1. ESPECIFICACIONES GENERALES
   
   • Nombre del Curso : INTELIGENCIA ARTIFICIAL
   • Código del Curso : 2020801
   • Duración del Curso : 17 semanas
   • Forma de Dictado : Técnico - experimental
   • Horas semanales : Teoría: 2h – Laboratorio: 4h
   • Naturaleza : Formación profesional
   • Número de créditos : Cuatro (04)
   • Prerrequisitos : 2020502 Estructura de Datos II
   • Semestre académico : 2015 – I
2. SUMILLA
   La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y servicios.
   Representación del conocimiento. Representación de problemas de IA como búsqueda en el espacio
   de estado. Métodos de búsqueda ciegos e informados. Juegos inteligentes hombre-máquina.
   Sistemas expertos, arquitectura, taxonomía y aplicaciones. Motor de Inferencia. Ingeniería de
   conocimiento, conceptos, evolución, Metodología CommonKADS. Calidad y Validación de
   Sistemas Expertos, Introducción a Machine Learning (Aprendizaje Automático) y heurísticas..
   Esta asignatura de formación profesional especializada tiene el propósito de revisar los fundamentos
   de la programación lógica, programación funcional, que permita desarrollar software basados en
   conocimiento usando lenguajes como el PROLOG, LISP, etc.
3. OBJETIVO GENERAL
   Los estudiantes adquirirán conocimientos del área de Inteligencia Artificial en general y
   desarrollarán aspectos básicos en el desarrollo de juegos inteligentes y de sistemas expertos, y su
   aplicación en la resolución de problemas inteligentes en los sectores de la industria y de servicios.
4. OBJETIVOS ESPECÍFICOS
   Al terminar el curso el alumno será capaz de:
   
   1. Comprender qué es la Inteligencia Artificial y la complejidad de sus
      problemas.
   2. Representar y resolver problemas de juego humano - máquina a través de
      técnicas de búsqueda en un espacio de estado.
   3. Conocer las diferentes estrategias de búsqueda ciega e informada.
   4. Diseñar y desarrollar software de juegos inteligentes con interacción
      humano-máquina y que usen técnicas de inteligencia artificial.
   5. Comprender qué son los sistemas expertos y saber cuándo usarlos.
   6. Conocer que es la Ingeniería de Conocimiento y un método para el
      desarrollo de sistemas basados en el conocimiento
   7. Diseñar y desarrollar sistemas expertos basados en diversos motores de
      inferencias (métodos de encadenamiento), considerando criterios de calidad.
5. CONTENIDO ANALÍTICO POR SEMANAS:

Semana	Clases	Entregables semanales
1º Semana: Introducción a la Inteligencia Artificial. Presentación del curso. Definición de la Inteligencia Artificial. Historia de la Inteligencia Artificial. Clasificación de problemas algorítmicos, problemas P y NP.Problemas de decisión, localización y optimización. Áreas de investigación y aplicación de la IA. Referencias: [1] Capítulo 1. [6] Capítulo 1.	Ver clase click para empezar .docx Ver clase click para empezar .pdf	Ver tarea click para empezar .docx Ver tarea click para empezar .pdf
2º Semana: Búsqueda. Formulación de problemas de búsqueda. Estados y acciones. Fundamentos de Lenguaje Lisp. Referencias: [3] Capítulo 3. [4] Capítulo 2. [6] Capítulo 2, [7] Capítulo 12.	Ver clase click para empezar .docx Ver clase click para empezar .pdf	Ver tarea click para empezar .docx Ver tarea click para empezar .pdf
3º Semana: Métodos Ciegos de Búsqueda. Búsqueda en profundidad. Búsqueda en amplitud. Lenguaje Lisp: Funciones Lógicas, Operaciones Lógicas, Instrucciones de Control.Referencias: [1] Capítulo 8, [6] Capítulo 2, [7] Capítulo 12. 1er Control de lectura	Ver clase click para empezar .pdf Ver clase click para empezar .docx	Ver tarea click para empezar .pdf Ver tarea click para empezar .docx
4º Semana: Redes y búsqueda óptima Búsqueda de ramificación y cota. Lenguaje Lisp: Procesamiento de Listas. Referencias: [1] Capítulo 8, [6] Capítulo 2, [5] Capítulo 2, [7] Capítulo 12.	Ver clase click para empezar .docx Ver clase click para empezar .pdf	Ver tarea click para empezar .pdf
5º Semana: Representación del Conocimiento. Tipos de representación del conocimiento. Representación del conocimiento mediante lógica proposicional. Introducción a Prolog.Referencias: [6] Capítulo 3, [8] Capítulo 3. [9] Capítulos 1, 2, 3, 4, 5 y 6	Ver clase click para empezar .docx	Ver tarea click para empezar .docx Ver tarea click para empezar .docx
6º Semana: Representación mediante lógica de predicados. Unificación. Inferencia y Razonamiento. Reglas de inferencia. Métodos básicos de razonamiento. Aplicaciones en Prolog. Referencias: [1] Capítulo 2, [6] Capítulo 3. [9] Capítulos 6, 7, 8, y 9. 2do Control de lectura		Ver tarea Reino Animal-Prolog .pl Ver tarea Reino Animal- Árbol .jpg Ver tarea Examen Parcial .docx
7º Semana: Representación mediante reglas de producción. Inferencia basada en reglas. El proceso de razonamiento. Definición de Sistemas Expertos. Arquitectura de un sistema experto. Taxonomía y aplicaciones de los sistemas expertos. Requisitos para el desarrollo de sistemas expertos y ventajas del uso de sistemas expertos. Algunos problemas basados en el conocimiento. Referencias: [1] Capítulo 3, [6] Capítulo 3, [8] Capítulo 8.
8º Semana: Examen parcial
9º Semana: Presentación de trabajos computacionales. Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos.		Ver tarea Paper .docx
10º Semana: Sistemas Expertos con encadenamiento hacia atrás. Introducción. Metodología General. Definición del problema. Definición de Objetivos. Referencias: [1] Capítulo 3, [6] Capítulo 3, [8] Capítulos 7 y 8.
11º Semana: Diseño de sistemas expertos con encadenamiento hacia atrás. Diseño de las reglas. Expansión del sistema. Refinamiento del sistema. Diseño de interfaz. Evaluación del sistema. Referencias: [1] Capítulo 3, [6] Capítulo 3, [8] Capítulos 7 y 8. 3er control de lectura
12º Semana: Sistemas expertos con encadenamiento hacia adelante. Introducción. Inferencia del encadenamiento hacia adelante. Ejemplos. Referencias: [1] Capítulo 3, [6] Capítulo 3, [8] Capítulos 9 y 10.
13º Semana: Diseño de sistemas basados en encadenamiento hacia adelante. Introducción. Metodología. Definición del Problema. Definición de los datos de entrada. Definición de estructura manejada por datos. Código inicial. Probar el sistema. Diseño de interfaz. Expansión del sistema. Evaluación del sistema. Referencias: [1] Capítulo 3, [6] Capítulo 3, [8] Capítulos 9 y 10. 4to control de lectura
14° Semana: Lógica Difusa. Teoría de la Certeza. Factor de Certeza. Desarrollo de un sistema difuso basado en reglas. Fuzzy Tech. Referencias: [1] Capítulo 7, [2] Capítulo 2, [8] Capítulo 3.
15º Semana: Presentación de trabajos computacionales. Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software.		Ver Paper Español .docx Ver Paper Español .pdf View Paper Inglés .docx View Paper Inglés .pdf

LABORATORIO:
Durante las sesiones de laboratorio se desarrollará la programación básica en un
lenguaje de inteligencia artificial tal como LIPS (o una variante de sus variantes) o
CLIPS y PROLOG; en este caso se orientará al desarrollo de sistemas expertos
basados en reglas. También en las sesiones de laboratorio se podrá evaluar el
avance de los trabajos.
5. METODOLOGÍA
El curso se desarrolla a través de actividades teórico – prácticas, dando énfasis a
aplicaciones en la industria y servicios. Los estudiantes, organizados en equipos
desarrollarán dos trabajos computacionales. Durante las sesiones de teoría se discutirán
la resolución de problemas propuestos. Durante las sesiones de laboratorio se evaluará
el avance de los trabajos computacionales y el proceso de aprendizaje de un lenguaje de
inteligencia artificial.
6. EVALUACIÓN
El Promedio Final (PF) se determina de la forma siguiente:
PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*(EA +EB)
Donde:
CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
TB1: Trabajo Grupal (Búsqueda)
TB2: Trabajo Grupal (Sistemas Expertos)
EA: Examen Parcial
EB: Examen Final
LA: Laboratorio
El alumno podrá sustituir la nota del examen parcial o final siempre que no haya podido dar
alguno de estos exámenes.
Solo serán evaluados los alumnos que presenten 70% o más de asistencia.
7. BIBLIOGRAFÍA
[1] PONCE, PEDRO
2010 Inteligencia artificial con aplicaciones a la ingeniería. Ed. Alfaomega.
ISBN 978-607-7854-83-8
[2] JOSÉ PALMA M., ROQUE MARIN M.
2008 Inteligencia artificial, técnicas, métodos y aplicaciones. Ed. Mc Graw Hill
ISBN 978-84-484-5618-3
[3] STUART, RUSSELL; PETER, NORVIG
2010 Artificial Intelligence, a modern approach. Ed. Pearson.
ISBN 978-0-13-604259-4
[4] LUGER, GEORGE
2009 Artificial Intelligence, Structures and Strategies for Complex Problem
Solving. Ed. Pearson.
ISBN 978-0-321-54589-3
[5] WATSON, MARK
2008 Practical Artificial Intelligence Programming With Java. Ed. Mark
Watson.
[6] GAMARRA, ABRAHAM
2008 Tópicos y Aplicaciones de la Inteligencia Artificial. Ed. UNCP.
ISBN 978-9972-9796-6-8
[7] LUGER, GEORGE; STUBBLEFIELD, WILLIAM
2009 AI Algorithms, Data Structures, and Idioms in Prolog, Lisp, and Java. Ed.
Pearson
ISBN 978-0-13-607047-4
[8] DURKIN, JOHN
1994 Expert Systems, Design and Development. Ed. Macmillan.
ISBN 0-02-330970-9
[9]BOER, THOMAS
2009 A Beginners’ Guide to Visual Prolog.
El material de lectura será facilitado por el profesor de la asignatura.