asignaturas — Universidad de Cádiz

Fichas de asignaturas 2008-09

	CÓDIGO	NOMBRE
Asignatura	1713025	INTELIGENCIA ARTIFICIAL II
Descriptor		Artificial Intelligence II
Titulación	1713	INGENIERÍA EN INFORMÁTICA
Departamento	C137	LENGUAJES Y SISTEMAS INFORMATICOS
Curso	4
Duración (A: Anual, 1Q/2Q)	2Q
Créditos ECTS	4

Créditos Teóricos

Créditos Prácticos

1,5

Tipo

Troncal

Para el curso

2007-08:

Créditos superados frente a presentados

96.2%

Créditos superados frente a matriculados

69.4%

Profesorado

ELISA GUERRERO VÁZQUEZ (Coordinadora)

Situación

Prerrequisitos

Ninguno

Contexto dentro de la titulación

Asignatura troncal del 2º cuatrimestre del área de Ciencias de la Computación
e Inteligencia Artificial. Continuación de la asignatura
Inteligencia Artificial I del primer cuatrimestre.

Recomendaciones

1. Haber cursado la asignatura del primer cuatrimestre: Inteligencia
Artificial I.

2. Tener conocimientos de programación lógica y programación funcional.

3. Cursarla en el lugar en el que se ubica, es decir, en el segundo
cuatrimestre del primer curso de segundo ciclo, ya que otras materias
posteriores la utilizarán como fundamento.

4. Utilizar la bibliografía recomendada de la asignatura y no limitarse a usar
las transparencias de la asignatura: el material facilitado al alumno debe ser
un complemento y no la única fuente de documentación. El estudio debe basarse
en referencias sólidas de la materia.

5. Antes de cada clase se recomienda realizar un repaso del tema que se está
tratando en las clases tanto teóricas como prácticas.

6. Asistir regularmente a clase.

7. La modalidad de evaluación continua requiere un esfuerzo semanal
importante, aquellos alumnos que por razones personales, profesionales, etc.
no puedan dedicar el suficiente tiempo a un estudio continuado a lo largo del
cuatrimestre, deben optar por la evaluación final.

8. Los alumnos que ampliarán matrícula a lo largo del curso por estar
terminando el proyecto de fin de carrera tendrán que optar por la modalidad de
evaluación final. En su caso podrán asistir como oyentes, siempre que no
interfieran en el normal funcionamiento de las clases para los alumnos
matriculados.

9. A los alumnos pendientes de presentar y entregar el pfc, se recomienda
dedicarse por completo a esta tarea antes de abordar las asignaturas de este
segundo ciclo.

Competencias

Competencias transversales/genéricas

- Aprendizaje autónomo
- Capacidad de análisis y síntesis
- Capacidad de aplicar los conocimientos a la práctica
- Comunicación oral y escrita-Adaptación a nuevas situaciones.
- Resolución de problemas
- Trabajo individual y en grupo.

Competencias específicas

Cognitivas(Saber):

- Adquisición de conocimientos para la representación del
conocimiento en IA según el dominio del problema. Representaciones
basadas en reglas, de conocimiento taxonómico, conocimiento
asertivo, basadas en secuencia de acciones para representar
sentencias del lenguaje natural.

- Conocer distintos métodos de Planificación.

- Conocer principales características y técnicas en percepción.

Procedimentales/Instrumentales(Saber hacer):

- Aplicar el mejor método de representación del conocimiento de
acuerdo a las características del problema para implementar agentes
inteligentes.

- Saber realizar inferencias sobre los sistemas implementados para
derivar/obtener nueva información.

- Manejar una herramienta de representación del conocimiento.

- Capacidad de sintetizar secuencias de acciones con el objetivo de
alcanzar una meta.

- Manejar herramientas software para el manejo de procedimientos
típicos en percepción.

Actitudinales:

Ser consciente del ámbito la IA en las Tecnologías de la Información
y las Comunicaciones y de la tecnología en general, y tener presente
el alcance ético de los sistemas generados mediante estas técnicas
para su aplicación razonada en el desempeño de la profesión.

Objetivos

1. Proporcionar al alumno una visión general de las distintas técnicas de
representación del conocimiento en Inteligencia Artificial.

2. Proporcionar una formación sólida en las técnicas más relevantes en
Representación del Conocimiento, Planificación de Tareas y Agentes Inteligentes
con capacidad de Percepción.

3. Capacitar al alumno para el diseño e implementación, con las herramientas
software adecuadas, de Agentes Inteligentes basados en los diversos ámbitos
estudiados en la asignatura.

Programa

REPRESENTACIÓN DEL CONOCIMIENTO EN IA
1.La problemática de la Representación del Conocimiento
1.1.Representación e inferencia
1.2.Tipos de Conocimiento
1.3.Métodos de Representación del Conocimiento : Procedurales y Declarativos
2.Sistemas Basados en la Lógica.
3.Sistemas Basados en Reglas
4.Sistemas de Representación Estructurados
4.1.Redes semánticas
4.2.Frames
5. Implementaciones mediante CLIPS

GENERACIÓN DE PLANES
6.Generación de Planes
6.1.Representación. Lenguaje STRIPS.
6.2.Búsqueda en el espacio de situaciones.
6.3.Búsqueda en el espacio de planes


PERCEPCIÓN
7.Percepción
7.1 Motivación
7.2 Percepción en una dimensión
7.3 Percepción en dos dimensiones

Metodología

Lecciones teóricas:
Clases magistrales y resolución de casos prácticos propiciando la discusión
sobre los distintos tópicos y técnicas planteadas y sus posibles soluciones.
Motivar al alumno a través de la participación activa.

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.

Distribución de horas de trabajo del alumno/a

Nº de Horas (indicar total): 100

Clases Teóricas: 30,375
Clases Prácticas: 10,125
Exposiciones y Seminarios: 0
Tutorías Especializadas (presenciales o virtuales):
- Colectivas: 3
- Individules:
Realización de Actividades Académicas Dirigidas:
- Con presencia del profesorado: 1,5
- Sin presencia del profesorado: 1,375
Otro Trabajo Personal Autónomo:
- Horas de estudio: 50,625
- Preparación de Trabajo Personal:
- ...
Realización de Exámenes:
- Examen escrito: 3
- Exámenes orales (control del Trabajo Personal):

Técnicas Docentes

Sesiones académicas teóricas:Si	Exposición y debate:Si	Tutorías especializadas:Si
Sesiones académicas Prácticas:Si	Visitas y excursiones:No	Controles de lecturas obligatorias:No

Otros (especificar):

Conferencias

Criterios y Sistemas de Evaluación

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.

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 CLIPS 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.

En las actas de junio de los alumnos que no superen la evaluación continua
aparecerá la calificación de Suspenso con 0 puntos, si no se presentan al
examen final.

Recursos Bibliográficos

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.

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

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

MIRA J., Delgado A., Boticario J., Díez F. (1995): Aspectos Básicos de la
Inteligencia Artificial. UNED, Sanz y Torres, Madrid.

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

GIARRATANO, J.-Riley, G.,(2001): Sistemas expertos: Principios y programación ,
Thomson, México D.F.

PAJARES G., Martinsanz y Matilde Santos Peñas (2005): Inteligencia artificial e
ingeniería del conocimiento.Ra-Ma Madrid.

PAJARES G. (2005): Visión por Computador. Ra-Ma, 2005.

GONZALEZ R. & WOODS R. (1996): Tratamiento Digital de Imágenes. Rafael González
& Richard Woods. Addison-Wesley, 1996.

GONZALEZ R. & WOODS R. (2007): Digital Image Processing using Matlab. González
& Woods.

RUSS J. (2006): The Image Processing Handbook. John Russ. CRC Press, 2006.

Cronograma

Pulse aquí si desea visionar el fichero referente al cronograma sobre el número de horas de los estudiantes.

El presente documento es propiedad de la Universidad de Cádiz y forma parte de su Sistema de Gestión de Calidad Docente.