Está en la página 1de 4

ESCUELA SUPERIOR POLITÉCNICA DEL LITORAL

FACULTAD DE INGENIERÍA EN ELECTRICIDAD Y COMPUTACIÓN


SYLLABUS DEL CURSO
INTELIGENCIA ARTIFICIAL

1. CÓDIGO Y NÚMERO DE CREDITOS

CÓDIGO CCPG-1014
NÚMERO DE CREDITOS Teórico: 9 Práctico: 0

2. COURSE DESCRIPTION

Este curso presenta las técnicas de Inteligencia Artificial (IA) como una herramienta para analizar y
resolver problemas no convencionales. Además, define e identifica diferentes métodos de
representación del conocimiento, diversos mecanismos para la búsqueda y razonamiento artificial;
presenta las metodologías para resolver problemas basados en el aprendizaje automático de las
máquinas a través de las redes neuronales, redes convolucionales y redes recurrentes.

3. CONOCIMIENTOS PREVIOS DEL CURSO

Lenguajes de programación, lógica matemática, algebra lineal y aritmética de matrices

4. TEXTO DEL CURSO Y OTROS MATERIALES DE REFERENCIA

1. Luger, George F. (2010). Artificial Intelligence: structures and strategies for


TEXTO complex problem solving. (6th ed.). Boston: Addison Wesley. ISBN-10:
0321545893, ISBN-13: 9780321545893
1. Chollet D. F.. (2017). Deep Learning with Python. (First). USA: Manning
Publications. ISBN-10: 1617294438, ISBN-13: 9781617294433
REFERENCES 2. Mitchell Tom. (1997). Machine Learning. (First). USA: McGraw-Hill . ISBN-10:
0070428077, ISBN-13: 9780070428072
3. Notas del curso y papers publicados recientemente

5. OBEJTIVOS DE APRENDIZAJE DEL CURSO

El estudiante al finalizar el curso estará en capacidad de:


1. Evaluar los algoritmos de búsqueda en árboles y las técnicas de razonamiento artificial más
apropiadas para el modelamiento del comportamiento inteligente de un sistema
2. Aplicar diferentes métodos de representación de conocimiento para resolver problemas no
convencionales
3. Diferenciar la aplicación de los algoritmos de aprendizaje supervisado y no supervisado para
aplicarlos de manera correcta al definir un problema
4. Escoger el algoritmo de aprendizaje apropiado acorde al tipo de datos disponibles para el
entrenamiento automático
5. Evaluar los modelos de aprendizaje automático desarrollados, considerando la precisión y
rendimiento, así como las habilidades de diseño e implementación utilizando lenguajes de
programación apropiados

CCPG-1014 Page 1 of 4 SYLLABUS


INTELIGENCIA ARTIFICIAL
6. PROGRAMA DEL CURSO

Unidades y Subunidades
1. Fundamentos a la inteligencia artificial
1.1 Introducción, definiciones e historia de la IA
1.2 Visión general e intuiciones de la solución de problemas con IA
1.3 Revisión del estado del arte, intuiciones y ejemplos de aplicaciones de IA recientes
2. Técnicas para resolver problemas de IA
2.1 Comportamiento inteligente
2.2 Resolución de problemas basada en búsqueda, conducida por datos y por objetivos
2.3 Búsqueda no informada (búsqueda por amplitud, búsqueda por profundidad)
2.4 Búsqueda heurística e informada (Hill climbing, Simulated Annealing, Best first search, A*),
algoritmo de rastreo
2.5 Análisis de eficiencia de espacio y tiempo de búsqueda
3. Representación del conocimiento
3.1 Problemas de representación del conocimiento
3.2 Cálculo proposicional y lógica de predicados
3.3 Teorema de Resolución y demostración del teorema
3.4 Otros métodos de representación del conocimiento.
4. Razonamiento artificial e inferencia
4.1 Algoritmo de unificación
4.2 Encadenamiento hacia delante y hacia atrás
4.3 Conversión de predicados a cláusulas
4.4 Reglas de inferencia artificial, y aplicación del teorema de resolución
4.5 Extracción de la respuesta en el proceso de resolución y refutación.
5. Aprendizaje de máquinas - Redes neuronales
5.1 Perceptron y red de perceptrones multicapa
5.2 Funciones de transferencia y topologías de redes neuronales
5.3 Aprendizaje supervisado, no supervisado y semi-supervisado
5.4 Clasificadores lineales y no lineales
5.5 Aprendizaje en redes neuronales (propagación hacia delante y propagación hacia atrás)
6. Redes neuronales convolucionales y recurrentes (deep learning)
6.1 Aprendizaje profundo y capas convolucionales, capas reductoras y capas completamente
conectadas
6.2 Redes totalmente recurrentes
6.3 Redes recurrentes tipo Long-Short Term Memory
6.4 Desarrollo de soluciones a problemas reales

7. CARGA ACADÉMICA: TEÓRICO/PRÁCTICA

Dos sesiones por semana, 1.5 horas por sesión


33 sesiones en el semestre

8. RELACIÓN ENTRE LOS OBJETIVOS DE APRENDIZAJE DEL CURSO Y LOS OBJETIVOS DE LA


CARRERAM

CCPG-1014 Page 2 of 4 SYLLABUS


INTELIGENCIA ARTIFICIAL
CONTRIBUTIO STUDENT
STUDENT OUTCOMES OF
N (High, OUTCOMES OF THE STUDENT MUST:
THE DEGREE PROGRAM
Medium, Low) THE COURSE
a. An ability to apply Evaluate, contrast and
knowledge of computing selected a search algorithm in
and mathematics trees and proper artificial
high 2
appropriate to the reasoning techniques for
discipline modeling intelligent behavior
of a system.
b. An ability to analyze a Identify user and
problem, and identify computational requirements
and define the acquired during the process
high 1, 3
computing requirements of analysis and propose a
appropriate to its design of the solution.
solution
c. An ability to design,
implement and evaluate Design, implement and
a computer-based evaluate a problem solution
high 1,3
system, process, based on artificial inference
component, or program mechanisms.
to meet desired needs
d. An ability to function As a member of a team
effectively on teams to analyze, design and
accomplish a common Low 4 implement a solution of a
goal. problem through the
semester.
Identify and understand the
e. An understanding of ethical and social aspects of
professional, ethical, developing a solution of a
legal, security, and social problem, as well as the
issues and productivity and security in
Low 4
responsibilities the context of an organization
and individually.
f. An ability to Students present the
communicate effectively products (prototype and
with a range of Low 4 written report) at the end of
audiences. the semester, developed in a
team.
g. An ability to analyze the
local and global impact
of computing on
------
individuals, organizations
and society.
h. Recognition of the need
for, and an ability to
engage in, continuing
------
professional
development.
i. An ability to use current Identify and apply different
techniques, skills, and knowledge representation
tools necessary for methods as well as other
Low 1
computing practices. current mechanisms and
good practices for solving
non-conventional problems.
j. An ability to lead,
manage and undertake -------
projects.

CCPG-1014 Page 3 of 4 SYLLABUS


INTELIGENCIA ARTIFICIAL
9. EVALUACIÓN DEL CURSO

Actividades Evaluadas Primera evaluación Segunda evaluación Tercera evaluación


Exámenes X 60 45 100
Lecciones X 10 05
Tareas X 15 05
Proyectos X 35
Laboratorio
Participación en clase X 10 05
Visitas
Otras: Discusiones X 05 05

10. METODOLOGÍA Y ORGANIZACIÓN DEL CURSO

Este es un curso presencial y requiere 48 horas de asistencia que se distribuyen en 33 sesiones de 1.5
horas cada una, y 96 horas de trabajo individual.

Cada sesión ha sido diseñada siguiendo el paradigma constructivista; comienza con la reconstrucción de
lo aprendido previamente para continuar con el desarrollo de nuevos conocimientos. Cada clase tiene
diversas actividades, como presentaciones de tópicos, actividades de grupo y discusiones plenarias, para
ayudar a construir estrategias de solución a problemas, descubrir y definir conceptos, etc., así como
evaluar lo que se ha aprendido.

Todos los recursos de aprendizaje están disponibles en el sitio web del curso: www.sidweb.espol.edu.ec.

En este sitio también están disponibles los materiales del curso, descripción de tareas y proyectos.

11. RESPONSABLE DE LA CREACIÓN DEL SYLLABUS Y FECHA DE CREACIÓN

Creado por Enrique Peláez Jarrín


Fecha Marzo 03, 2019

13. Horario – Primer Semestre 2019.

Aula: COM1 - BLOQUE 16C CAMPUS GUSTAVO GALINDO


Horario de clase: Martes y Jueves de 12:00 a 13:30
Horario de exámenes: Jueves: 08h00 a 10h00

CCPG-1014 Page 4 of 4 SYLLABUS


INTELIGENCIA ARTIFICIAL