Sie sind auf Seite 1von 7

UNIVERSIDAD NACIONAL DE INGENIERIA

FACULTAD DE INGENIERIA INDUSTRIAL Y DE SISTEMAS ESCUELA PROFESIONAL DE INGENIERIA DE SISTEMAS


SILABO (INTELIGENCIA ARTIFICIAL ST414

I.

DATOS GENERALES. : Ingeniera Industrial y de Sistemas. : Ingeniera de sistemas : Sistemas Computacin e Informtica. : Inteligencia Artificial : ST414 : : Obligatorio :4 : TE 2, PR 2 :G : Ing. Samuel A. Oporto Daz ( soporto@wiphala.net )

1. Facultad 2. Escuela 3. rea Acadmica 4. Curso 5. Cdigo curso 6. Pre-requisito 7. Rgimen 8. Crditos 9. Horas Semanales 10. Sistema de Evaluacin 11. Profesor

II.

SUMILLA.

El curso de Inteligencia Artificial es un curso terico prctico, cuyo propsito es presentar de manera introductoria, los conceptos y procedimientos usados para resolver problemas en el mbito de la Inteligencia Artificial. Se enfatiza la diferencia entre un agente (sistema inteligente) y un sistema de informacin. En la primera parte del curso se desarrolla los conceptos de conocimiento, aprendizaje, reconocimiento de patrones, luego se desarrolla el concepto de agente inteligentes, sus propiedades y se incide en el concepto de comportamiento de agentes, en cada caso se presenta ejemplos que consolidan lo aprendido. En la segunda parte del curso se desarrollan los agentes evolutivos, que tiene por finalidad resolver problemas de optimizacin donde no se conoce la funcin a optimizar o esta funcin es probabilsticas. En la tercer parte del curso se aplica los conceptos de aprendizaje y reconocimiento de patrones mediante la implementacin de redes neuronales perceptron y de retropropagacin. Finalmente se busca integrar todos estos conceptos en un solo gran proyecto del curso, desarrollndose un sistema multiagente donde ahora el problema del programador es como sincronizar, coordinacin y negociar entre los agentes para lograr el objetivo para el cual se ha construido. Como herramientas de trabajo los alumnos hacen uso de los lenguajes Matlab, Java y otros. Al final del curso cada grupo de alumnos desarrollarn la simulacin de un agente, su iteracin con su medio ambiente y se identifica su comportamiento, este agente debe ser expuesto en una clase magistral al finalizar el curso.

III.

OBJETIVOS.

Objetivos Generales. Al final del curso los alumnos estarn en capacidad de: 1. Diferenciar los conceptos de sistema inteligente y sistema de informacin. 2. Diferenciar los conceptos de informacin y de conocimiento. 3. Diferenciar los tipos de agentes. 4. Disear agentes evolutivos, conexionistas y de visin artificial. 5. Implementar sistemas multi-agente. Objetivos Conceptuales. 1. Inteligencia Artificial. 2. Conocimiento y Aprendizaje 3. Agentes y Comportamiento 4. Reconocimiento de Patrones 5. Agentes Evolutivos 6. Agentes Conexionistas 7. Procesamiento de Imgenes 8. Sistemas Multiagente Objetivos Procedimentales. 1. Analiza las deferentes definiciones de la IA y sus dimensiones. 2. Identifica las tcnicas de los Sistemas Inteligentes y sus aplicaciones. 3. Representa cierta actividad humana como un problema de Agentes Inteligentes. 4. Elabora programas con un leguaje de programacin para inteligencia artificial. 5. Analiza y justifica las soluciones obtenidos por un agente inteligente. Objetivos Actitudinales. 1. Juzga la existen de la Inteligencia Artificial. 2. Juzga los paradigmas conexionistas y simblicos de la Inteligencia Artificial. 3. Expresa la diferencia entre los Sistemas Inteligentes y los Sistemas de Informacin. 4. Valora la importancia de los Sistemas Inteligentes y sus aplicaciones. 5. Expresa la forma de representar el conocimiento declarativo y procedimental. 6. Expresa su punto de vista y acepta la crtica de los dems.

IV.

PRE-REQUISITOS.

Para llevar este curso se recomienda que los alumnos tengan experiencia y conocimiento en los siguientes dominios. 1. Conocimientos de algoritmia. 2. Conocimientos de sistemas de informacin. 3. Conocimientos de estructuras de datos (listas, rboles y pilas). 4. Conocimientos bsicos de lgica proposicional (algebra booleana). 5. Conocimientos bsicos de complejidad computacional.

V.

MAPA CONCEPTUAL.

El Mapa Conceptual establece las unidades o mdulos en los que est dividido el curso y la relacin que existe entre ellos, permite tener una visin panormica del curso:

Conocimiento Aprendizaje

Agentes Evolutivos

Inteligencia Artificial

Agentes

Agentes Conexionistas

Sistemas Multiagente

Reconocimiento de Patrones

Procesamiento de Imgenes

1. Inteligencia Artificial, presenta el dominio del curso brindando conceptos acerca de la inteligencia artificial, sus limitaciones, posibilidades y tcnicas.. 2. Conocimiento y Aprendizaje. se expone la definicin de conocimiento en relacin a los conceptos de datos e informacin, por otro lado se expone la forma cmo el conocimiento se adquiere y se representa. 3. Agentes. Se exponer el concepto y las las propiedades de los agentes, los tipos de agente y su comportamiento. se brinda los conceptos necesarios para implementar agentes reflejo simple y agente con memoria interna. 4. Reconocimiento de Patrones. Se brinda los conceptos relacionados al reconocimiento de patrones, a su identificacin y procesamiento automtico. 5. Agente evolutivos, presenta los conceptos necesarios para entender el problema de la complejidad algortmica y como implementar algoritmo para efectuar bsquedas mediante algoritmos evolutivos. 6. Agentes Conexionistas, desarrolla los conceptos bsicos acerca de las redes neuronales y la teora del aprendizaje automtico. 7. Procesamiento de Imgenes, introduce los conceptos bsicos acercar del procesamiento de imgenes tales como transformaciones, filtros. 8. Sistemas Multiagente, introduce los conceptos bsicos acercar de la coordinacin y sincronizacin para que mltiples agentes logren un objetivo comn.

VI.

PROCEDIMIENTOS DIDACTICOS.

Para el desarrollo del curso se recurrir a diferentes estrategias de aprendizaje que incluyen: 1. Las sesiones de clase son expositivo-prcticas, se recomienda a los alumnos descargar las transparencias disponibles en la pgina del curso y llevarlas impresas. 2. Los alumnos debern de leer las referencias indicadas para cada sesin de clase, no es suficiente con leer las transparencias. 3. Durante el desarrollo del curso de toman dos exmenes: parcial y final. 4. La evaluacin del proceso consiste de 4 prcticas, 4 controles de lectura y un trabajo grupal, no se elimina ninguna prctica, control de lectura ni trabajo grupal. 5. Los controles de lectura son material abierto (el alumno tiene a la mano el impreso del documento)y se efectan siempre a 5 minutos de iniciado la hora de clase con una duracin de 15 minutos. 6. Las prcticas pueden ser en aula de clases o domiciliaria. 7. Las fechas programadas no se pueden mover, se penaliza la entrega fuera de tiempo, todos los entregables del trabajo final deben ser hechos los das sbados en el rea de sistemas. 8. La ltima semana del curso se dedica a la exposicin en una clase magistral de los trabajos grupales desarrollados por los alumnos. 9. La ltima semana del curso los alumnos exponen sus trabajos a la comunidad FIIS en una feria de trabajos. 10. La comunicacin con los profesores se hace por medios electrnicos, para lo cual los alumnos se suscribirn a una lista de inters, es responsabilidad de alumnos esta suscripcin, dado que por este medio se enviarn las observaciones, prcticas domiciliarias, programas fuentes y otras sugerencias. 11. La formacin de grupos es exclusiva responsabilidad de los alumnos, el profesor no interviene en su conformacin, reorganizacin o disolucin, por lo que no es excusa para la no entrega de trabajos el hecho que el grupo se disuelva. 12. Se sanciona ejemplarmente la deshonestidad intelectual, tales como: Copia de trabajos de terceros (total o parcialmente). Entrega de trabajos bajados de Internet (total o parcialmente). Trabajos desarrollados por terceros.

VII.

PROGRAMACIN DE CLASES. Prcticas Lecturas Trabajo Final

Fecha S Tema 30-ago 1 Introduccin a la IA 06-sep 2 Conocimiento y Aprendizaje 13-sep 3 Agentes y Comportamiento 20-sep 4 Reconocimiento de Patrones 27-sep 5 Agentes Evolutivos 04-oct 11-oct 18-oct 25-oct 6 Agentes Evolutivos 7 Agentes Conexionistas 8 Examen Parcial 9 Agentes Conexionistas

L1. Agentes, Aprendizaje P1. Comportamiento de Agentes L2. Agentes Evolutivos

E1. Propuesta

E2. Diseo de agentes

P2. Agentes Evolutivos

E3. Prototipo 1

L3. Agentes Conexionistas

01-nov 10 Agentes Conexionistas 08-nov 11 Procesamiento de Imgenes 15-nov 12 Procesamiento de Imgenes 22-nov 13 Procesamiento de Imgenes 29-nov 14 Sistemas Multiagente 06-dic 15 Exposicin de Trabajos 13-dic 16 Examen Final 20-dic 17 Examen Sustitutorio P3. Agentes Conexionistas L4. Procesamiento de Imgenes E5. Prototipo 3 P4. Procesamiento de Imgenes E6. Exposicin Final E4. Prototipo 2

VIII. TRABAJO FINAL El trabajo final del curso consiste en desarrollar un sistema multiagente que integre al menos dos de los agentes desarrollados en el curso. En el trabajo final los alumnos deben demostrar el manejo de conceptos tales como: agente, razonamiento, conocimiento, aprendizaje, coordinacin y sincronizacin. Por medio de este trabajo los alumnos demuestran las habilidades adquiridas a travs del curso para desarrollar un agente inteligente.

El trabajo final no consiste en el desarrollo de un sistema de informacin, se trata de desarrollar un sistema inteligente que demuestre propiedades de auto-aprendizaje y coordinacin (propiedades que no pueden tener los sistemas basados en informacin), adems de estar orientada a la solucin de problemas especficos. Para el desarrollo de este proyecto final los alumnos pueden hacer uso del lenguaje de programacin de su preferencia, el profesor hace entrega a los alumnos de programas fuentes de rutinas especiales que puedan tomar mucho tiempo en su desarrollo. Los grupos estarn conformados por 4 alumnos, entre los cuales se elegir un lder, la formacin de grupos es exclusiva responsabilidad de los alumnos, el profesor no interviene en ningn motivo en la incorporacin, retiros o disolucin del grupo. Solo se les recomienda formar grupos con alumnos responsables y con buenos conocimientos de algoritmia. La evaluacin del trabajo final consiste en: 1. Entrega gradual de 5 avances cuyas fechas estn programadas y son cancelatorias no se pueden entregar fuera de fecha y no se pueden mejorar - y siempre se efectan en la ltima hora de la ltima sesin de clase de la semana. La fecha de entrega no se pueden modificar por razones ajenas a la universidad como feriados o paros. 2. Exposicin magistral en la ltima semana del curso, donde los alumnos exponen el procedimiento de solucin aplicado al problema, explicando paso a paso cmo han resuelto el problema planteado. No se trata de hacer una demo para ver qu hace el sistema multiagente sino explicar cmo es que el sistema hace para cumplir sus objetivos. En esta oportunidad los alumnos deben lograr que el sistema multiagente efectu sus tareas sin la intervencin de los humanos. 3. Los entregables son los siguientes: E1. Propuesta. Se plantea el problema a resolver, marco conceptual y referencias bibliogrficas, seleccin de los agentes a desarrollar y planteamiento de la solucin. E2. Diseo de agentes. El grupo identifica los tipos de agentes que implementar, indentifica sus componentes, la medida de rendimientos, las propiedades relacionadas con su comportamiento, los mecanismos de adquisicin de datos y los efectores que usarn. E3. Prototipo 1. Segn los alcances planteados en el planteamiento de la solucin. E4. Prototipo 2. Mejoras segn las observaciones efectuadas por el profesor. E5. Prototipo 3. Mejoras segn las observaciones efectuadas por el profesor. E6. Exposicin Final. Exposicin final integrando los mdulos desarrollados previamente. 4. Todos los programas y documentos obtenidos como resultado de su proyecto sern publicados en la pgina del curso.

IX.

EQUIPOS Y MATERIALES. Proyector Multimedia. Pizarra. Computadoras personales.

X.

SOFTWARE. Matlab C++ Weka Java Otros lenguajes a eleccin y conocimiento de los alumnos.

XI.

EVALUACIN.

La nota final del curso se obtiene de la forma siguiente: PF = EC +EP + EF 3 Donde: EC = (P1 + P2 + P3+ P4) / 4 P1 = P1*0.6 + E1*0.3 + L1*0.1 P2 = P2*0.4 + E2*0.5 + L2*0.1 P3 = P3*0.3 + (E3+E4)/2*0.6 + L3*0.1 P4 = P4*0.2 + E5*0.4 + E6*0.3 + L4*0.1 Donde: P1, P2, P3, P4 L1, L2, L3, L4 E1, E2, E3,E4, E5, E6 P1, P2, P3, P4

prcticas efectuadas en el curso controles de lectura. entregables del trabajo final. nota de prctica que se registrar en el aplicativo de notas

No se puede eliminar ninguna nota del curso.

XII.

FUENTES DE INFORMACIN.

TEXTOS BASE: 1. Artificial Intelligence: A Modern Approach. Second Edition, Stuart Russell, Peter Norvig, Prentice Hall, 2003. http://aima.cs.berkeley.edu/ LIBROS DE CONSULTA: 1. Artificial Intelligence: Structures and Strategies for Complex Problem Solving. George F. Luger, William Stubblefield, Benajming Cummings, 1997. http://www.cs.unm.edu/~luger/ 2. Artificial Intelligence. Elaine Rich, Kevin Knight, McGraw Hill, 1991. http://greta.cs.ioc.ee/yik/lib/22/Rich1.html 3. Inteligencia Artificial, Conceptos, Tcnicas y Aplicaciones. Jos Mompin Poblete. Edit. Marcombo Barcelona. 4. Inteligencia Artificial. Una nueva sisntesis. Nils J. Nilsson. McGraw-Hill. 2001. Espaa. Expert Systems. Giarratano Riley 5. Heuristics: Intelligent Search Strategies for Computer Problem Solving. Judea Pearl.