Guia docente
DATOS IDENTIFICATIVOS 2011_12
Asignatura INTELIGENCIA ARTIFICIAL (I.A.-I.C.) Código 00702027
Enseñanza
INGENIERO EN INFORMATICA
Descriptores Cr.totales Tipo Curso Semestre
6 Troncal Tercero Primero
Idioma
Castellano
Prerrequisitos
Departamento ING.ELECTR.DE SIST. Y AUTOMATI
Responsable
ALONSO ÁLVAREZ , ÁNGEL
Correo-e aaloa@unileon.es
halam@unileon.es
igarr@unileon.es
Profesores/as
ALAIZ MORETÓN , HÉCTOR
ALONSO ÁLVAREZ , ÁNGEL
GARCÍA RODRÍGUEZ , ISAÍAS
Web http://
Descripción general

"Con esta asignatura se pretende que el alumno: ?obtenga una visión de los campos de aplicación de la IA ?decida cuándo utilizar una técnica de IA ?aprenda a implementar las diferentes técnicas de IA Los dos temas fundamentales son el de búsqueda y el de representación del conocimiento. También se aborda el tema de agentes. Y lo hago por ser en estos momentos uno de los paradigmas en el diseño de aplicaciones de la I. A. Los algoritmos de aprendizaje permiten darle a un sistema inteligente capacidad de crecimiento automático. Finalmente se aborda la planificación que consiste en combinar la búsqueda y satisfacción de restricciones con los mecanismos de razonamiento, aplicados a la solución automática de problemas. Par las prácticas he elegido el lenguaje LISP, por ser el más apropiado para la resolución de los problemas de búsqueda que son el pilar de esta asignatura. Los dos primeros bloques se dedican al aprendizaje del lenguaje y el último a realizar aplicaciones de I. A." "

Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Tribunal suplente
Cargo Departamento Profesor

Objetivos

"Con esta asignatura se pretende que el alumno: ?obtenga una visión de los campos de aplicación de la IA ?decida cuándo utilizar una técnica de IA ?aprenda a implementar las diferentes técnicas de IA Los dos temas fundamentales son el de búsqueda y el de representación del conocimiento. También se aborda el tema de agentes. Y lo hago por ser en estos momentos uno de los paradigmas en el diseño de aplicaciones de la I. A. Los algoritmos de aprendizaje permiten darle a un sistema inteligente capacidad de crecimiento automático. Finalmente se aborda la planificación que consiste en combinar la búsqueda y satisfacción de restricciones con los mecanismos de razonamiento, aplicados a la solución automática de problemas. Par las prácticas he elegido el lenguaje LISP, por ser el más apropiado para la resolución de los problemas de búsqueda que son el pilar de esta asignatura. Los dos primeros bloques se dedican al aprendizaje del lenguaje y el último a realizar aplicaciones de I. A." "


Metodologías

"A los alumnos de esta asignatura se les proporcionan apuntes de las clases teóricas y guiones de prácticas, todo ello en formato electrónico. También tienen a su disposición tutoriales de algunas partes. Las clases teóricas se imparten mediante exposición oral, apoyada por la proyección de resúmenes en formato electrónico. Las clases prácticas se imparten en laboratorio, apoyados con guiones de prácticas. Cada alumnos dispone de un ordenador." "


Contenidos
Bloque Tema
"TEORÍA Tema 1.- Introducción a la Inteligencia Artificial, 2 horas Introducción. Inteligencia y conocimiento. El problema computacional en IA. Los sistemas expertos. Los sistemas Basados en el Conocimiento. Tema 2.- Búsqueda y satisfacción de restricciones, 8 horas Búsqueda y satisfacción de restricciones El espacio del problema. Árboles y búsqueda. Métodos elementales de búsqueda o de fuerza bruta. Búsqueda a lo ancho. Algoritmo básico. Búsqueda en profundidad. Algoritmo. Búsqueda con retroceso. Algoritmo. Búsqueda en profundidad iterativa. Algoritmo. Comparativa de costes de los métodos de fuerza bruta. Búsqueda heurística. Heurística admisible. Búsqueda iterativa en profundidad con heurística. Algoritmo. Búsqueda primero el mejor. Búsqueda por el algoritmo A*. Búsquedas parciales y teoría de juegos. Árboles MaxMin. Poda alfa-beta. Tema 3.- Representación del Conocimiento y Mecanismos de Razonamiento, 12 horas Representación del Conocimiento Introducción a la representación del conocimiento; Técnicas habituales de representación del conocimiento; Problemas en la representación del conocimiento; El problema del marco; La conceptualización. Mecanismos de Razonamiento Problemas de la lógica de primer orden. Otras técnicas posibles. Manejo de la información incompleta. Incertidumbre en la información. Razonamiento no monótono. Introducción. Razonamiento por defecto. Otras modificaciones de la lógica. Sistemas de reglas. Redes semánticas. Razonamiento improbable. Tema 4.- Agentes y Sistemas Multiagente, 3 horas Introducción a los agentes. Introducción. ¿Que es un agente? Características de los agentes. Uso de los agentes. Definiciones formales. Entorno de los agentes; Tipos de agentes según comportamiento: reactivo, perceptivo, con estado. Agentes basados en lógica. Agentes reactivos. Agentes con creencias-deseos-intenciones. Agentes multicapa. Sistemas multiagente. Comunicación entre agentes. Tipos de mensajes y roles. Lenguajes de intercambio de datos y de conocimiento. Protocolos de interacción. Tema 5.- Aprendizaje Automático, 3 horas Introducción. Aprendizaje supervisado. Aprendizaje no supervisado. Aprendizaje por refuerzo. Tema 6.- Planificación, 2 horas Introducción; Diferentes enfoques de la planificación. Planificación basada en operadores. Planificación proposicional. Introducción a la planificación avanzada: razonamiento basado en casos, aprendizaje y adaptación. PRÁCTICAS Bloque 1.- Introducción al LISP, 14 horas Primitivas básicas. Procedimientos. Variables y parámetros Predicados. Condicionales Abstracción. Recursión. Mapping. Iteración Impresión. Macros. Estructuras Bloque 2.- Ejercicios de programación con LISP, 6 horas Ordenación de elementos dentro de listas embebidas. Generación de árboles. Bloque 3.- Problemas de I. A. resueltos con LISP, 10 horas Resolución de problemas utilizando búsqueda en amplitud. Resolución de problemas utilizando búsqueda en profundidad limitada. Resolución de problemas que incluyan en el proceso de búsqueda funciones heurística."

Otras actividades

Evaluación
  descripción calificación
 
Otros comentarios y segunda convocatoria

"Se realizará un examen final tanto de la parte teórica como de las prácticas. El examen de teoría tendrá un peso del 50% en la nota final y el examen de prácticas un 50%. Es preciso obtener al menos un 30% en cada parte para compensar con la otra. Haciendo una proyección de las puntuaciones sobre 10 el 5 se considera aprobado. Los exámenes de teoría se realizan combinando tests y preguntas cortas. Los exámenes prácticos se hacen en el laboratorio de forma individualizada." "


Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica
"Russell S., Norving P. - ""Inteligencia Artificial. Un enfoque moderno"" - Prentice Hall. 1997 Rich E., Knight K. - ""Inteligencia Artificial"" - McGraw Hill. 1998 Winston H. Y Henry P. - LISP. Berthold Klaus Paul Horn, tercera edición, 1993 ALLEGRO CL, Manual de desarrollo, versión 5.0.1, 1999." "
Complementaria
"Bender E. A. - ""Mathematical Methods in Artificial Intelligence"" - IEEE Computer Society Press. (1996) Dean T., Allen J., Aloimonos Y. - ""Artificial Inteligence Theory and Practice"" - Addison-Wesley. (2002) Winston P. R. - ""Inteligencia Artificial"" - Addison-Wesley. (1994) J.-S. R. Jang and C.-T. Sun, ""Neuro-fuzzy modeling and control"", Proc. IEEE, vol. 83, pp. 378--406, Mar. 1995. Gruber, T. R, ""A Translation Approach to Portable Ontology Specifications "", Academic Press, 1993." "