guía docente de inteligencia artificial

 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