UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERÍAS

UNIVERSIDAD DE GUADALAJARA
CENTRO UNIVERSITARIO DE CIENCIAS EXACTAS E INGENIERÍAS
DIVISIÓN DE ELECTRÓNICA Y COMPUTACIÓN
DEPARTAMENTO DE CIENCIAS COMPUTACIONALES
DATOS GENERALES
CLAVE DE LA MATERIA
NOMBRE DE LA MATERIA
TIPO
CARÁCTER DEL CURSO
ÁREA DE FORMACIÓN
PRE-REQUISITOS
DEPTO. DE ADSCRIPCIÓN
ACADEMIA
CARGA HORARIA GLOBAL
CARGA HORARIA SEMANAL
VALOR EN CRÉDITOS
FECHA DE MODIFICACIÓN
CALENDARIO DE APLICACIÓN
OBJETIVO GENERAL
OBJETIVO ESPECÍFICO
CC415
INTELIGENCIA ARTIFICIAL
CURSO
OPTATIVO
OPTATIVA ABIERTA
CC307
CIENCIAS COMPUTACIONALES
TÉCNICAS MODERNAS DE PROGRAMACIÓN
60 HORAS
3 HORAS
8 CRÉDITOS
JULIO DE 2004
2006A
COMPRENDER LOS CONCEPTOS DE
LA INTELIGENCIA ARTIFICIAL;
ABORDANDO SU NATURALEZA,
ANTECEDENTES, DESARROLLO,
ÁREAS DE APLICACIÓN,
ESTRATEGIAS, TÉCNICAS,
LIMITACIONES Y EXPECTATIVAS
FUTURAS. ESTO PARA MANEJAR
EXITOSAMENTE EL
ENFRENTAMIENTO DE PROBLEMAS
COMPLEJOS A TRAVÉS DE UNA
COMPUTADORA.
EN CADA MÓDULO DEL CONTENIDO
TEMÁTICO PRINCIPAL
UNIVERSIDAD DE GUADALAJARA
DIVISIÓN DE ELECTRÓNICA Y COMPUTACIÓN
DEPARTAMENTO DE CIENCIAS COMPUTACIONALES
INTELIGENCIA ARTIFICIAL
CONTENIDO TEMÁTICO PRINCIPAL
Módulo 1. Conceptos Básicos sobre Inteligencia Artificial (IA) [8 horas]
Objetivo: El alumno comprenderá los orígenes, tendencias de uso y el futuro de la IA; para establecer
las bases formales sobre las cuales apoyar el resto de los conceptos de esta disciplina.
1.1. Definiciones [2 horas]
1.2. Fundamentos [2 horas]
1.3. Resumen Histórico [1 hora]
1.4. Sistemas Basados en Conocimiento [1 hora]
1.5. Futuro de la IA [2 horas]
Recomendaciones: Considerar el uso de dinámicas de clase que permitan la apertura mental hacia el
tipo de conceptos que se utilizan en la IA. Tarea sobre la historia de la IA.
Módulo 2. Redes Semánticas y la Representación del Conocimiento [8 horas]
Objetivo: El alumno comprenderá que uno de los principales desafíos de la IA, es la representación
óptima del conocimiento: mismo que frecuentemente se representa por medio de redes semánticas.
2.1. Definiciones de Conocimiento [2 horas]
2.2. Redes Semánticas [3 horas]
2.3. Métodos de Descripción y Pareamiento (MDP) [1 hora]
2.4. Otras técnicas de Representación del Conocimiento [2 horas]
Recomendaciones: Es importante revivir el concepto de Tipo de Datos Abstracto (TDA), las
Estructuras de Datos y el Desarrollo de Algoritmos. Principalmente los TDA: grafo y árbol. Como
tarea, ejercitar con algunas representaciones simples.
Módulo 3. Técnicas para Enfrentar los Problemas [9 horas]
Objetivo: Aplicar diferentes estrategias para enfrentar problemas concretos.
3.1. Definiciones [1 hora]
3.2. Tipos de problemas [2 horas]
3.3. Métodos de resolución [5 horas]
3.4. Verificación de restricciones [1 hora]
Recomendaciones: Revivir situaciones cotidianas que podrían ayudar comprender mejor los principios
para enfrentar problemas. Tareas sobre resolución de problemas clásicos y cotidianos. Al final del
módulo 3, se recomienda aplicar un examen parcial.
Módulo 4. Técnicas de Búsqueda [9 horas]
Objetivo: El alumno comprenderá que todo algoritmo inteligente se basa en una búsqueda dentro de un
espacio de estados que describen a un problema determinado. Asimismo, se aplicarán algunas de las
técnicas de búsqueda más conocidas.
4.1. Definiciones [2 horas]
4.2. Búsquedas Exhaustivas [4 horas]
4.3. Búsquedas Heurísticas [3 horas]
Recomendaciones: Revivir situaciones cotidianas podría ayudar comprender mejor los principios para
realizar búsquedas. La implementación de algunos algoritmos de búsqueda reforzará el aprendizaje en
esta sección. Tarea sobre implementación de algún algoritmo de búsqueda no implementado en clase.
Módulo 5. Planificación [7 horas]
Objetivo: El alumno comprenderá la importancia y los principios de planificación, así como la
aplicación de algunas técnicas para lograr una planificación efectiva.
5.1. Definición [2 hora]
5.2. Principios y Técnicas para la Planificación [3 horas]
5.3. Ejemplos de Planificación [2 horas]
Recomendaciones: Planificar sobre actividades cotidianas para mejorar la comprensión. Tareas sobre
la planificación de algunas actividades cotidianas. Al final del módulo 5, se recomienda el segundo
examen parcial.
Módulo 6. Técnicas Softcomputing [8 horas]
Objetivo: El alumno comprenderá los diferentes paradigmas de la IA que pueden utilizarse en la
resolución de problemas no-convencionales que normalmente debe enfrentar esta disciplina.
6.1. Sistemas Expertos [2 horas]
6.2. Redes Neuronales Artificiales [2 horas]
6.3. Lógica Difusa [2 horas]
6.4. Algoritmos Genéticos [2 horas]
Recomendaciones: Hacer una revisión de los diferentes paradigmas de la IA, así como algunos
ejemplos funcionales. Tareas sobre investigación en el estado del arte de algunas técnicas de
Softcomputing.
Módulo 7. Vertientes de la IA [10 horas]
Objetivo: El alumno comprenderá las diferentes vertientes de la IA, con el objeto de establecer los
principios y bases de creatividad que exige la IA.
7.1. Agentes [2 horas]
7.2. Robótica [2 horas]
7.3. En la educación [2 horas]
7.4. Procesamiento de Lenguaje Natural [2 horas]
7.5. Percepción-Acción (Sistemas Reactivos) [2 horas]
Recomendaciones: Hacer una revisión de los diferentes vertientes de la IA, así como algunos ejemplos
funcionales. Tareas sobre investigación en el estado del arte de algunas vertientes de la IA.
METODOLOGÍA DEL CURSO
- Sesiones teóricas
- Prácticas de laboratorio
EVALUACIÓN
20% Exámenes Parciales
10% Tareas de Investigación
70% Proyectos de Laboratorio
BIBLIOGRAFÍA BÁSICA
"Artificial Intelligence: A Modern Approach"
Russell, Stuart; Norvig, Peter
Segunda Edición, Diciembre 2002.
Ed. Pearson.
BIBLIOGRAFÍA COMPLEMENTARIA
"AI Application Programming"
Jones, Tim
Edición con Libro y CDROM (Marzo, 2003)
Ed. Charles River Media
"Sistemas Expertos, Principios y Programación"
Giarratano, Joseph; Riley, Gary
Tercera edición, 2001.
Ed. Thomson
"Neural Networks, A Comprehensive Foundation"
Haykin, Simon
Segunda Edición, 1999
Ed. Prentice Hall
"The Essence of Artificial Intelligence"
Cawsey, Alison
Primera Edición, 1998.
Ed. Pearson