Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. GUÍA DOCENTE DE INTELIGENCIA ARTIFICIAL Curso 2012-2013 1 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. TITULACION: GRADO EN INGENIERÍA INFORMÁTICA GUIA DOCENTE DE LA ASIGNATURA: INTELIGENCIA ARTIFICIAL Profesores: Sascha OSSOWSKI Holger BILLHARDT Alberto FERNANDEZ Coordinador/a de la asignatura: Sascha OSSOWSKI I.- Identificación de la asignatura Tipo Obligatoria Materia Inteligencia Artificial Período de impartición 3er Curso – 2º Cuatrimestre Nº Créditos 6 Idioma en el que se imparte Castellano Departamento Arquitectura y Tecnología de Computadores y Ciencias de la Computación e Inteligencia Artificial Asignaturas llave Tasa de éxito II.- Presentación La asignatura realiza una introducción a la Inteligencia Artificial a través del concepto de agente inteligente. Se presentan las diferentes áreas de la Inteligencia Artificial como fuentes de modelos y técnicas para poder desarrollar progresivamente agentes cada vez más competentes, entendiendo por incremento de competencia la capacidad de actuar en entornos y situaciones cada vez más complejos. La asignatura pone especial énfasis en los aspectos ingenieriles y prácticos de la Inteligencia Artificial. En particular, se hará hincapié en la formalización e implementación de los diferentes mecanismos de 2 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. modelización e inferencia. Para cursar la asignatura es recomendable tener aprobadas las siguientes asignaturas: Lógica, Matemática Discreta y Álgebra, Introducción a la Programación, Estructuras de Datos Diseño y Análisis de Algoritmos Los estudiantes tras cursar esta asignatura deberán: Conocer el proyecto y la historia de la Inteligencia Artificial Entender el concepto de agente inteligente y conocer sus ventajas y limitaciones Dominar diferentes técnicas de búsqueda para varios tipos de entornos Conocer el problema y el rol de la representación del conocimiento en Inteligencia Artificial Dominar diferentes técnicas de aprendizaje automático para varios tipos de entornos Saber elegir entre las diferentes técnicas para diferentes problemas y entornos Saber implementar agente inteligentes de diferentes niveles de complejidad III.- Competencias Competencias transversales G8. Conocimiento de las materias básicas y tecnologías, que capaciten para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como las que les doten de una gran versatilidad para adaptarse a nuevas situaciones. G9. Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática. C1. Capacidad para diseñar, desarrollar, seleccionar y evaluar aplicaciones y sistemas informáticos, asegurando su fiabilidad, seguridad y calidad, conforme a principios éticos y a la legislación y normativa vigente. C6. Conocimiento y aplicación de los procedimientos algorítmicos básicos de las tecnologías informáticas para diseñar soluciones a problemas, analizando la idoneidad y complejidad de los algoritmos 3 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. propuestos. C15. Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica. Competencias específicas E1.Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la informática E4.Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación. E5.Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes. E7.Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos. IV.- Contenido IV. A. Temario de la asignatura Bloque temático Tema Apartados I.- “Introducción a la Inteligencia Artificial” Tema 1. “Introducción a la Inteligencia Artificial” Historia de inteligentes. II.- “Resolución de problemas búsqueda” Tema 2. “Búsqueda no informada” Agentes basados en búsqueda. Método general de búsqueda. Búsqueda en amplitud. Complejidad 4 la I.A. Agentes Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. III.- “Representación del conocimiento” IV- “Aprendizaje automático” Tema 3. “Búsqueda heurística ” Algoritmo A*. Análisis. Tema 4. “Búsqueda heurística avanzada” Diseño y calidad de funciones heurísticas. Búsqueda on-line. Tema 5. “Búsqueda multiagente” Búsqueda con adversario. Algoritmo minimax. Poda alfabeta. Algoritmo Expect-minimax. Tema 6. “Restricciones” Problemas de satisfacción de restricciones. Búsqueda con estados completos. Algoritmo de backtracking cronológico. Forward checking. Consistencia de arco. Algoritmo MAC. Tema 7. “Lógica de descripciones” Introducción. semántica. Extensiones. Tema 8. “Ontologías y Web Semántica” Introducción a la Web Semántica. Ontologías (RDF, RDF Schema., OWL). SPARQL. Aplicaciones. Tema 9. “Razonamiento con imprecisión” Introducción. Subconjuntos borrosos. Operaciones con subconjuntos borrosos. Implicación e inferencia borrosa. Controladores borrosos. Tema 10. “Aprendizaje inductivo” Introducción. Tipos de algoritmos de aprendizaje. Algoritmo ID3. Tema 11. subsimbólico” ALC: sintaxis y Inferencia. “Aprendizaje Aprendizaje de redes neuronales. Tema 12. “Otros métodos de Otros métodos de aprendizaje, aprendizaje” aplicaciones de aprendizaje IV. B. Actividades obligatorias (evaluables): Los alumnos deberán superar las pruebas como se describe en el apartado VII de la presente guía docente. 5 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. V.- Tiempo de trabajo Clases teóricas 24 Clases prácticas/de resolución de problemas, casos, etc. 20 Prácticas en laboratorios tecnológicos, clínicos, etc. 2 Realización de pruebas 3 Tutorías académicas 12 Actividades relacionadas: jornadas, seminarios, etc. 0 Preparación de clases teóricas 30 Preparación de clases prácticas/problemas/casos 30 Preparación de pruebas 29 Total de horas de trabajo del estudiante 150 VI.- Metodología y plan de trabajo Clases teóricas Periodo Contenidos Semana 1 Tema 1. “Introducción a la Inteligencia Artificial” Semana 2 Tema 2. “Búsqueda no informada” Semana 3 Tema 3. “Búsqueda heurística ” Semana 4 Tema 4. “Búsqueda heurística avanzada” Semana 5 Tema 5. “Búsqueda multiagente” Semana 6 Tema 6. “Restricciones” Semana 7 Tema 7. “Lógica de descripciones” Semana 8 Tema 8. “Ontologías y Web Semántica” 6 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. Semana 9 Tema 9. “Razonamiento con imprecisión” Semana 10 Tema 10. “Aprendizaje inductivo” Semana 11 Tema 11. “Aprendizaje subsimbólico” Semana 12 Tema 12. “Otros métodos de aprendizaje” Prácticas/de resolución de problemas, casos, etc. Periodo Contenidos Semana 2 Tema 2. “Búsqueda no informada” Semana 3 Tema 3. “Búsqueda heurística ” Semana 4 Tema 4. “Búsqueda heurística avanzada” Semana 5 Tema 5. “Búsqueda multiagente” Semana 6 Tema 6. “Restricciones” Semana 7 Tema 7. “Lógica de descripciones” Semana 9 Tema 9. “Razonamiento con imprecisión” Semana 10 Tema 10. “Aprendizaje inductivo” Semana 11 Tema 11. “Aprendizaje subsimbólico” Semana 12 Tema 12. “Otros métodos de aprendizaje” Laboratorios Periodo Contenidos Semana 8 Tema 8. “Ontologías y Web Semántica” Tutorías académicas Periodo Semana 13-15 7 Preparación prueba Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. Pruebas Fecha Contenidos Periodo de pruebas de la escuela Todo el temario VII.- Métodos de evaluación VII. A. Ponderación para la evaluación continua Actividad evaluadora Prueba: Tipo Ponderación Contenido Acumulativa Reevaluable Test Resolución problemas Periodo 100% Liberatoria de Puntuación mínima (de 1 a 10): 5 Periodo de pruebas Todo temario No reevaluable Si un alumno no supera la prueba, podrá reevaluarla una vez en el período de reevaluación en la fecha que la escuela establecerá. VII. B. Ponderación para la evaluación de alumnos a tiempo parcial Para que un alumno pueda optar a esta evaluación, tendrá que obtener la “Dispensa Académica” para la asignatura, que habrá solicitado al Decano o Director/a del Centro que imparte su titulación. Los alumnos de dispensa académica deben realizar la evaluación igual que el resto de los alumnos. VII. C. Revisión de las pruebas de evaluación. Se realizarán revisiones de pruebas a petición de los alumnos en el horario establecido para ello por los profesores. VIII.- Recursos y materiales didácticos1 1 Se recomienda no exceder de 20 títulos 8 Última actualización: 08 de enero de 2013 el Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. General Título Inteligencia Artificial — Un Enfoque Moderno (2ª ed.) Autor Russell, S.; Norvig, P. (2003): Editorial Prentice Hall Hispanoamericana Título Inteligencia Artificial — Una Nueva Síntesis Autor Nilsson, N. (2001) Editorial McGraw-Hill Título Semantic Web: Concepts, Technologies and Applications. Autor K. Breitman, M. A. Casanova, W. Truszkowski. Editorial Springer. 2007 Título Sistemas expertos: Representación e inferencia. Problemas resueltos. Autor Alberto Fernández Gil. Editorial DYKINSON. 2010 Complementaria Título Autor Editorial Título Autor Editorial Direcciones web de interés 9 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. Asociación Española para la Inteligencia Artificial European Coordinating Committee for Artificial Intelligence ACM Special Interest Group on Artificial Intelligence Página Web de libro de texto de Russell y Norvig Carnegie Mellon AI Repository BotSpot: Agentes en la web Robocup: Agentes jugando al fútbol Robocup Rescue: Agentes salvando vidas Página de la Web Semántica del W3C IX.- Profesorado Nombre y apellidos Sascha OSSOWSKI Horario de tutorías académicas Por determinar Correo electrónico Sascha.ossowski@urjc.es Departamento/área de conocimiento Departamento de Arquitectura y Tecnología de Computadores y Ciencias de la Computación e Inteligencia Artificial Categoría Catedrático de Universidad Titulación Académica Doctor en Informática Experiencia Docente (Indicar la antigüedad en el área y en la asignatura. Incluir tramos de docencia.) Múltiples asignaturas en materias de Programación e Inteligencia Artificial. 14 años de docencia en Informática. 2 tramos docentes Experiencia profesional (Indicar la actividad profesional y la antigüedad en la misma) Universidad de Oldenburgo (Alemania). Universidad Politécnica de Madrid. Universidad Rey Juan Carlos. 18 años de investigación en Informática. 2 tramos de investigación 10 Última actualización: 08 de enero de 2013 Nombre y apellidos Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. Holger BILLHARDT Horario de tutorías académicas Por determinar Correo electrónico holger.billhard@urjc.es Departamento/área de conocimiento Departamento de Arquitectura y Tecnología de Computadores y Ciencias de la Computación e Inteligencia Artificial Categoría Profesor Titular de Universidad Titulación Académica Doctor en Informática Experiencia Docente (Indicar la antigüedad en el área y en la asignatura. Incluir tramos de docencia.) Múltiples asignaturas en materias, especialmente relacionado con la Informática Teórica y la Inteligencia Artificial. 10 años de docencia en Informática. 2 tramo docente Experiencia profesional (Indicar la actividad profesional y la antigüedad en la misma) Profit Gestión Informática (analista , 3 años), Universidad Politécnica de Madrid(Investigador pre-doctoral, 4 años). Universidad Rey Juan Carlos (profesor 11 años); 2 tramos de investigación Nombre y apellidos Alberto FERNANDEZ Horario de tutorías académicas Por determinar Correo electrónico alberto.fernandez@urjc.es Departamento/área de conocimiento Departamento de Arquitectura y Tecnología de Computadores y Ciencias de la Computación e Inteligencia Artificial Categoría Profesor Contratado Doctor Titulación Académica Doctor en Informática Experiencia Docente (Indicar la antigüedad en el área y en la asignatura. Incluir tramos de docencia.) 12 años de docencia en Informática. 2 tramos docentes Experiencia profesional (Indicar la actividad Universidad Politécnica de Madrid. Universidad Rey Juan Carlos. 14 años de investigación en Informática. 1 tramo de investigación 11 Última actualización: 08 de enero de 2013 Vicerrectorado de Profesorado, Titulaciones, Ordenación Académica, Coordinación y Campus. profesional y la antigüedad en la misma) 12 Última actualización: 08 de enero de 2013