Sistemas Inteligentes

Información Básica

  • Créditos: 3
  • Horas de trabajo acompañado: 5 / semana (3 horas clase, 2 horas taller)
  • Horas de trabajo independiente: 4 / semana
  • Pre-requisitos:
  • Tipo de curso: Núcleo de Formación Fundamental.

Descripción del Curso

Las técnicas de Inteligencia artificial están presentes en una variedad de aplicaciones computacionales actuales, ya que contribuyen a mejorar su capacidad de interacción, de razonamiento o de actuación. Estas soluciones son más útiles para las personas bien sea porque ofrecen una forma de interacción más natural o porque permiten resolver problemas más complejos al exhibir comportamientos avanzados como la capacidad de deducir nuevo conocimiento, decidir autónomamente un curso de acción para alcanzar un objetivo, o aprender de su experiencia. El propósito de este curso es acercarnos a las técnicas que subyacen al desarrollo de los sistemas inteligentes para estar en capacidad de aplicarlas; también identificar las capacidades actuales y los problemas aun no resueltos en el área; construir una opinión informada sobre el nivel de inteligencia de los sistemas inteligentes actuales y finalmente, identificar el potenciar innovador de la utilización de estas técnicas en los productos de software que la sociedad demanda de manera creciente.

Objetivos

Al finalizar el curso los participantes podrán:

  1. Definir qué es un comportamiento inteligente.
  2. Argumentar sobre las consideraciones filosóficas y éticas del desarrollo de sistemas inteligentes.
  3. Diseñar un sistema basado en agentes.
  4. Identificar las ventajas y desventajas de diferentes técnicas de búsqueda para aplicarlas a la solución de una tarea específica.
  5. Plantear un problema dado para ser resuelto como problema de satisfacción de restricciones o dar un argumento claro que explique porqué, en caso que esto no sea posible.
  6. Implementar un algoritmo genético.
  7. Identificar las ventajas y desventajas de los siguientes modelos estocásticos: redes de Bayes, cadenas de Markov, modelos ocultos de Markov, gramáticas estocásticas.
  8. Dada una tarea específica, argumentar cuál de las técnicas estocásticas mencionadas puede ser más adecuada para modelarla.
  9. Aplicar una técnica estocástica al modelado de un problema específico.
  10. Deducir una expresión del cálculo de predicados a partir de una base de conocimiento expresada del mismo modo, usando el método hacia delante.
  11. Deducir una expresión del cálculo de predicados a partir de una base de conocimiento expresada del mismo modo, usando el método hacia atrás.
  12. Deducir una expresión del cálculo proposicional a partir de una base de conocimiento expresada del mismo modo, usando el método de resolución.
  13. Implementar cualquiera de los tres métodos de deducción mencionados usando programaciùn funcional.
  14. Definir las métricas de evaluación de clasificadores: sensitivity, specificity y accuracy; curvas ROC.
  15. Evaluar un clasificador con respecto a las métricas indicadas en el punto anterior.
  16. Evaluar qué técnica de aprendizaje supervisado es la más indicada para abordar una tarea específica, considerando: clasificador lineal, red neuronal artificial, máquina de vectores de soporte.
  17. Evaluar qué técnica de aprendizaje no supervisado es la más indicada para abordar una tarea específica, considerando: aprendizaje EM, k vecinos más cercanos, mapas autoorganizados.
  18. Implementar una técnica de aprendizaje automático en programaciùn funcional.
  19. Definir en qué consiste el problema de sobreentrenamiento (overfitting)
  20. Definir en qué consiste la maldición de la dimensionalidad y explicar qué se debe hacer para minimizar su impacto en un sistema de aprendizaje automático.
  21. Argumentar su opinión propia frente a la capacidad de desarrollar sistemas computacionales que exhiban formas de comportamiento inteligente y a la oportunidad de construirlos.

Se desarrollan competencias en

  1. Expresión oral y escrita
  2. Aprendizaje para toda la vida
  3. Programación funcional

Contenido

Capítulo 1: Introducción

Sesión Horas teóricas Prácticas acompañadas Temas Profundidad Bibliografía
1 1,5 1 Presentación del curso, sistemas inteligentes actuales, qué es un comportamiento inteligente?, características de un sistema inteligente Familiaridad [1 caps 1][2 caps 1]
2 1,5 1 Determinar las características de un problema dado que se pueden resolver con un sistema inteligente Assessment [2 caps 1]
3 1,5 1 Diseño de agentes computacionales Uso [2 caps 1]
4 1,5 1 Diseño de agentes computacionales Uso [2 caps 1]

Total de Horas: 10.

Capítulo 2: Solución de Problemas Mediante Búsqueda

Sesión Horas teóricas Prácticas acompañadas Temas Profundidad Bibliografía
5 1,5 1 Búsqueda exhaustiva Uso [2 caps 3][1 caps 3, 4]
6 1,5 1 Búsqueda heurística Uso [2 caps 3][1 caps 3, 4]
7 1,5 1 Búsqueda minimax para juegos de dos jugadores, poda alfa-beta Familiaridad [1 caps 5]
8 1,5 1 Búsqueda por satisfacción de restricciones Uso [2 caps 4][1 caps 6]
9 1,5 1 Búsqueda local Uso [2 caps 3]
10 1 1,5 Comparación entre métodos de búsqueda, implementación Evaluación

Total de Horas: 15.

Capítulo 3: Representación del conocimiento

Sesión Horas teóricas Prácticas acompañadas Temas Profundidad Bibliografía
11 1,5 1 Razonamiento probabilístico: repaso de probabilidad condicional, teorema de Bayes Uso [1 caps 13, 14][2 caps 6]
12 1,5 1 Redes de Bayes, método de Montecarlo Uso [1 caps 15]
13 1,5 1 Cadenas de Markov Uso [1 caps 15]
14 1,5 1 Modelos ocultos de Markov Uso [1 caps 15]
15 1,5 1 Comparación de técnicas estocásticas Evaluación [1 caps 15]
16 1,5 1 Razonamiento deductivo, repaso cálculo proposicional y de predicados Uso [2 caps 5]
17 1,5 1 Teorema de resolución en cálculo proposicional Uso [1 caps 7][2 caps 5]
18 1,5 1 Deducción hacia delante en cálculo de predicados Uso [1 caps 8,9]
19 1,5 1 Deducción hacia atrás en cálculo de predicados Uso [1 caps 8,9]
20 1,5 1 Implementación de métodos de deducción Uso [1 caps 8,9]
21 1,5 1 Taller sobre deducción automática Uso [1 caps 8,9]

Total de Horas: 27,5.

Capítulo 4: Aprendizaje automático

Sesión Horas teóricas Prácticas acompañadas Temas Profundidad Bibliografía
22 1,5 1 Conceptos básicos: aprendizaje inductivo, estrategias: supervisada, no supervisada, por refuerzo Familiaridad [2 caps 7][1 caps 18]
23 1,5 1 Planteamiento de una tarea para ser resuelta mediante aprendizaje automático. Diferencia entre aprendizaje inductivo y deductivo Uso [1 caps 18]
24 1,5 1 Planteamiento de una tarea para ser resuelta mediante aprendizaje automático. Diferencia entre aprendizaje inductivo y deductivo Uso [1 caps 18]
25 1,5 1 Implementación del clasificador ingenuo de Bayes. Métricas de evaluación del desempeño de un clasificador. El problema de sobreentrenamiento, la maldición de la dimensionalidad Uso [1 caps 18]
26 1,5 1 Aprendizaje estadístico, máxima verosimilitud Familiaridad [1 caps 15]
27 1,5 1 Aprendizaje supervisado: árboles de decisiones, redes neuronales artificiales Familiaridad [1 caps 15]
28 1,5 1 Aprendizaje no supervisado: mapas autoorganizados, k-vecinos más cercanos Familiaridad [1 caps 15]
29 1,5 1 Aprendizaje por refuerzo, maximización de la utilidad acumulada Familiaridad [1 caps 15]
30 1,5 1 Evaluación del desempeño de clasificadores: métricas de desempeño Familiaridad [1 caps 15]
31 2,5 Primer parcial
32 2,5 Segundo parcial

Total de Horas: 27,5.

Integración Curricular

Resultados de Programa (ABET)

(A) La habilidad para aplicar conocimientos de matemáticas, ciencias e ingeniería.

(B) La habilidad para analizar un problema e identificar los requerimientos necesarios para su definición y solución.

(C) La habilidad para diseñar, implementar y evaluar procesos y sistemas computacionales.

(D) La habilidad para funcionar en equipos de trabajo.

(E) El entendimiento de la responsabilidad profesional y ética.

(F) La habilidad para comunicarse efectivamente.

(G) La habilidad para analizar los impactos de la computación y la ingeniería en las personas, organizaciones y la sociedad.

(H) El reconocimiento de la necesidad de, y la habilidad para, continuar con el desarrollo profesional.

(I) La habilidad para usar las técnicas, destrezas y herramientas modernas para la práctica de la computación.

(J) La habilidad para aplicar los fundamentos y principios de las matemáticas y de la computación en el modelamiento y diseño de sistemas computacionales de manera que se demuestre comprensión de las ventajas y desventajas en las decisiones de diseño.

(K) La habilidad para aplicar los principios de diseño y desarrollo de software en la construcción de sistemas de diferente complejidad.

Relevancia del curso con los resultados de programa

Resultados de Programa
A B C D E F G H I J K
Relevancia 5 4 4 1 3 3

Escala: (1) baja relevancia - (5) alta relevancia.

Integración de objetivos, contenido y metodología del curso

Resultados del Programa Indicadores de Desempeño Objetivos/Contenido del Curso Actividades de aprendizaje Instrumentos de medición
(A) Aplicación de Conocimientos (A1) Identificar los fundamentos científicos y los principios de ingeniería que rigen un proceso o sistema. (Conocimiento) (A2) Resolver problemas relacionados con la disciplina y otras áreas por medio de la utilización de conocimientos, modelos y formalismos de las ciencias de la computación, las matemáticas y la ingeniería. (Aplicación) (A3) Analizar conjuntos de datos. (Análisis) Capítulo 1 Exposiciones del profesor, solución de ejercicios y lecturas Exámenes
(C) Diseño (C1) Utilizar estándares de codificación en la implementación de componentes de software. (Aplicación). (C2) Identificar componentes, interacciones, relaciones e interfaces entre componentes. (Análisis). Capítulos 2,3,4 Solución de ejercicios y lecturas Proyectos y tareas
(F) Comunicación efectiva (F1) Producir textos de manera efectiva teniendo en cuenta la estructura, coherencia, flujo, ortografía y correcto uso del lenguaje. (Aplicación). (F2) Comunicarse de manera efectiva de acuerdo al público objetivo haciendo uso correcto del lenguaje, estilo, tiempo y expresión corporal. (Aplicación). (F3) Utilizar recursos gráficos para comunicar y expresar una idea. (Aplicación). (F4) Defender ideas con precisión y claridad. (Evaluación). Capítulos 2,3,4 Proyectos y tareas Presentaciones orales y reportes escritos
(H) Desarrollo profesional. (H1) Reconocer la importancia del conocimiento tanto en amplitud como en profundidad. (Compresión). Capítulo 1 Tareas Tareas
(I) Uso de herramientas y técnicas (I1) Utilizar herramientas de desarrollo de software. (Aplicación). (I2) Utilizar herramientas de diseño, modelamiento y simulación. (Aplicación). (I3) Combinar herramientas de software y hardware para resolver un problema. (Síntesis). (I4) Demostrar flexibilidad para adaptarse a diferentes paradigmas y lenguajes de programación. (Valuación). Capítulos 2,3,4 Laboratorios y lecturas Proyecto y tareas
(J) Modelamiento y diseño de sistemas computacionales (J1) Reconocer la importancia del modelamiento cuando se resuelve un problema. (Compresión). (J2) Relacionar conceptos y principios teóricos para la resolución efectiva de un problema. (Síntesis). Capitulos 2,3,4 Lecturas Proyectos y tareas

Contribución al Desarrollo de Competencias (CNA)

Resultados de Programa
A B C D E F G H I J K
Ciudadanía
Comunicación escrita 4
Lectura crítica 4
Inglés 4
Razonamiento cuantitativo 5 4 3 3

Contribución a los objetivos educacionales

La Carrera de Ingeniería de Sistemas y Computación plantea los siguientes objetivos educacionales, El estudiante graduado de la carrera será capaz de:

  1. Ejercitar la práctica de la Ingeniería de Sistemas y Computación profesionalmente.
  2. Diseñar y operar sistemas de computación que contribuyen a la solución de problemas relacionados a la disciplina, otra área de la ciencia y la ingeniería u otras disciplinas.
  3. Contribuir al bienestar de las comunidades desde posiciones prominentes en la industria, academia, sector público o como un emprendedor.
  4. Ser distinguido por su bases sólidas en computación, su sentido de ciudadanía responsable, su profesionalismo y liderazgo.
  5. Continuar su desarrollo profesional o involucrarse en estudios de posgrado.
Resultados de Programa
A B C D E F G H I J K
Objetivo 1
Objetivo 2
Objetivo 3
Objetivo 4
Objetivo 5

Recomendaciones del Director del Programa

Reglas del curso

Calificación y Balance de Evaluación del Curso

Instrumento Porcentaje A B C D E F G H I J K
Parcial 1 20 % 15 % 5%
Parcial 2 20 % 10 % 5% 5%
Parcial 3 20 % 8 % 10% 2%
Proyecto 25 % 10 % 10 % 5 %
Talleres 15 % 13 % 2%

Uso de material en exámenes

Asistencia

Bibliografía

  1. Russell Stuart, Norving Peter. Artificial Intelligence, A Modern Approach. Ed 3. Prentice Hall. 2010.
  2. Poole L. David, Mackworth Alan K. Artificial Intelligence. Fundations of Computer Agents. Cambridge University Press. 2010.
  3. O’Hare G.M.P, Jennings N.R. Foundations od distributed artificial intelligence. Johm Wiley & Sons. 1996.
  4. Duda Richard O, Hart Peter E, Sork David G. Pattern classification. John Wiley & Sons. 2ed. 2001.
  5. Webb Andrew R. Statistical pattern recognition. John Wiley & Sons. 2ed. 2002.

Instalaciones

Salón de clase con computador y proyector. Laboratorio de Ingeniería de Sistemas y Computación.

Material de este semestre

 
materias/sistemasinteligentes.txt · Última modificación: 2016/08/17 15:27 por galvarez
Recent changes RSS feed Donate Powered by PHP Valid XHTML 1.0 Valid CSS Driven by DokuWiki