Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
MARZO 2021-AGOSTO 2021
NOMBRE DE LA ASIGNATURA CÓDIGO: 17946
CARGA HORARIA
COMPONENTES DEL APRENDIZAJE Horas / Semana Horas / Periodo Académico
PROFESOR(ES) RESPONSABLE(S):
SAQUICELA GALARZA VICTOR HUGO - (V.S.) ( victor.saquicela@ucuenca.edu.ec ) PRINCIPAL
DESCRIPCIÓN DE LA ASIGNATURA:
Resumen descriptivo en torno al propósito, la estrategia metodológica y el contenido fundamental de la asignatura.
El objetivo de esta asignatura es que el alumno conozca la historia, metodología, técnicas y fundamentos de la inteligencia artificial. Para lograr esto,
la asignatura se centra en los métodos de búsqueda, representación del conocimiento y el aprendizaje máquina.
REQUISITOS DE LA ASIGNATURA
Esta asignatura no tiene co-requisitos
PRE-REQUISITOS
Asignatura Código
OBJETIVO(S) DE LA ASIGNATURA:
Objetivos general y específicos de la asignatura en relación al Perfil de salida de la carrera.
Objetivos especificos:
1. Conocer y aplicar de los principios fundamentales y técnicas básicas de la Inteligencia Artificial y su aplicación práctica.
3. Evaluar y utilizar estructuras de datos mas adecuadas a la resolución de problemas para el diseño de sistemas informáticos inteligentes.
1
Resultados o Logros de Aprendizaje (RdA's) de la Unidad de Organización Curricular (UOC) correspondiente, Indicadores y Estrategias de Evaluación de la
Asignatura, tomando como referencia el Perfil de salida (PdS) y la Organización Curricular (OC) del Proyecto de Carrera (PdC).
RESULTADOS O LOGROS DE
INDICADORES ESTRATEGIAS DE EVALUACIÓN
APRENDIZAJE
RdA1. Adquiere una perspectiva general de lo • Define con claridad los conceptos de IA, • Prueba escrita
que es la inteligencia artificial sistemas inteligentes y las diferentes
estrategias de la IA.
RdA2. Aplica búsqueda en un espacio de • Define un problema en un espacio de estados • Prueba escrita
estados a la resolución de problemas. y su resolución mediante estrategias de
búsqueda. • Productos científicos y tecnológicos
RdA3. Adquiere una perspectiva general de la • Define con claridad los conceptos de • Prueba de desarrollo
representación del conocimiento. representación del conocimiento
RdA4. Adquiere una perspectiva general de • Define con claridad los conceptos • Prueba escrita
técnicas de razonamiento sobre la razonamiento sobre el conocimiento
representación del conocimiento.
RdA5. Analiza y diseña sistemas empleando • Identifica el modelo de red neuronal optimo • Prueba escrita
redes neuronales. para la solución de un problema
• Productos científicos y tecnológicos
• Utiliza software libre para la implementación
de redes neuronales
RdA6. Adquiere técnicas para representar • Define e implementa ontologías para • Prueba escrita
conocimiento y aplica técnicas de inferencia. representar el conocimiento
• Productos científicos y tecnológicos
• Selecciona modelos para representar
ontologías
Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL
1. La inteligencia de las máquinas 1 APRENDIZAJE EN Exposición del material del docente 4 horas
CONTACTO CON EL
2. Definición de Sistema Inteligente DOCENTE (ACD)
4. Futuro de la IA
2
Nro. COMPONENTE DE
SUB-UNIDADES ACTIVIDADES DE APRENDIZAJE
SESIÓN APRENDIZAJE
1. Base de Conocimiento: Simbólico y no Simbólico 1 APRENDIZAJE Preparación de una presentación 2 horas
AUTÓNOMO (AA)
2. Representación del Conocimiento: procedural, 3 APRENDIZAJE EN Exposición del material del docente 2 horas
relacional y jerárquico CONTACTO CON EL
DOCENTE (ACD) Sustentación de trabajos 2 horas
3. Revisión de la Lógica Clásica: proposicional y de
predicados
2. Razonamiento según los distintos paradigmas de 4 APRENDIZAJE EN Exposición del material del docente 4 horas
representación CONTACTO CON EL
DOCENTE (ACD) Sustentación de trabajos 2 horas
3. Sistemas Basados en Conocimiento
6. Razonamiento Borroso
5. APRENDIZAJE AUTOMÁTICO
1. Definición y ejemplos de una amplia variedad de 4 APRENDIZAJE Práctica de las técnicas de Machine 8 horas
tareas de machine learning AUTÓNOMO (AA) Learning
5. Clusterización
6. Reglas de Asociación
6. BÚSQUEDAS AVANZADAS
Total: 84 horas
3
• Proyector Digital
• Diapositivas
TOTAL: 100
DETALLE DE CRITERIOS DE
PUNTAJE / CRITERIO GENERAL
ACREDITACIÓN
APROVECHAMIENTO I
INTERCICLO
C95
INTERCICLO 20 EXAMENES
APROVECHAMIENTO II
FINAL
C97
EXAMEN FINAL 30 EXAMENES
SUSPENSIÓN
C98
Total: 100
BÁSICA
1. Cazorla Quevedo M, Compa; Rosique P, Escolano Ruiz F, Rizo Aldeguer R. 1999. Fundamentos de inteligencia artificial. Murcia. Universidad de
Alincante
COMPLEMENTARIA
4
Docente: SAQUICELA GALARZA VICTOR HUGO Director: VEINTIMILLA REYES JAIME EDUARDO