Este curso básico de Inteligencia Artificial presenta mediante un enfoque teórico-práctico una visión integral de los fundamentos para la comprensión y construcción de sistemas inteligentes. El estudiante desarrollará la capacidad para reconocer los diferentes enfoques y temáticas relevantes que han surgido durante el desarrollo histórico de este campo de estudio y el impacto que representan estos sistemas para la humanidad. El estudiante aplicará los algoritmos, técnicas y modelos teóricos para la construcción de programas enfocados en la resolución de problemas relacionados con las funciones fundamentales de los sistemas inteligentes. Específicamente, la percepción del entorno, creación de modelos de representación del conocimiento, resolución automática de problemas, aprendizaje y acción.
El objetivo general del curso es que cada estudiante desarrolle una visión fundamental de los sistemas inteligentes mediante el estudio e implementación de algoritmos, técnicas, modelos y métodos para percepción, representación de conocimiento, resolución de problemas, aprendizaje y acción.
Durante este curso cada estudiante desarrollará habilidades para:
1. Describir los antecedentes históricos y los principales enfoques de la inteligencia artificial.
2. Comprender el concepto de agente inteligente y los tipos de agente: agente reactivo simple, agente basado en modelos, agente orientado a objetivos y agente basado en su utilidad.
3. Aplicar los algoritmos, técnicas y modelos para resolución de problemas de percepción, representación de conocimiento, resolución de problemas, aprendizaje y acción.
4. Conocer algunas investigaciones y desarrollos recientes en el área y comprender la dirección y el impacto de la inteligencia artificial en la humanidad.
Objetivos Transversales
1. Comunicar efectivamente resultados tanto en forma escrita como oral.
2. Desarrollar habilidades para el trabajo en equipo.
3. Desarrollar habilidades para la investigación.
Objetivo específico |
Eje Temático |
Desglose |
1 |
Fundamentos |
|
2 |
Agentes Inteligentes |
|
2 y 3 |
Resolución de Problemas |
|
3 |
Representación de conocimiento y razonamiento. |
|
3 |
Aprendizaje |
Ejemplo de aprendizaje no supervisado y no paramétrico: agrupamiento automático. Ejemplo de supervisado parametrizado: modelo bayesiano, red neuronal, máquina de soporte vectorial. Ejemplo de aprendizaje con refuerzo: algoritmos genéticos. Ejemplo de supervisado no paramétrico: árbol de decisión. |
2 y 3 |
Comunicación y acción |
|
4 |
Inteligencia artificial presente y futuro. |
|
[1] John E. Hopcroft, Rajeev Motwani y Jeffrey D. Ullman. ((Introduction to Automata Theory, Languages, and Computation (3rd Edition))). Addison-Wesley Longman Publishing Co., Inc., Boston, MA, USA (2006).
[2] Stuart J. Russell y Peter Norvig. ((Artificial Intelligence: A Modern Approach)). Pearson Education, 2 edición (2003).
Este no es un documento oficial. Documentos oficiales se entregan en la secretaría de la escuela.