UNIVERSIDAD PERUANA LOS ANDES

Filial - lima
FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERIA DE SISTEMAS Y
COMPUTACIN

SILABO
I.

DATOS GENERALES:
Unidad de Ejecucin Curricular
Cdigo
Crditos
rea de formacin
Nivel Acadmico
Total de horas por semana
Horas de Teora
Horas de Prctica
1.7. Inicio de semestre
1.8. Finalizacin de semestre
1.9. Prerrequisito
1.10. Plan de estudios
1.11. Semestre acadmico
1.12. Docentes
1.1.
1.2.
1.3.
1.4.
1.5.
1.6.

II.

:INTELIGENCIA ARTIFICIAL
: 333A4
:3
: Tecnolgica Bsica
:X
:4
:2
:2
: 01-04-14
: 31-07-14
: Ninguna
: 2007 R
: 2014 I
: Ing. Pierre Loncn Salazar
ingeniero_loncan@yahoo.com

SUMILLA:
Unidad de ejecucin curricular de naturaleza terico - prctico, pertenece al rea de
tecnolgica bsica, se orienta a dar los conocimientos de modelos que nos permiten
reproducir la forma de razonamiento humano para aplicarla en la solucin de problemas
reales, mediante el desarrollo de software aplicativo. Su temtica comprende: representacin
del conocimiento - estrategias de bsqueda. sistemas expertos. - sistemas expertos y
bases de datos tcnicas de inteligencia artificial: redes neuronales, lgica difusa, algoritmos
genticos.

III.

RASGO DEL PERFIL DEL EGRESADO QUE SE RELACIONA CON LA UNIDAD DE

EJECUCION CURRICULAR
Analiza, modela y simula los sistemas organizacionales bajo el enfoque sistmico, para
optimizar los procesos, la toma de decisiones y plantea estrategias de desarrollo
sostenido.

Domina y utiliza tecnologas de informacin para implementar soporte a la toma de

decisiones en las organizaciones.

IV.

OBJETIVO GENERAL:
Promover el desarrollo de soluciones informticas para atender las necesidades
empresariales para la toma de decisiones.

V.

OBJETIVOS ESPECFICOS:
1. Aplicar los fundamentos de la inteligencia artificial, caractersticas, agentes
inteligentes y estrategias de bsqueda para IA. Realizando todo tipo de
representaciones para la bsqueda de soluciones
2. Aplicar los fundamentos de los sistemas expertos, los mtodos de inferencia
desarrollando sistemas.
3. Aplicar la teora de la certeza y la lgica difusa para en el desarrollo de sistemas con
lgica difusa.
4. Aplicar los fundamentos de redes neuronales, sus componentes, estructuras,
modelos y topologas en la implementacin de un RNA.

VI.

CRONOGRAMA Y CONTENIDOS

PRIMERA UNIDAD: INTELIGENCIA ARTIFICIAL Y EL CONOCIMIENTO

% DE
SEMANA
CONTENIDO
AVANCE

Definicin y visin panormica de la Inteligencia Natural y la

Inteligencia Artificial, caractersticas, dominios de aplicacin de
la IA. Tendencias de la IA.

4.5

Agentes, definicin, estructura, tipologas. Agentes Inteligentes,

estructura y entorno.

Problema de bsqueda para IA. Desarrollo del anlisis del

problema de bsqueda. Estrategias de Bsqueda no informada o
bsqueda a ciegas. Estrategias de Bsqueda informada o
bsqueda heurstica.
Formalismos de representacin y razonamiento del
conocimiento, base de conocimiento, representacin, lgica
clsica, reglas, otras formas de representacin del conocimiento.

1
2
3

10

13

SEGUNDA UNIDAD: SISTEMAS EXPERTOS

5

6
7

Definicin y anlisis de un sistema experto. Arquitectura de un

sistema experto.
Mtodos de inferencia de un sistema experto. Motor de
inferencia Backward Chaining o con encadenamiento hacia
atrs.
Consideraciones para el desarrollo de un sistema experto.

20
32
35

8
9

EXAMEN PARCIAL

10
11

Desarrollo de un sistema experto con motor de inferencia

Backward Chaining.

Mtodos de inferencia de un sistema experto. Motor de

inferencia Forward Chaining o con encadenamiento hacia
adelante. Consideraciones para el desarrollo de un sistema
experto.
Desarrollo de un sistema experto con motor de inferencia
Forward Chaining.

Construccin de Sistemas expertos de utilidad.

12
TERCERA UNIDAD: LOGICA DIFUSA

13

Teora de la certeza, factor de certeza. Lgica difusa, desarrollo

de un sistema difuso.

Implementacin de un sistema difuso.

14
CUARTA UNIDAD: REDES NEURONALES

15
16
17
VII.

Redes neuronales, componentes, estructura, modelos,

topologas. Entrenamiento y aprendizaje. Implementacin de una
RNA
Exposicin y sustentacin de proyectos.

EXAMEN FINAL

ESTRATEGIAS METODOLGICAS:
En las sesiones de clase se utilizarn:
7.1. Estrategias:
Potenciar una actitud activa.
Sintetizar las ideas.
Discusin dirigida (expresin oral, comprensin lectora, expresin escrita)
Expositiva-demostrativa.
Investigacin bibliogrfica .

7.2.

Mtodos:
Inductivo-deductivo.
Activos: individualizados, colectivizados, globales.
Heurstico, vivenciales.

7.3.

Tcnicas:
Expositivo, dialogado.
Grupales
Lluvia de ideas

VIII.

RECURSOS Y MATERIALES:
8.1 Medios:

40
45
55

57
65

70
75

85
90
100

 Visuales
Audiovisuales
8.2 Materiales:
Videos
Equipo Multimedia
Internet
Plumones, pizarra.
IX.

EVALUACIN:
9.1 Requisitos de aprobacin:

Asistencia obligatoria a las clases tericas y prcticas en un mnimo del 70%

Obtener nota final 10.5

9.2 Primer parcial:

1 Examen parcial (1EP): Del 19 al 23 de Mayo

Tarea Acadmica 1 (T.A. 1)

* Prcticas calificadas (segn cronograma)
* Prcticas dirigidas (opcional)
* Trabajo de investigacin o monografa

9.3 Segunda parcial:

2 Examen parcial (2EP): Del 21 al 26 de Julio

Tarea Acadmica 2 (T.A. 2)

* Prcticas calificadas (segn cronograma)
* Prcticas dirigidas (opcional)
* Trabajo de investigacin o monografa

PPP

(1EP + T.A. 1)/2

SPP

(2EP + T.A. 2)/2

PF

(PPP+2SPP)/3

PPP

Primer Promedio Parcial

SPP

Segundo Promedio Parcial

T.A.

Tarea Acadmica

PF

Promedio Final

MATRIZ DE EVALUACIN
OBJETIVOS ESPECFICOS

INDICADORES DEL LOGRO

5.1 Aplicar los fundamentos de la

inteligencia artificial, caractersticas,
agentes inteligentes y estrategias de
bsqueda para IA. Realizando todo
tipo de representaciones para la
bsqueda de soluciones
5.2 Aplicar los fundamentos de los
sistemas expertos, los mtodos de
inferencia desarrollando sistemas.
5.3 Aplicar la teora de la certeza y la
lgica difusa para en el desarrollo de
sistemas con lgica difusa.
5.4 Aplicar los fundamentos de redes
neuronales, sus componentes,
estructuras, modelos y topologas en
la implementacin de un RNA.

Aplica los fundamentos de la

inteligencia
artificial,
caractersticas,
agentes
inteligentes y estrategias de
bsqueda para IA. Realizando
todo tipo de representaciones
para
la
bsqueda
de
soluciones
Aplica los fundamentos de los
sistemas
expertos,
los
mtodos
de
inferencia
desarrollando sistemas.
Aplica la teora de la certeza y
la lgica difusa para en el
desarrollo de sistemas con
lgica difusa.
Aplica los fundamentos de
redes
neuronales,
sus
componentes,
estructuras,
modelos y topologas en la
implementacin de un RNA.

INSTRUMENTOS DE
EVALUACIN

Lista de Cotejo
Practica Calificada

Gua de
Observacin
Examen Parcial

Lista de Cotejo
Practica Calificada

Gua de
Observacin
Examen Final

BIBLIOGRAFA:
LUGAR DE
AO DE
EDITORIAL
PUBLICACIN
PUBLICACIN

NUMERO
DE
UBICACIN
PGINAS
199
Mxico

AUTOR

TITULO

EDICIN

Benchimol, Guy;
Levine, Pierre y
Pomerol, Jean
Stuart Jonathan
Russell, Peter
Norvig, Juan Manuel
Corchado Rodrguez
Bonifacio Martn del
Bro, Alfredo Sanz
Molina

Los Sistemas
Expertos en la
Empresa
Inteligencia
artificial: un
enfoque
moderno
Redes
Neuronales y
Sistemas
Borrosos

1ra
Edicin

Mxico

Macrobit

1990

2da
Edicin

Mexico

Prentice
Hall

2004

1212

Mxico

1era
Edicin

Mxico

RA-MA

2006

404

Mxico

ELABORADO POR:

______________________________
Ing. CIP Pierre Loncn Salazar
DOCENTE
ingeniero_loncan@yahoo.com

REVISADO POR: ..
Comisin de Slabo

APROBADO POR: ..
Jefe de Departamento Acadmico