Inteligencia Artificial

Información Básica

  • Código y Nombre: 300CIS004, Inteligencia Artificial.
  • Créditos y horas de contacto: 3 Créditos, 3 horas por semana.
  • Nombre del profesor o coordinador del curso: Gerardo Sarria.
  • Tipo de curso: Abierto.

Textos del Curso

  • Peter Norvig and Stuart Russell. Artificial Intelligence. A Modern Approach. 3rd. Edition. Pearson Prentice Hall. 2009.
  • Aysen Pinar Saygin, Ilyas Cicekli and Varol Akman. Turing Test: 50 Years Later. Minds and Machines 10: 463-518. 2000.
  • Nicholas R. Jennings and Michael J. Wooldridge. Agent Technology: Foundations, Applications and Markets. Springer. 1998.
  • Melanie Mitchell. An Introduction to Genetic Algorithms. MIT Press. 1998.
  • Kim Marriott and Peter Stuckey. Programming with constraints : an introduction. MIT Press. 1998.
  • Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento. Alfaomega. 2006.

Información Específica del Curso

John McCarthy en Stanford University ha definido la inteligencia artificial como “la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas de computador inteligentes. Esto está relacionado con la tarea similar de usar computadores para entender la inteligencia humana, pero esta área (inteligencia artificial) no se tiene que confinar a los métodos que son biológicamente observables.” Este curso abarca diversas técnicas de inteligencia artificial.

Objetivos Específicos del Curso

Objetivos de aprendizaje:
  • Describir las consideraciones filosóficas sobre la inteligencia en las máquinas.
  • Aplicar técnicas para solucionar problemas de satisfacción de restricciones (CSPs).
  • Reseñar los formalismos y tecnologías para representar el conocimiento.
  • Detallar los formalismos para el razonamiento bajo incertidumbre.
  • Aplicar técnicas de descubrimientos de conocimiento y minería de datos.
  • Reseñar los mecanismos básicos para el aprendizaje automático.
  • Explicar las nociones y algoritmos básicos de redes neuronales y de programación genética.
  • Describir los conceptos relacionados con robótica.
Relación con los resultados de programa
Resultados de Programa
A B C D E F G H I J K
Relevancia 5 1 2 1 5

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

Tópicos del Curso

  • CSPs.
  • Búsquedas y algoritmos genéticos.
  • Sistemas de deducción y razonamiento.
  • Métodos probabilísticos/estadísticos.
  • Descubrimiento de conocimiento y minería de datos.
  • Aprendizaje / Redes neuronales.
  • Robótica.
  • Sistemas multiagentes.
 
pregrados/dptoccomputacionyelectronica/ia.txt · Última modificación: 2014/07/15 16:02 por lsosorio
Recent changes RSS feed Donate Powered by PHP Valid XHTML 1.0 Valid CSS Driven by DokuWiki