CÓDIGO CCPG-1014
NÚMERO DE CREDITOS Teórico: 9 Práctico: 0
2. COURSE DESCRIPTION
Este curso presenta las técnicas de Inteligencia Artificial (IA) como una herramienta para analizar y
resolver problemas no convencionales. Además, define e identifica diferentes métodos de
representación del conocimiento, diversos mecanismos para la búsqueda y razonamiento artificial;
presenta las metodologías para resolver problemas basados en el aprendizaje automático de las
máquinas a través de las redes neuronales, redes convolucionales y redes recurrentes.
Unidades y Subunidades
1. Fundamentos a la inteligencia artificial
1.1 Introducción, definiciones e historia de la IA
1.2 Visión general e intuiciones de la solución de problemas con IA
1.3 Revisión del estado del arte, intuiciones y ejemplos de aplicaciones de IA recientes
2. Técnicas para resolver problemas de IA
2.1 Comportamiento inteligente
2.2 Resolución de problemas basada en búsqueda, conducida por datos y por objetivos
2.3 Búsqueda no informada (búsqueda por amplitud, búsqueda por profundidad)
2.4 Búsqueda heurística e informada (Hill climbing, Simulated Annealing, Best first search, A*),
algoritmo de rastreo
2.5 Análisis de eficiencia de espacio y tiempo de búsqueda
3. Representación del conocimiento
3.1 Problemas de representación del conocimiento
3.2 Cálculo proposicional y lógica de predicados
3.3 Teorema de Resolución y demostración del teorema
3.4 Otros métodos de representación del conocimiento.
4. Razonamiento artificial e inferencia
4.1 Algoritmo de unificación
4.2 Encadenamiento hacia delante y hacia atrás
4.3 Conversión de predicados a cláusulas
4.4 Reglas de inferencia artificial, y aplicación del teorema de resolución
4.5 Extracción de la respuesta en el proceso de resolución y refutación.
5. Aprendizaje de máquinas - Redes neuronales
5.1 Perceptron y red de perceptrones multicapa
5.2 Funciones de transferencia y topologías de redes neuronales
5.3 Aprendizaje supervisado, no supervisado y semi-supervisado
5.4 Clasificadores lineales y no lineales
5.5 Aprendizaje en redes neuronales (propagación hacia delante y propagación hacia atrás)
6. Redes neuronales convolucionales y recurrentes (deep learning)
6.1 Aprendizaje profundo y capas convolucionales, capas reductoras y capas completamente
conectadas
6.2 Redes totalmente recurrentes
6.3 Redes recurrentes tipo Long-Short Term Memory
6.4 Desarrollo de soluciones a problemas reales
Este es un curso presencial y requiere 48 horas de asistencia que se distribuyen en 33 sesiones de 1.5
horas cada una, y 96 horas de trabajo individual.
Cada sesión ha sido diseñada siguiendo el paradigma constructivista; comienza con la reconstrucción de
lo aprendido previamente para continuar con el desarrollo de nuevos conocimientos. Cada clase tiene
diversas actividades, como presentaciones de tópicos, actividades de grupo y discusiones plenarias, para
ayudar a construir estrategias de solución a problemas, descubrir y definir conceptos, etc., así como
evaluar lo que se ha aprendido.
Todos los recursos de aprendizaje están disponibles en el sitio web del curso: www.sidweb.espol.edu.ec.
En este sitio también están disponibles los materiales del curso, descripción de tareas y proyectos.