Desarrollo del Curso

Semana	Tema	Trabajo de Clase	Laboratorio
1	Clasificación de problemas algorítmicos [Ver Contenido] Presentación del curso. Clasificación de problemas algorítmicos, problemas P y NP. Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.	Sensores	LISP
2	Fundamentos de la inteligencia artificial [Ver Contenido] Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre sistemas operacionales y sistemas inteligentes. Aplicaciones en la industria y servicios (robótica, planificación, gestión de desperdicios). Test de Turing.	Aplicación IA	Ejercicios LISP
3,4	Representación de problemas de juego humano – máquina como búsqueda en un espacio de estado [Ver Contenido] Definición de problemas de la IA como problemas de búsqueda en un espacio de estado. Representación de problemas de juegos humano – máquina.  Agente Inteligente: Circuito Código	Manual LISP	Funciones en LISP Funciones Recursivas LISP
5	Métodos de búsqueda ciega [Ver Contenido] El problema de búsqueda en un espacio de estado como grafo. La imposibilidad de usar métodos de caminos mínimos. El concepto de los métodos de búsqueda ciega e informada. El árbol de estado. Los métodos ciegos: amplitud, profundidad, no- deterministico. Agente Inteligente: Circuito Código	-	Primera Practica
6	Métodos de búsqueda informados [Ver Contenido] La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación.	-	Arboles Binarios
7	Métodos de búsqueda para juegos humano-máquina [Ver Contenido] Algoritmo de juego humano – máquina. Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades. Algoritmo min-max y alfa-beta.	-	-
8	Examen Parcial [Visualizar]	Solución Examen	-
9	Fundamentos de sistemas expertos [Ver Contenido] Definición de Sistemas Expertos. Arquitectura de un sistema experto. Taxonomía y aplicaciones de los sistemas expertos. Requisitos para el desarrollo de sistemas expertos y ventajas del uso de sistemas expertos. Algunos problemas basados en el conocimiento.	Árbol Genealógico	Recursividad en Prolog Ejecutable
10	Ingeniería de conocimiento [Ver Contenido] Introducción. Adquisición de conocimiento. La metodología CommonKADS. Diseño de Sistemas Expertos (SE). Ciclo de vida de un SE.	SE	-
11	Adquisición de Conocimiento [Ver Contenido] Adquisición de conocimiento. Construcción de la base de hechos y base de conocimiento. Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, ontologías, metadatos, thesaurus).	Manual Prolog	-
12	Desarrollo de sistemas expertos basados en reglas [Ver Contenido] Construcción de la base de hechos y base de conocimiento. El motor de inferencia. Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE. Técnicas de resolución de conflictos.	-	Paraderos
13	Calidad y validación de sistemas expertos [Ver Contenido] Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Validación de sistemas inteligentes, métodos cuantitativos de validación. Eficiencia y error de sistemas expertos. Revisión de la funcionalidad del SE del 2do trabajo.	Arbol Genealógico para Practica	Ejecutable practica
14	Introducción a Machine Learning y heurísticas [Ver Contenido] Conceptos de aprendizaje y de machine learning. Sistemas experto vs machine learning. Técnicas de aprendizaje y fases de desarrollo de machine learning. Aplicaciones de machine learning en la industria y servicios. El problema de la optimización combinatoria. Conceptos de heurísticas y meta-heurísticas. Algoritmos exactos vs algoritmos heurísticos. Técnicas heurísticas y meta-heurísticas. Problemas de optimización combinatoria en la industria y servicios.	Circuito Proyecto Final	Código Arduino
15	Examen Final [Visualizar]	Caso 2 Examen FInal	Ejecutable Caso 2