SILABO

FACULTAD : Ingeniería Estadística e Informática

ESCUELA PROFESIONAL : Ingeniería Estadística e Informática
PROGRAMA DE ESTUDIOS : Ingeniería Estadística e Informática

I. INFORMACIÓN GENERAL

1.1 Identificación Académica

a) Curso : INTELIGENCIA ARTIFICIAL
b) Código : FEI-047
c) Prerrequisito : FBI-035
d) Número de horas : Teóricas =3, Prácticas =2 y Total = 5
e) Créditos : 4
f) Número de horas virtuales/unidad : 85
g) Año y semestre académico : 2020-I
h) Ciclo de estudios : VII
i) Duración : Del 01 de junio al 02 de octubre 2020
j) Área Curricular : Formación Profesional Básica
k) Características del curso : Experiencias Pre profesionales

1.2 Docente
a) Nombres y Apellidos : M.Sc. Flor de María Torres Amanqui
b) Condición y Categoría : Contratado a T.C.
c) Especialidad : Estadística e Informática

I.3 Ambiente donde se realiza el aprendizaje.

a) Aula virtual.

II. SUMILLA.

El curso de Inteligencia Artificial corresponde al área curricular de estudios específicos, es de naturaleza

teórica y práctica. Su propósito es reconocer en forma progresiva los sistemas de Inteligencia Artificial en
sus diversas perspectivas y complejidades; desde agentes elementales que reaccionan a las
propiedades que perciben en su entorno que pueden abordar temas complejos, como la visión artificial,
el aprendizaje o los sistemas artificiales evolutivos, algunas técnicas que permitan a los agentes
procesar y diseminar información sobre su entorno. Este conocimiento puede consistir en información
declarativa sobre el estado del entorno, en modelos icónicos del entorno, en grafos definidos en el
espacio de estados o en representaciones lógicas.

III. PERFIL DEL EGRESADO EN RELACIÓN AL CURSO

Capacidad de construir sistemas inteligentes, métodos y técnicas adecuadas utilizando como
herramienta la inteligencia artificial.

IV. COMPETENCIA.

A. Analiza y explica los alcances de la inteligencia artificial y su posible aplicación en las ciencias e
ingeniería con conocimiento de técnicas de representación y modelamiento, elementos de
inteligencia artificial, de manera eficaz, oportuna, segura y con conocimiento actual.
B. Identifica, analiza y determina los sistemas inteligentes que son necesarios para el modelamiento de
un software inteligente con conocimiento de métodos y técnicas adecuadas para realizar proyectos
de investigación aplicada en los problemas de ingeniería y ciencias demostrando perseverancia,
habilidad y eficiencia.
V. LOGRO DE APRENDIZAJE DEL CURSO.

Construye un proyecto como alternativa de solución a un problema identificado por él mismo en su

entorno utilizando como herramienta la Inteligencia Artificial, con responsabilidad.

VI. TRATAMIENTO UNIDADES DIDACTICAS.

UNIDAD I INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL Y

TECNICAS DE BUSQUEDA Y OPTIMIZACIÓN
LOGROS DE APRENDIZAJE DE LA UNIDAD:
Comprende los conceptos fundamentales de la Inteligencia Artificial y técnicas de búsqueda y
optimización.
TIEMPO DE DESARROLLO Del 01-jun al 24-jul del 2020 Total de horas: 40

HORAS DE ENSEÑANZA VIRTUAL/UNIDAD 40

FECHA DE INGRESO DE NOTAS AL SISTEMA 30 de Julio
SEMANAS CRITERIOS DE DESEMPEÑO CONOCIMIENTOS
1
.
INTRODUCCIÓN Y ASPECTOS
2  Comprende los conceptos básicos y CONCEPTUALES DE LA IA.
aplicaciones de la IA. - Conceptualización de inteligencia artificial (IA)
- Historia de la IA
3
SISTEMAS REACTIVOS
- Agentes de estímulo respuesta
- Redes neuronales
4
 Aplica y utiliza agentes de estímulos y - Sistemas evolutivos
respuesta - Sistema con estados
- Visión artificial
5
BÚSQUEDA EN ESPACIOS DE ESTADOS
- Agentes que planifican
- Búsqueda a ciegas
- Búsqueda heurística

6 - Planificación, actuación y aprendizaje

- Búsqueda en problema de juegos
- APLICACIÓN PRACTICA

REPRESENTACION DEL CONOCIMIENTO Y

 Diferencia las técnicas búsqueda ciega de la RAZONAMIENTO
búsqueda heurística. - El cálculo proporcional
- Resolución en el cálculo proporcional
 Aplica adecuadamente las técnicas de - Cálculo de predicados
7
optimización - Resolución en el cálculo de predicados

- Sistemas basados en conocimiento

- Aprendizaje y actuación con redes bayesianas

- Práctica
- Trabajo encargado.
8
- Evaluación.

PORCENTAJE DE AVANCE ACADÉMICO DE LA UNIDAD: 47%

 UNIDAD II SISTEMAS EXPERTOS, ALGORITMOS GENETICOS Y
REDES NEURONALES
LOGROS DE APRENDIZAJE DE LA UNIDAD:
Modela, diseña y construye sistemas inteligentes aplicando diferentes métodos de búsquedas
TIEMPO DE DESARROLLO Del 27-jul al 25 - set del 2020 Total de horas:
45
HORAS DE ENSEÑANZA VIRTUAL/UNIDAD 45
FECHA DE INGRESO DE NOTAS AL SISTEMA 25 de setiembre 2020
SEMANAS CRITERIOS DE DESEMPEÑO CONOCIMIENTOS

9 Sistemas expertos.
 Implementa los algoritmos genéticos - Generalidades SE
10 para solucionar problemas de - definición y componentes
optimización
- Base de hechos
11 - Base de conocimiento.

12 - Motor de inferencia
 Abstrae el conocimiento de expertos. - Módulo de comunicación.
13 - Aplicaciones

Algoritmos genéticos.
- Generalidades
- Representación
14
- Selección
- Cruza
- Mutación
- Función de aptitud
 Evaluar la calidad de la solución de - Operadores avanzados
15 sistemas expertos. - Implementación general
 Conoce los conceptos de aprendizaje Redes Neuronales.
automático, su importancia y sus - Definiciones
aplicaciones - Neuronas artificiales

- Solución de problemas
- Modelo de capas
16 - Funcionamiento de la red neuronal

- Práctica
- Trabajo encargado.
- Segundo examen
17 Aplicaciones y evaluación de la unidad
PORCENTAJE DE AVANCE ACADÉMICO DE LA UNIDAD: 53%

VII. ESTRATEGIAS METODOLÓGICAS.

VII.1 De Enseñanza.
Actividades síncronas:
Video conferencias.
Video fórum
Chat en línea.

Actividades asíncronas:
Foros análisis y discusión
Foro de información
Tareas
Lecturas hermenéuticas
VII.2 De Aprendizaje
Estrategias de prácticas, exposición y debates

VII.3 De Investigación Formativa

Método científico
Análisis bibliográfico

VII.4 Responsabilidad Social Universitaria

Compartir propuestas de reflexión y acción estratégica para el Desarrollo Humano Sostenible en las redes sociales.

VII.5 De enseñanza virtual

Utilización del aula virtual y el uso de recurso de tecnología e información.

VIII. MEDIOS Y MATERIALES DIDÁCTICOS.

WEB
Biblioteca virtual.
PPT.
Organizadores de información.
Plataforma virtual.

IX. PRODUCTO DE APRENDIZAJE

FECHA DE PRESENTACIÓN PRODUCTO

Construye un proyecto como

alternativa de solución a un problema
Del 01 de junio al 25 de identificado por él mismo en su entorno
septiembre
utilizando como herramienta la
Inteligencia Artificial, con
responsabilidad.

X. EVALUACIÓN DEL APRENDIZAJE.

0.1 Evidencias, indicadores, técnicas e instrumentos de evaluación.

EVIDENCIAS PONDERACIÓ
UNIDA DESEMPEÑO N (Obligatorio INSTRUMENTO
LOGROS DE APRENDIZAJE TECNICAS
D Acción/objeto /producto en base al S
(%) 100%)
I  Comprende los Observación
 Aplicación de
conceptos Evaluación lista de cotejo
los conceptos
fundamentales de la virtual prueba escrita
presentados 47%
Inteligencia Artificial y
en clase a
técnicas de búsqueda casos reales.
y optimización.
II  Modela, diseña y 53% Observación
 Grupos de
construye sistemas Evaluación lista de cotejo
trabajo, para
inteligentes aplicando virtual prueba escrita
el estudio y
diferentes métodos de
desarrollo un
búsquedas proyecto de
aplicación de
la Inteligencia
Artificial.
 Aclara y
sostiene,
cualquiera
de los
instrumentos
conceptuales
, para la
aplicación de
su proyecto
 final.

10.2 Calificación: La fórmula para la obtención del promedio parcial de cada unidad didáctica es la
siguiente:
47 %LA1+53 %LA2
Promedio parcial de la unidad= LA1= logro de aprendizaje 1
100 %
LA2= logro de aprendizaje 2

La fórmula para la obtención del promedio final del componente curricular es la siguiente:

I UPP+ II UPP
Promedio final=
2

11. REFERENCIAS BIBLIOGRÁFICAS.

.1 Básica

 BONIFACIO, MARTIN; ALFREDO, SANZ. (2002). “Redes neuronales y sistemas difusos”. Ed.
Alfaomega
 JOSEPH GIARRATANO – GARY RILEY. (2001) “Sistemas expertos, principios y programación”.
Ed. Ciencias Thomson
 MAYNARD KONG, (2000) "Inteligencia Artificial". Edit. Pontificia Universidad Católica del Perú.
Lima
 NILS J. NILSSON, (2001) “Inteligencia Artificial, Una nueva síntesis”, Edit. McGraw Hill, Madrid
España
 PAJARESGONZALO – SANTOS MATILDE. (2006) “Inteligencia Artificial e Ingeniería del
Conocimiento”. Madrid
 PALMA JOSE – MARIN ROQUE. (2008) “Inteligencia Artificial: Técnicas, métodos y
aplicaciones”. Madrid

11.2 Complementaria:

 STUART RUSSELL. (2001) "Inteligencia Artificial". Editorial Prentice Hall. Madrid.

11.3 Electrónicas

 http://www.csail.mit.edu/
 http://decsai.ugr.es/
 http://ai.stanford.edu/
 http://aima.cs.berkeley.edu/contents.html
 http://es.blog.pinggers.com/2011/02/21/watson-y-otros-sistemas-que-mejoran-nuestras-
vidas-con-inteligencia-artificial/

11.4 Producción intelectual del docente relacionado con el curso

 Guías de práctica
 Separatas resumen del contenido del curso

Puno, 15 de junio del 2020

_________________________
M.Sc. Flor de Maria Torres Amanqui
 Docente
CIP N° 114773