Profesorado

Juan Boubeta Puig (coordinador)
Pedro Fernández Fernández

Situación

Prerrequisitos

Haber cursado la asignatura "Introducción a la Programación" de primer curso.

Contexto dentro de la titulación

Asignatura Optativa de segundo y tercer curso.

Recomendaciones

Para el desarrollo de las prácticas es necesario tener conocimientos de
programación en lenguaje C. Por tanto, es recomendable haber cursado las
asignaturas relacionadas con programación en C en el primer curso de la
titulación: Introducción a la Programación, Estructuras de Datos I, y
Metodología de la Programación.

Competencias

Competencias transversales/genéricas

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

Competencias específicas

• Cognitivas(Saber):

  - Conocer en líneas generales en qué consiste la disciplina de la
  inteligencia artificial.
  - Conocer la evolución del campo de la inteligencia artificial.
  - Conocer los problemas típicos que intenta resolver la inteligencia
  artificial.
  - Conocer las técnicas y herramientas para la resolución de problemas
  en la inteligencia artificial.
  - Conocer la forma de representar conocimiento en un sistema de
  inteligencia artificial.
  - Conocer campos donde se ha utilizado con éxito la inteligencia
  artificial.
  - Conocer las perspectivas futuras de la inteligencia artificial.

• Procedimentales/Instrumentales(Saber hacer):

  - Saber identificar los problemas que entran dentro del campo de la
  inteligencia artificial.
  - Saber distinguir el enfoque tradicional de la programación de
  ordenadores y el enfoque de la inteligencia artificial en el abordaje
  y la resolución de problemas.
  - Saber identificar los distintos componentes de un sistema
  de inteligencia artificial.
  - Saber aplicar las técnicas de resolución de problemas y de
  representación del conocimiento para resolver problemas siguiendo el
  enfoque de la inteligencia artificial.
  

• Actitudinales:

  - Aprendizaje autónomo
  - Planificación de las actividades a desarrollar
  - Capacidad de abstracción
  - Toma de decisión
  - Capacidad de iniciativa y participación
  

Objetivos

- El objetivo fundamental es adquirir un conocimiento general y básico sobre los
métodos, técnicas y campos de actuación de la inteligencia artificial.
- Conocer y saber aplicar los métodos heurísticos de frecuente aplicación en
inteligencia artificial.
- Desarrollar en el alumno nuevas concepciones de la  informática.

Programa

I. INTELIGENCIA ARTIFICIAL.
Aspectos introductorios. Definiciones de la inteligencia artificial. Revisión
histórica. Orígenes.
Etapas del desarrollo. Características de la I.A. Aplicaciones de la I.A.
Lenguajes de Programación e Inteligencia Artificial.

II. BÚSQUEDA. RESOLUCIÓN DE PROBLEMAS.
Tipología de problemas de I.A. La experiencia G.P.S. Fases de resolución.
Representación del camino de resolución. Grafo de estados. Grafo AND-OR.
El espacio de estados.
Técnicas sistemáticas de desarrollo del árbol de resolución. Búsqueda en
anchura y en profundidad.
Técnicas con métodos heurísticos. Generalidades. Función de evaluación.
Resolución de problemas con condiciones rectrictivas.
Árboles de Juego: Casos particulares. Mini-Max.

III.  REPRESENTACION DEL CONOCIMIENTO.
Introducción. Representación lógica. La lógica de proposiciones. Lógica de
predicados de primer orden. El principio de resolución.
Las redes semánticas. El razonamiento en las redes semánticas.
Reglas de producción. La estructura de un sistema de reglas. El razonamiento.
Las representaciones procedimentales.
Representaciones por objetos estructurados. "Frames" y Guiones.

IV.  SISTEMAS EXPERTOS.
Introducción. Definiciones. Componentes de base de un S.E.
Tipología de los S.E. Desarrollo de un S.E.

V. PROCESAMIENTO DE LENGUAJE NATURAL.
El lenguaje natural. El procesamiento del habla. El procesamiento del texto
escrito. Comprensión de frases y diálogo.

VI. ROBÓTICA.
Introducción. La generación de planes. Estructura de un generador de planes.
La visión.

VII. PERSPECTIVAS DE LA I.A.
Introducción. Aspectos relativos al software. Software de base. Aspectos
relativos al equipo físico. Las máquinas de I.A.
Temas de vanguardia: Aprendizaje automático. Módelos bioinspirados.
Funcionamiento en paralelo.

Actividades

SIN DOCENCIA.

Metodología

SIN DOCENCIA.

Distribución de horas de trabajo del alumno/a

Nº de Horas (indicar total): 112.5

• Clases Teóricas: 18  
• Clases Prácticas: 23  
• Exposiciones y Seminarios: 4  
• Tutorías Especializadas (presenciales o virtuales):
  • Colectivas: 3  
  • Individules: 0  
• Realización de Actividades Académicas Dirigidas:
  • Con presencia del profesorado: 7  
  • Sin presencia del profesorado: 0  
• Otro Trabajo Personal Autónomo:
  • Horas de estudio: 32  
  • Preparación de Trabajo Personal: 22,5  
  • ...
     
• Realización de Exámenes:
  • Examen escrito: 3  
  • Exámenes orales (control del Trabajo Personal):  

Técnicas Docentes

Criterios y Sistemas de Evaluación

El sistema de evaluación consta de dos componentes:

1. Examen final de teoría
2. Memoria de prácticas y defensa final

El examen final de teoría será un examen escrito sobre todo el temario de la
asignatura. El examen se realizará de acuerdo con
las convocatorias oficiales de exámenes finales que establecen los Estatutos de
la Universidad de Cádiz y que el Centro publica con la debida antelación. La
calificación del examen final de teoría se realizará en una escala de 0 a 10
puntos.

Los alumnos deberán presentar una memoria final de prácticas a través del campus
virtual en las fechas indicadas por el profesor. Esa memoria será defendida por
el alumno y su calificación será de APTA o NO APTA. El desconocimiento de las
cuestiones planteadas durante la defensa implicará NO APTA.

La calificación final de la asignatura se obtiene de la siguiente forma:

si Nota de Prácticas = APTO y Nota Examen Final >= 5
Nota Final de Asignatura = Nota Examen Final
si no
Nota Final de Asignatura = min(4, Nota Examen Final)

Recursos Bibliográficos

Bibliografía recomendada:

- S. Russell y P. Norvig. Inteligencia Artificial: Un enfoque moderno. 2ª ed.
Prentice-Hall, 2004.


Otras referencias de inteligencia artificial como material complementario:

- D. Borrajo et al. Inteligencia artificial: Métodos y técnicas. Centro de
Estudios Ramón Areces. Madrid, 1997.

- S. Fernández et al. Problemas resueltos de inteligencia artificial aplicada:
búsqueda y representación. Addison-Wesley, 2003.

- J. Mira et al. Aspectos básicos de la Inteligencia Artificial. Sanz y Torres,
2003.

- N. Nilsson. Inteligencia Artificial: Una nueva síntesis. McGrawHill, 2001.

- J.T. Palma Méndez y R. Marín Morales. Inteligencia artificial: métodos,
técnicas y aplicaciones. McGraw-Hill, 2008.

- E. Rich y K. Knight. Inteligencia Artificial. 2ª ed. McGraw-Hill, 1995.

- H. Schild. Utilización de C en Inteligencia Artificial. McGraw-Hill, 1988.

- P. Winston. Inteligencia Artificial. 3ª ed. Addison-Wesley. EE.UU, 1994.