Inteligencia Artificial

Fri, 11/01/2013 - 09:52 — editor
Titulación: 
Grado en Ingeniería Informática (Grupo Vicálvaro)
Curso: 
3º
Tipo: 
obligatorio
Créditos: 
6 ECTS

Noticias:

  • La primera clase se impartirá el lunes 14 de enero de 2013

Profesores:

Horario

La asignatura consta de 2 sesiones presenciales por semana, ambas de 2 horas de duración:

  •  Lunes, 11h-13h
  •  Viernes, 09h-11h

La distribución de clases de prácticas y de teoría puede verse en la programación.

Algunas clases de prácticas se impartirán en un laboratorio (el profesor avisará de estas clases con antelación).

Tutorías

  • Sascha Ossowski: M, 13h-14h (Móstoles) y L, 13h-14h (Vicálvaro). Tutorías adicionales se acordarán por correo electrónico
  • Alberto Fernández Gil: Las tutorías se acordarán por correo electrónico
  • Holger Billhardt: Las tutorías se acordarán por correo electrónico

Descripción de la asignatura

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 modelización e inferencia.

Objetivos

Al terminar el curso con aprovechamiento, el alumno debe adquirir los siguientes conocimientos y habilidades:

  • 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

Programa de contenidos

El programa de contenidos se estructura en 4 módulos:

I. Introducción a la Inteligencia Artificial

II. Resolución de problemas de mediante búsqueda

III. Representación del conocimiento

IV. Aprendizaje automático

El contenido detallado de cada bloque puede observarse en la guia de la asignatura (Guia de la asignatura).

Programación temporal

El programa de contenidos se plasma en temas de teoría que se imparten según el siguiente horario (esta tabla será actualizada durante el semestre):

 

Lunes 14/01/2013:

Presentación de la asignatura

Teoría tema 1: Introducción a la Inteligencia Artificial

Viernes 18/01/2013:

 

Teoría tema 2: Búsqueda no informada

Lunes 21/01/2013:

Ejercicios tema 2: Búsqueda no informada

Viernes 25/01/2013:

Teoría tema 3: Búsqueda heurística

Lunes 28/01/2013:

Fiesta

Viernes 01/02/2013:

Ejercicios tema 3: Búsqueda heurística

Lunes 04/02/2013:

Teoría tema 4: Búsqueda heurística avanzada

Viernes 08/02/2013:

Ejercicios tema 4: Búsqueda heurística avanzada

Lunes 11/02/2013:

Teoría tema 5: Búsqueda multiagente

Viernes 15/02/2013:

Ejercicios tema 5: Búsqueda multiagente

Lunes 18/02/2013:

Teoría tema 6: Restricciones

Viernes 22/02/2013:

Ejercicios tema 6: Restricciones

Lunes 25/02/2013:

Teoría tema 7: Lógica de descripciones

Viernes 01/03/2013:

Ejercicios tema 7: Lógica de descripciones

Lunes 04/03/2013:

Teoría tema 8: Ontologías y Web Semántica

Viernes 08/03/2013:

Ejercicios (EG-108) tema 8: Ontologías y Web Semántica

Lunes 11/03/2013:

Teoría tema 9: Razonamiento con imprecisión

Viernes 15/03/2013:

Ejercicios tema 9: Razonamiento con imprecisión

Lunes 18/03/2013:

Fiesta

Viernes 22/03/2013:

Estudio Libre

Lunes 25/03/2013:

Fiesta

Viernes 29/03/2013:

Fiesta

Lunes 01/04/2013:

Fiesta

Viernes 05/04/2013:

Teoría tema 10: Aprendizaje I: Arboles de decisión

Lunes 08/04/2013:

Ejercicios tema 10: Aprendizaje I: Arboles de decisión

Viernes 11/04/2013:

Teoría tema 11: Aprendizaje II: Redes neuronales

Lunes 15/04/2013:

Ejercicios tema 11: Aprendizaje II: Redes neuronales

Viernes 12/04/2013:

Teoría tema 12: Aprendizaje III: Aprendizaje por refuerzo

Lunes 22/04/2013:

Ejercicios tema 12: Aprendizaje III: Aprendizaje por refuerzo

Viernes 26/04/2013:

Estudio libre

Mayo 2013 (según la planificación de los examenes de la escuela)

Evaluación Módulos I-IV

 

Material didáctico 

Al material didáctico de la asignatura (apuntes, hojas de ejecicios, ejercicios resueltos, guías adicionales, material audiovisual de apoyo, etc.) se accede a través de este enlace.

Normas de evaluación

Se realizará un examen al final de la asignatura en el período de evaluación que abarcará todo el temario y consistirá en un test y la resolución de problemas. La puntuación mínima para aprobar la asignatura es 5. Si un alumno no supera la prueba, podrá reevaluarla una vez en el período de reevaluación en la fecha que la escuela establecerá.

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.

Información adicional

Bibliografía Básica

  • Russell, S.; Norvig, P. (2003): Inteligencia Artificial — Un Enfoque Moderno (2ª ed.). Prentice Hall Hispanoamericana
  • Nilsson, N. (2001): Inteligencia Artificial — Una Nueva Síntesis. McGraw-Hill
  • Breitman, K.;  Casanova M.A.; Truszkowski W. (2007): Semantic Web: Concepts, Technologies and Applications. Springer

Bibliografía Complementaria:

  • Borrajo, D.; Juristo, N., Martínez-Orga, V.; Pazos, J. (1993): Inteligencia Artificial — Métodos y Técnicas. CEURA
  • Cuena, J. (1998): Sistemas Inteligentes, Ed. Univ. Politécnica de Madrid
  • Fernández, A. (2010): Sistemas expertos: representación e inferencia. Problemas resueltos. Dykinson, URJC.
  • Ginsberg, M. (1993): Essentials of Artificial Intelligence. Morgan Kaufmann
  • Rich, E.; Knight, K. (1994): Inteligencia Artificial (2ª ed.). McGraw-Hill
  • Winston, P. (1992): Artificial Intelligence (3ª ed.). Addison Wesley
  • Weiß, G. (ed.) (1999): Multi-Agent Systems — A Modern Approach to Distributed Artificial Intelligence. MIT Press