin:
Estructura del cdigo
Resultados correctos
Coherencia
Participacin:
Pertinencia
Congruencia
Fluidez
Argumentacin
Examen:
Procedimiento
Respuesta correcta
CAMPOS DE APLICACION
Resolucin de problemas: Aula/Extramuros
Ejercicios de programacin: Aula/Extramuros
Participacin: Aula
Examen: Aula
ACREDITACION
La calificacin mnima aprobatoria es 70
FUENTE DE INFORMACION BASICA
-S. Russell and P. Novig. Artificial Intelligence a Modern Approach, 3rd Edition, Pearson, 2009.
-R. Brachman and H. Levesque. Knowledge Representation and Reasoning, Kaufmann series in Artificial Intelligence, 2004.
-M. Huth and M. Ryan. Logic in Computer Science: Modeling and Reasoning about Systems, Cambridge University Press, 2009.
-M. Ghallab, D. Nau, and P. Traverso. Automated Planning, Theory and Practice. Morgan Kaufmann, 2004.
FUENTE DE INFORMACION COMPLEMENTARIA
-T. Mitchell. Machine Learning, McGraw-Hill, 1997
R.S. Sutton, and A.G. Barto. Reinforcement Learning: An Introduction. MIT Press, A Bradford Book, 1988.
-A. Guerra Hernndez, Notas de Inteligencia Artificial 2, Edicin 2012.
-A. Guerra Hernndez, Notas de Programacin Funcional. Edicin 2012. http://www.uv.mx/aguerra/mpii.html

Pg 3