ELISA GUERRERO VÁZQUEZ (Coordinadora)

1. Proporcionar al alumno una visión general de la Inteligencia Artificial, de
sus diversas aplicaciones y su evolución a lo largo de la historia.

2. Capacitar al alumno para el acceso y comprensión de la literatura de
Inteligencia Artificial en un nivel general, dotándolo de un dominio del
vocabulario técnico básico de dicho campo.

3. Capacitar al alumno para el acceso y comprensión de la literatura
específica sobre Agentes Inteligentes que utilicen técnicas de Búsqueda,
Heurística y Aprendizaje Automático, dotándolo de un dominio del vocabulario
técnico apropiado en dicho campo.

4. Proporcionar una formación sólida en las técnicas más relevantes en la
resolución de problemas de IA mediante búsqueda en espacio de estados.

5. Acercar al alumno a los fundamentos del aprendizaje automático,
conociendo los distintos enfoques a nivel teórico, como punto de partida para
el desarrollo de sistemas inteligentes.

6. Proporcionar una formación sólida para implementar agentes que realizan
tareas de aprendizaje del mundo real mediante redes neuronales artificiales con
la máxima capacidad de generalización

1.INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL (3h.)
1.1.Definición y conceptos básicos en IA
1.2.Revisión Histórica
1.3.Áreas de Aplicación, estado actual de la materia

2.TÉCNICAS DE BÚSQUEDA (25 h.)
2.1.Búsqueda a ciegas
2.2.Búsqueda heurística
2.3.Búsquedas con retroceso e irrevocable
2.4.Satisfacción de restricciones
2.5.Evaluación minimax
2.6.Poda alfa-beta
2.7.Implementaciones

3.APRENDIZAJE (17 h.)
3.1.Formalización del problema
3.2.Tipos de Aprendizaje
3.3.Problemas de Regresión Lineal
3.4.Introducción a las Redes Neuronales
3.5.Implementaciones

Lecciones teóricas:
Clases magistrales y resolución de casos prácticos propiciando la discusión y
debate sobre los distintos tópicos y técnicas planteadas y sus posibles
soluciones.
Motivar al alumno para la participación activa y la realización de su propio
trabajo de ampliación de conocimiento en la materia.

Lecciones prácticas:
La implementación de las diversas técnicas estudiadas tendrán lugar en aulas de
ordenadores, partiendo de problemas-ejemplos en los que tendrán que implementar
los diferentes conceptos estudiados en teoría, y se les propondrán prácticas
para resolver de forma individual o en grupo.

Nº de Horas (indicar total): 100

• Clases Teóricas: 20  
• Clases Prácticas: 12  
• Exposiciones y Seminarios: 3.5  
• Tutorías Especializadas (presenciales o virtuales):
  • Colectivas: 3  
  • Individules:  
• Realización de Actividades Académicas Dirigidas:
  • Con presencia del profesorado: 10,5  
  • Sin presencia del profesorado: 19,5  
• Otro Trabajo Personal Autónomo:
  • Horas de estudio: 31,5  
  • Preparación de Trabajo Personal:  
  • ...
     
• Realización de Exámenes:
  • Examen escrito: 4  
  • Exámenes orales (control del Trabajo Personal):  

La criterios de evaluación atenderán a aspectos tales como mostrar una adecuada
comprensión de los fundamentos de la asignatura, la adecuación, corrección,
claridad, y sencillez de las soluciones aportadas a los problemas y cuestiones
planteados, y la claridad y exactitud expositiva de las argumentaciones.

Durante el cuatrimestre tendrá lugar una sesión especial dedicadas a
Conferencias sobre temas relacionados con la asignatura y la titulación. Esta
actividad tendrá un peso del 10%, que recoge asistencia y realización de un
trabajo relacionado con el tema de la conferencia asignada.

Los alumnos que deseen acogerse a la modalidad de Evaluación Final deberán
realizar un examen final de carácter teórico-práctico y además, entregar una
serie de ejercicios implementados en LISP y MATLAB en las convocatorias
oficiales de exámenes de la asignatura.

Los alumnos que deseen acogerse a la modalidad de Evaluación Continua deberán
asistir regularmente, con un máximo de 2 faltas de asistencia, tanto a las
clases teóricas como prácticas. Se propondrá a los alumnos la resolución de
diversos ejercicios teórico-prácticos e implementaciones que deberán entregarse
a lo largo del curso. El alumno que no supere todas las pruebas de Evaluación
Continua deberá optar por la Evalucación Final.

RUSSELL, S. y NORVIG, P.(2003): Artificial Intelligence: A Modern Approach.
Prentice Hall, 2003.

ESCOLANO F., CAZORLA M.A. , ALFONSO M.I., COLOMINA O.  y LOZANO M.A.(2003):
Inteligencia Artificial. Modelos, Técnicas y Áreas de Aplicación Thomson,
Madrid, 2003.

NILSSON N (2001): Inteligencia Artificial: Una nueva síntesis. McGrawHill.

RICH, E. and KNIGHT, K., (1997): Inteligencia artificial. McGraw-Hill
Interamericana.

WINSTON, P. H. (1994): Inteligencia Artificial. 3ª Edición, Addison-Wesley
Iberoamericana, Wilmington, Delaware, EE.UU.

FERNÁNDEZ S., GONZÁLEZ J. y MIRA J. (2003):Problemas Resueltos de Inteligencia
Artificial Aplicada. Búsqueda y Representación. Pearson, Madrid.

SIERRA B. y otros (2006): Aprendizaje Automático. Conceptos básicos y avanzados
Pearson Prentice Hall, Madrid 2006.

ISASI P., VIÑUELA I. (2003): REDES DE NEURONAS ARTIFICIALES. Pearson Educación
S.A., Madrid, 2003.

WINSTON P., HORN P. (1991): LISP 3 Ed." Addison Wesley

ARAGONÉS J., GIL J., GALINDO P. (1999): Introducción a Matlab. Universidad de
Cádiz.

NORVIG P. (1992): Paradigms of AI programming: Case studies in Common Lisp.
Morgan Kaufmann Publishers, San Mateo, CA, 1992.