TITULACIÓN
Ingeniero Técnico en Informática de Gestión
ASIGNATURAS DE SEGUNDO CURSO DEL PLAN 1999 INFORMÁTICA APLICADA
PROGRAMA: TEORÍA
Tema 1. INTELIGENCIA ARTIFICIAL [Mir95, Ric94, Rus09, Bor93, Nil00, Gin93, Dur94]
Concepto de Inteligencia Artificial. Perspectiva histórica de la Inteligencia Artificial.
Problemas de Inteligencia Artificial. Técnicas en Inteligencia Artificial. Ejemplos de resolución de problemas con Inteligencia Artificial.
Tema 2. ASPECTOS METODOLÓGICOS DE LA INTELIGENCIA ARTIFICIAL [Mir95]
Los niveles de computación. El nivel de conocimiento de Allen Newell. El agente observador y los dos dominios de descripción. Estructura de tareas genéricas para modelar el conocimiento en el dominio del observador. Otras propuestas.
Competencias:
Capacidad de análisis y síntesis: Análisis de los problemas tratados por la Inteligencia Artificial.
Tema 3. ESPACIOS DE REPRESENTACION DE PROBLEMAS. BUSQUEDA
[Mir95, Ric94, Rus09, Bor93, Nil00, Gin93, Fer98]
Problema. Condiciones necesarias para resolver un problema específico. Búsqueda en un espacio de estados. Sistemas de producción. Características de un problema.
Búsqueda sin información del dominio.
Se propondrán trabajos de representación de diferentes problemas juguete: Estimación del tiempo requerido: 4 horas.
Se propondrán trabajos de aplicación de técnicas de búsqueda a problemas juguete:
Estimación del tiempo requerido: 7 horas. Competencias:
Capacidad de análisis y síntesis: Análisis y resolución de los problemas de búsqueda y de sus propiedades. Análisis de las propiedades de las técnicas de búsqueda sin información del dominio.
Resolución de problemas: Resolución de problemas de búsqueda sin información el dominio.
Creatividad: Diseño de modelos de representación de la información necesaria para resolver un problema determinado.
Toma de Decisión: Decidir la técnica de búsqueda ciega más apropiada a un problema determinado.
Análisis de las necesidades de los clientes: Análisis de los requerimientos de los problemas de búsqueda.
Tema 4. BÚSQUEDA HEURÍSTICA [Mir95, Ric94, Rus09, Bor93, Nil00, Gin93, Fer98]
Algoritmos de búsqueda heurística: Generación y prueba. Escalada simple. Escalada por la máxima pendiente. Enfriamiento simulado. Búsqueda el primer mejor. Reducción de problemas. Verificación de restricciones. Análisis de medios y fines.
Se propondrán trabajos de aplicación de técnicas de búsqueda a problemas juguete:
Estimación del tiempo requerido: 4 horas. Competencias:
Capacidad de análisis y síntesis: Análisis y resolución de los problemas de búsqueda con información y de sus propiedades. Análisis de las propiedades de las técnicas de búsqueda con información del dominio.
Resolución de problemas: Resolución de problemas de búsqueda con información del dominio.
Creatividad: Diseño de funciones útiles para las técnicas de búsqueda heurística.
Toma de Decisión: Decidir la técnica de búsqueda ciega más apropiada a un problema determinado.
Análisis de las necesidades de los clientes: Análisis de los requerimientos de los problemas de búsqueda.
Tema 5. EL PROBLEMA DE LA REPRESENTACIÓN DEL CONOCIMIENTO [Mir95, Ric94, Dur94]
El conocimiento y su representación. Aproximaciones a la representación. Problemas de la representación del conocimiento: Atributos importantes. Relaciones entre atributos. Granularidad. Representación de conjuntos de objetos. Búsqueda de la estructura adecuada. El problema del marco.
Competencias:
Capacidad de análisis y síntesis: Introducción a la representación del
conocimiento y aspectos importantes a la hora de analizar problemas que lo requieran.
Análisis de necesidades de los clientes: Introducción a la representación del conocimiento en problemas que lo requieran
Tema 6. REGLAS [Mir95, Ric94, Dur94, Fer98]
Los componentes básicos de los sistemas basados en reglas. Estructura de las reglas. Inferencia. Control del razonamiento. Explicación del razonamiento. Tratamiento de la incertidumbre. Discusión y conclusiones. Se propondrán trabajos de representación del conocimiento de problemas concretos mediante reglas: Estimación del tiempo requerido: 2 horas.
Competencias:
Capacidad de análisis y síntesis: Analizar problemas que requieran conocimiento y sintetizarlo mediante sistemas basados en reglas.
Resolución de problemas: Resolver problemas que requieran conocimiento mediante sistemas basados en reglas.
Creatividad: Representar conocimiento con sistemas basados en reglas. Toma de Decisión: Decidir la técnica de búsqueda ciega más apropiada a un problema determinado.
Análisis de las necesidades de los clientes: Descubrir el conocimiento relevante y representable con sistemas basados en reglas.
Tema 7. LÓGICA [Mir95, Ric94, Rus09, Nil00, Gin93]
El uso de la lógica en la representación del conocimiento. Lógica de proposiciones.
Lógica de predicados. Deducción automática: Resolución. Extensión de la lógica clásica. Conclusiones
Se propondrán trabajos de representación del conocimiento de problemas concretos mediante Lógica: Estimación del tiempo requerido: 2 horas.
Competencias:
Capacidad de análisis y síntesis: Analizar problemas que requieran conocimiento y sintetizarlo mediante el lenguaje lógico.
Resolución de problemas: Resolver problemas que requieran conocimiento mediante lenguaje lógico.
Creatividad: Representar conocimiento con lenguaje lógico.
Toma de Decisión: Decidir la técnica de búsqueda ciega más apropiada a un problema determinado.
Análisis de las necesidades de los clientes: Descubrir el conocimiento relevante y representable con lenguaje lógico.
Tema 8. REDES ASOCIATIVAS [Mir95, Ric94, Fer98]
Grafos relacionales. Redes proposicionales. Redes de clasificación. Redes causales [Rus09, Nil00, Gin93]. Discusión y conclusiones.
Competencias:
Capacidad de análisis y síntesis: Analizar problemas que requieran conocimiento y sintetizarlo mediante redes asociativas.
Resolución de problemas: Resolver problemas que requieran conocimiento mediante redes asociativas.
Creatividad: Representar conocimiento con redes asociativas.
Toma de Decisión: Decidir la técnica de búsqueda ciega más apropiada a un problema determinado.
Análisis de las necesidades de los clientes: Descubrir el conocimiento relevante y representable con redes asociativas.
Tema 9. MARCOS Y GUIONES [Mir95, Ric94, Gin93, Dur94, Fer98]
Concepto de marco. Inferencia mediante marcos. Guiones. Discusión y conclusiones.
Se propondrán trabajos de representación del conocimiento de problemas concretos mediante marcos: Estimación del tiempo requerido: 2 horas. Competencias:
Capacidad de análisis y síntesis: Analizar problemas que requieran conocimiento y sintetizarlo mediante marcos o guiones.
Resolución de problemas: Resolver problemas que requieran conocimiento mediante marcos o guiones.
Creatividad: Representar conocimiento con marcos o guiones.
Toma de Decisión: Decidir la técnica de búsqueda ciega más apropiada a un problema determinado.
Análisis de las necesidades de los clientes: Descubrir el conocimiento relevante y representable con marcos o guiones.
Tema 10. APRENDIZAJE [Ric94, Rus09, Gin93, Dur94]
Introducción. Concepto de aprendizaje. Tipos de aprendizaje: Inducción basada en ejemplos, inducción basada en el conocimiento del dominio, aprendizaje deductivo, aprendizaje por analogía.
Se propondrán trabajos de implementación de algoritmos de aprendizaje: Estimación del tiempo requerido: 2 horas.
Competencias:
Capacidad de análisis y síntesis: Analizar y resolver problemas que requieran aprendizaje mediante las técnicas mostradas en clase.
Análisis de las necesidades de los clientes: Analizar las necesidades aprendizaje del problema a resolver.
PRÁCTICAS [Cal08, CLIPS]
Tema 1. INTRODUCCIÓN A LOS SISTEMAS EXPERTOS Sistemas expertos. Inferencia. Entorno de trabajo de Clips. Tema 2. VISIÓN GENERAL DE CLIPS
Componentes de Clips. Uso de Clips. Elementos básicos de programación. Representación de la información. Representación del conocimiento.
Tema 3. HECHOS
Hechos ordenados y no ordenados. Comandos. Legibilidad. Tema 4. HECHOS DEFINIDOS A PARTIR DE PLANTILLAS Sintaxis. Plantillas. Valores por defecto. Restricciones.
Tema 5. HECHOS INICIALES
Sintaxis. Los comandos clear y reset. Comandos relacionados. Tema 6. REGLAS
Sintaxis del antecedente. Propiedades de una regla. Comandos relacionados.
Tema 7. VARIABLES GLOBALES
Sintaxis. Diferencias con las variables locales. Tema 8. MÓDULOS
Definición de módulos. Especificación de módulo. El módulo actual. Importación y exportación. Ejecución de reglas.
Tema 9. FUNCIONES Introducción. Sintaxis.
Tema 10. FUNCIONES GENÉRICAS
Definición de funciones genéricas. Índices. Parámetros. Ejecución genérica. Tema 11. ACCIONES Y FUNCIONES
Funciones predicado. Funciones multicampo. Funciones de cadena. Funciones de E/S. Funciones matemáticas. Funciones procedimentales.
BIBLIOGRAFÍA:
[Mir95] Mira, J, Delgado, A.E., Boticario, J.G., Díez, F.J. Aspectos Básicos de la Inteligencia Artificial. Sanz y Torres, Madrid, 1995
[Cal08] Calvo, A.; García-Martínez, C.; González, A.; Romero, C.; Ventura, S. Programación en lenguaje CLIPS, segunda edición. Editorial Universitaria Ramón Areces, 2008. (Prácticas)
[Sch09] Schalkoff, R.J. Intelligent Systems: Principles, Paradigms and Pragmatics. Jones & Bartlett Publishers, 2009.
[Lug08] Luger, G.F. Artificial Intelligence: Structures and Strategies for Complex Problem Solving (6th Edition) Addison Wesley, 2008.
[Rus09] Russell, S. J.; Norvig P. Inteligencia Artificial : un Enfoque Moderno (Tercera Edición). Prentice Hall, 2009.
◦ Introducción a la IA en 1:1-36 ◦ Búsqueda ciega en 3:67-106 ◦ Búsqueda heurística en 4:107-154 ◦ Búsqueda con adversarios en 6:181-211
◦ Representación del conocimiento con Lógica proposicional en 7:217-270 y Lógica de predicados 8-9:271-362
◦ Incertidumbre y Redes Bayesianas en 13-14:527-610
◦ Aprendizaje de árboles de clasificación con ID3 en 18:739-755
[Bor93] Borrajo, D.; Martínez, V.; Juristo N.; Pazos., J. Inteligencia Artificial. Métodos y Técnicas. Centro de Estudios Ramón Areces, Madrid, 1993. ◦ Introducción a la IA en 1:23-116
◦ Caracterización de problemas de búsqueda en 2:119-202 ◦ Sistemas de Producción en 3:211-298
◦ Búsqueda ciega en 4:299-398 ◦ Búsqueda heurística en 5:399-544 ◦ Búsqueda con adversarios en 5:497-533
[Nil00] Nilsson, N.J. Inteligencia Artificial: Una nueva síntesis. McGraw Hill 2000. ◦ Introducción a la IA en 1:1-15
◦ Búsqueda ciega y heurística en 2-3:26-52 ◦ Búsqueda con adversarios en 12:175-192
◦ Representación del conocimiento con Lógica proposicional en 13-14:195- 214 y Lógica de predicados en 15:215-240
◦ Redes Bayesianas en 19:285-307
◦ Aprendizaje con Redes Neuronales en 2-3:26-52
[Gin93] Ginsberg, M. Essentials of Artificial Intelligence. Morgan Kauffman 1993 ◦ Introducción a la IA en 1-2:1-46
◦ Búsqueda ciega en 3:47-67 ◦ Búsqueda heurística en 4:68-85
◦ Búsqueda con adversarios en 5:86-100
◦ Representación del conocimiento con Lógica en 6-9:105-190 ◦ Redes Bayesianas en 12:228-251
◦ Representación del conocimiento con Marcos en 13:252-271 ◦ Aprendizaje de árboles de clasificación con ID3 en 15:313-317
[Dur94] Durkin, J. Expert Systems: Design and Development. Prentice Hall 1994 ◦ Introducción a Sistemas Expertos en 1-2:1-51
◦ Introducción a la representación del conocimiento en 3:52-89 ◦ Representación del conocimiento con Marcos en 14:404-436
◦ Aprendizaje de árboles de clasificación con ID3 en 16:487-517 ◦ Glosario de términos en A:685-700
◦ Catálogo de Sistemas Expertos en C:711-771
[Fer98] Fernández Galán, S. et al., Problemas resueltos de Inteligencia Artificial Aplicada. Búsqueda y representación. Addison-Wesley, 1998.
◦ Búsqueda ciega y heurística ◦ Búsqueda con adversarios
◦ Representación del conocimiento con Sistemas Basados en Reglas ◦ Representación del conocimiento con Redes Bayesianas
◦ Representación del conocimiento con Marcos y Guiones
[CLIPS] CLIPS. CLIPS Reference Manual: Volume I, Basic Programming Guide, CLIPS version 6.21.
Software Technology Branch, Lyndon B. Johnson Space Center, Houston, 2003. (Para prácticas)
[Jon08] Jones, M. T. Artificial Intelligence: A Systems Approach (Computer Science). Jones & Bartlett
Publishers Inc, 2008.
• Introducción a la Inteligencia Artificial en Sección 1. • Búsqueda cieta en Sección 2.
• Búsqueda heurística en Sección 3 (49-65).
• Juegos bipersonales (Minimax y poda alfa-beta) en Sección 4
• Representación del conocimiento (redes semánticas, marcos, lógica) en Sección 5
[Ric94] Rich, E.; Knight, K. Inteligencia Artificial. Mc Graw Hill, Madrid, 1994 MÉTODOS Y CRITERIOS DE EVALUACIÓN:
· Exámenes escritos · Trabajos voluntarios · Autoevaluación · Registro del esfuerzo
1. Es responsabilidad del alumnado estar al corriente de las normas y noticias que se publiquen en la página de la asignatura
2. Evaluación teórica: Autoevaluación: La autoevaluación tiene como objetivo implicar al máximo al alumnado en la consecución de sus propios objetivos. Esta actividad es
obligatoria y se realiza mediante el siguiente proceso:
1. El alumnado debe presentar al profesorado un informe razonado en el que se analicen críticamente: los conocimientos y capacidades adquiridas, y los puntos del temario en los que se tengan dudas, y los porqués de éstos. En el informe se puede y debe citar el registro del esfuerzo y la realización de trabajos que justifiquen las capacidades declaradas. Este informe finalizará con una nota de autoevaluación justificada en los puntos anteriores. 2. El profesorado podrá decidir si los argumentos declarados son suficientes para asignar la nota de autoevaluación como nota de la parte teórica de la asignatura.
3. En caso de que el profesorado decida que los argumentos declarados no son suficientes, tenga dudas sobre éstos, o no esté de acuerdo con la nota de autoevaluación, entonces, se seguirán los siguientes pasos:
4. El alumnado realizará un examen teórico para cada cuatrimestre, consistente en preguntas de teoría y ejercicios a resolver.
5. El profesorado corregirá el examen teórico.
6. Si los resultados en el examen teórico se corresponden con los argumentos indicados en el informe razonado, y la calificación otorgada por el profesorado en el examen teórico es similar a la nota de autoevaluación, se asignará la nota de autoevaluación como nota de la parte teórica de la asignatura (de forma orientativa, una diferencia entre ambas notas superior a 1 punto puede empezar a invalidar la nota de autoevaluación).
7. En caso contrario, se asignará la calificación otorgada por el profesorado en el examen teórico como nota de la parte teórica de la asignatura.
8. En ningún caso, el alumnado recibirá una nota de la parte teórica de la asignatura superior a su nota de autoevaluación. Por ello, se sugiere al alumnado que se comprometa en la evaluación crítica de su proceso de aprendizaje y asigne notas de evaluación elevadas si así lo estima oportuno.
3. Evaluación teórica: Examen escrito: Leer punto de autoevaluación.
1. Los ejercicios pretenden evaluar las competencias adquiridas por el alumnado: 1. Capacidad de análisis y síntesis: El alumnado debe ser capaz de estudiar las partes importantes del problema y desarrollar mecanismos que permitan su resolución. 2. Resolución de problemas: El alumnado debe ser capaz de aplicar los contenidos explicados en el aula para resolver el problema.
su solución.
4. Análisis de las necesidades de los clientes: El alumnado debe ser capaz de detectar la información relevante (necesidades) de cada uno de los problemas.
5. Toma de Decisión: El alumnado deberá ser crítico a la hora de seleccionar uno de los modelos que permitan la solución del problema.
2. Para superar la parte teórica de la asignatura la nota media de los dos exámenes debe ser superior o igual a 5, siempre que la nota de cada examen sea superior o igual a 4.
4. Evaluación teórica: Trabajos voluntarios: Leer punto de autoevaluación.
1. El objetivo de los trabajos es únicamente facilitar el aprendizaje del alumnado y nunca la adición de puntos que conlleven la superación de la asignatura. Es por ello que estas
actividades serán evaluadas con 0 puntos.
5. Evaluación teórica: Registro del esfuerzo: Leer punto de autoevaluación.
1. El profesorado proveerá de un sistema donde el alumnado podrá registrar su dedicación a la adquisición de conocimientos y competencias de la asignatura.
2. El uso del sistema, al igual que la realización de trabajos voluntarios, será evaluado con 0 puntos. Si bien, los datos recogidos en éste podrían suponer la aceptación de la nota de autoevaluación indicada por el alumnado.
6. Evaluación de las prácticas:
1. Cada alumno o alumna entregará un cuaderno de prácticas en el que responderá de forma personalizada a todas las cuestiones que se planteen en la web de la asignatura.
2. Los ejercicios de prácticas deben hacerse de manera individual.
3. En su espacio de trabajo del sistema informático, el alumnado mantendrá una carpeta con todas las prácticas realizadas en esta asignatura. El profesor podrá revisar y evaluar esta información.
4. El profesor se cerciorará de comprobar que el alumnado ha realizado los ejercicios de prácticas y los corregirá, siendo esta evaluación la nota de prácticas de la asignatura. 5. Para superar la parte práctica de la asignatura es necesario obtener al menos un 50% de la nota correspondiente.
7. La nota final
1. La nota final será la media ponderada de las notas obtenidas en la parte práctica y la teórica de acuerdo a los créditos asignados a cada parte. Para aprobar la asignatura la nota final deberá ser igual o superior a 5 puntos.
síntesis y la forma en que el alumnado relaciona los contenidos expuestos con el contenido y objetivo global de la asignatura.