5. Contenido Por Semanas

Semana	Temas (Disponibles para descargar)	Trabajos  Teoria	Trabajos  Laboratorio
1	Clasificación de Problemas Algorítmicos Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil. Referencias: [4] Capítulo 1, [1] Anexo A.
2	Fundamentos de la Inteligencia Artificial Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios). Test de Turing.             Referencias: [1] Capítulo 1, [2] Capítulo 1,  [9] Capítulo 1.		Tutorial Lisp
3	Representación de problemas de juego humano  máquina como búsqueda en un espacio de estado Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano – máquina. Referencias: [1] Capítulos 3, [3] Capítulo 2, [4] Capítulo 3. 1er control de lectura		Ejercicios Lisp
4	Métodos de búsqueda informados La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación. Referencias: [1] Capítulo 4, [2] Capítulo 5, [3] Capítulo 3, [4] Capítulos 5, [9] Capítulos		Recorrido Profundidad
5	Métodos de búsqueda para juegos humano-máquina  Algoritmo de juego humano – máquina. Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta. Referencias: [1] Capítulo 5, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12. 2do control de lectura
6	Fundamentos de sistemas expertos  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: [6] Capítulo 1
7	Ingeniería de conocimiento Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE. Referencias: [6] Capítulos 6, [7] Capítulos 19.		Practica Calificada
8	Examen Parcial
9	Presentación de trabajos computacionales         Los alumnos mostrarán sus habilidades en cuanto al desarrollo          de software  de juegos   inteligentes basados   en técnicas          de búsqueda. Se deberá presentar un informe y un software,         y deberán exponer sus trabajos.	Informe 4 en Raya	Juego-Lisp
10	Adquisición de Conocimiento Adquisición de conocimiento. Construcción de la base de hechos y base de conocimiento. Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, ontologías, metadatos, thesaurus). Referencias: [6] Capítulos 6, [7] Capítulos 19. 3er control de lectura.		Tarea Prolog 1
1	Desarrollo de sistemas expertos basados en reglas Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE. Técnicas de resolución de conflictos. Referencias: [1] Capítulos 6 y 8, [2] Capítulo 7, [6] Capítulo 3, [7] Capítulo 3.		Arbol Genealógico
12	Calidad y validación de sistemas expertos Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Validación de sistemas inteligentes, métodos cuantitativos de validación. Eficiencia y error de sistemas expertos. Revisión de la funcionalidad del SE del 2do trabajo. Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo. Referencias: [4], [7] Capítulo 21. 4to control de lectura.
13	Introducción a Machine Learning. Conceptos de aprendizaje y de machine learning. Sistemas experto vs machine learning. Técnicas de aprendizaje y fases de desarrollo de machine learning. Aplicaciones de machine learning en la industria y servicios. Referencias: [5] Capítulo 1, [8] Capítulo 1		Practica Calificada 2
14	Introducción a heurísticas y meta-heurísticas.  El problema de la optimización combinatoria. Complejidad de de problemas combinatorios Conceptos de heurísticas y meta-heurísticas. Algoritmos exactos vs algoritmos heurísticos. Técnicas heurísticas y meta-heurísticas roblemas de optimización combinatoria en la industria y servicios. Referencias: [10], [11].		Arbol SE
15	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.		Sistema Experto
16	Examen Final
17	Examen final (solo para aquellos que no dieron examen parcial o final)

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 de 3 desarrollarán dos trabajos computacionales. Durante las sesiones de teoría se discutirán la resolución de problemas propuestos. Durante las sesciones de laboratorio se evaluarán las lecturas así como el avance de los trabajos computacionales.
 

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 (Juegos Inteligentes Hombre - Máquina)

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 asistencias.