FIS

Inteligencia artificial

DATOS GENERALES

	Código	ICCD713
	Pensum	2020
	Horas semanales	9
	Tipo	Obligatoria
	Asignaturas pre-requisitos	ICCD442-Estructura de Datos y Algoritmos II
	Asignaturas co-requisitos	Ninguna
	Unidad de organización curricular	Unidad Profesional

RESULTADOS DE APRENDIZAJE

	De conocimiento	Discriminar la base teórica en el campo de la inteligencia artificial (agentes, lógica, razonamiento probabilístico), a fin de identificar los retos de investigación en esta área y sus aplicaciones en el campo profesional.
	De destrezas	Diseñar e implementar representaciones de conocimiento para hacer inferencias lógicas y/o probabilísticas aplicables en problemas del mundo real para responder racionalmente a un estímulo externo, considerando su implementación en programas de agente que generen comandos inteligentes en diversos entornos.
	De valores y actitudes	Demostrar altos estándares de honestidad intelectual para proponer nuevos modelos y/o aplicaciones a partir de las técnicas Inteligencia Artificial tratadas en el curso.

CONTENIDO

Capítulo 1	Introducción a la inteligencia artificial	Conceptos generales relativos a la IA; Fundamentos e historia de IA, y Aplicaciones y estado del arte de IA.
Capítulo 2	Agentes inteligentes	Definición de inteligentes; Arquitecturas y programas de agentes; Agentes de búsqueda de soluciones; Búsqueda sin información; Problemas de búsqueda sin información, y Búsqueda sin sensores.
Capítulo 3	Búsqueda con heurísticas	Funciones heurísticas y algoritmos voraces de búsqueda; Algoritmo A*; Búsquedas locales; Temple simulado, y Algoritmos genéticos.
Capítulo 4	Búsqueda con adversarios y juegos	Búsqueda de solución de juegos; El algoritmo Minimax; Poda Alfa-Beta, y Juegos estocásticos.
Capítulo 5	Problemas de satisfacción de restricciones	Introducción a problemas de satisfacción de restricciones; Problema criptoaritmético; Bactracking; Propagación de restricciones, y Estructura de los problemas.
Capítulo 6	Agentes lógicos	Agentes basados en conocimiento; El mundo de Wumpus; El agente lógico; Reglas de inferencia; Verificación de modelos e inferencia; Prueba de teoremas y validación por resolución; Conversión a FNC y algoritmo de resolución; Encadenamiento hacia adelante y hacia atrás; Lógica de primer orden.
Capítulo 7	Razonamiento probabilístico	Representación del conocimiento en dominios inciertos; Semántica de redes Bayesianas; Representación de distribuciones condicionales; Inferencia exacta en redes bayesianas, y Inferencia aproximada en redes bayesianas.