UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE INGENIERÍA CIVIL, DE SISTEMAS Y DE ARQUITECTURA

ESCUELA PROFESIONAL DE INGENÍERIA DE SISTEMAS

SÍLABO DE <INTELIGENCIA ARTIFICIAL>

I. DATOS INFORMATIVOS

CÓDIGO : IS502
PRE-REQUISITO : IS459 MODELAMIENTO Y SIMULACION
IS461 ARQUITECTURA DE COMPUTADORAS
SEMESTRE : 2019-N
CICLO DE ESTUDIOS : IX
NÚMERO DE CRÉDITOS : 04
CARGA HORARIA : HT: 03 - HP: 02
DURACIÓN : 08 Semanas
DOCENTE Ing. Gavino Marcelo Loyaga Orbegoso
gloyaga@unprg.edu.pe

II. SUMILLA
La Inteligencia Artificial, conceptos, paradigmas y aplicaciones en la industria y
servicios. Representación del conocimiento. Representación de problemas de IA
como búsqueda en el espacio de estado. Métodos de búsqueda ciegos e informados.
Juegos inteligentes hombre-máquina. Sistemas expertos, arquitectura, taxonomía y
aplicaciones. Motor de Inferencia. Ingeniería de conocimiento, conceptos, evolución,
Metodología CommonKADS. Calidad y Validación de Sistemas Expertos,
Introducción a Machine Learning (Aprendizaje Automático) y heurísticas.

III. OBJETIVO GENERAL

Los estudiantes adquirirán conocimientos del área de Inteligencia Artificial en
general y desarrollarán aspectos básicos en el desarrollo de juegos inteligentes y de
sistemas expertos, y su aplicación en la resolución de problemas inteligentes en los
sectores de la industria y de servicios
OBJETIVOS ESPECÍFICOS
Al terminar el curso el alumno será capaz de:
1. Comprender que es la Inteligencia Artificial y la complejidad de
sus problemas.
2. Conocer las diferentes estrategias de búsqueda usando Prolog.
3. Representar y resolver problemas de aplicaciones con Prolog
(Horario, Arbol Genealógicio, juegos, etc).
4. Desarrollar algoritmos básicos usando Phyton
5. Diseñar y desarrollar software de algoritmos de aprendizaje usando
Phyton (Redes neuronales de dos capas).
6. Comprender qué son los sistemas expertos y saber cuándo usarlos.
7. Conocer que es la Ingeniería de Conocimiento y un método para el
desarrollo de sistemas basados en el conocimiento
8. Conocer los conceptos de machine learning y de heurísticas, su
importancia y sus aplicaciones en la industria y servicios.

1
IV. CONTENIDO ANALÍTICO POR SEMANAS:

SEMANA TEMAS
1º Semana Fundamentos de la Inteligencia Artificial
Sesión 1
Teoría
Presentación del curso.
Definición de la Inteligencia Artificial. Máquina inteligente. Diferencia entre
sistemas operacionales y sistemas inteligentes. Revisión de los lenguajes de la
inteligencia artificial. Aplicaciones en la industria y servicios.

Lenguaje de Programación
Introducción al PROLOG: características y palabras del lenguaje, operaciones
con números. Presentación del software PROLOG: comandos básicos,
procesamiento básico del interpretador.

1º Semana Representación del conocimiento – Clasificación de problemas

Sesión 2 algorítmicos

Teoría
Representación del conocimiento: redes semánticas, registros, y predicados.
Clasificación de problemas algorítmicos. Problemas de decisión, localización y
optimización. Problemas P y NP. Descripción de algunos problemas.
Práctica
Representación del conocimiento referido a diversos dominios.

Operaciones con listas Ejemplos y ejercicios.

2º Semana Búsqueda en un espacio de estados

Sesión 1
Teoría
Definición de problemas de la IA como problemas de búsqueda en un espacio
de estado

Práctica
Representación de problemas de raciocinio, problemas de juegos hombre
máquina, problemas de optimización.

Definición de funciones en PROLOG: anónimas y con nombre. Pautas para la

elaboración de programas en el PROLOG.

2º Semana Métodos de búsqueda en un espacio de estados

Sesión 2
Teoría
Métodos de búsqueda ciega: amplitud, profundidad y no determinista.

Práctica
Resolución de problemas de raciocinio, de juegos hombre máquina, problemas
de optimización mediante métodos de búsqueda ciegos.

2
3º Semana Métodos de búsqueda informados
Sesión 1
Teoría
Métodos que usan información adicional: primero el mejor, ascenso a la colina,
ramificación y acotación.

Práctica
Proyecto en Prolog.

3º Semana Métodos de búsqueda para juegos hombre-máquina

Sesión 2
Presentación de proyecto en Prolog:

4º Semana Presentación de trabajos computacionales

Sesión 1
Teoría
El Lenguaje de Programación Phyton
Práctica
Presentación de trabajos computacional en Phyton

4º Semana EXAMEN PARCIAL

Sesión 2
5º Semana Fundamentos de Sistemas Expertos
Sesión 1
Teoría
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.

Práctica
Desarrollo de un SE usando Phyton/prolog (Diagnóstico de enfermedades,
juegos, clsificación de especies biológicas
5º Semana Diseño de Sistemas Expertos
Sesión 2
Teoría
Diseño de Sistemas Expertos (SE). Ingeniería de software y SE Ciclo de vida de
un SE.

3
 Práctica:

Demostración práctica de programas en Python/prolog.

6º Semana Desarrollo de Sistemas Expertos

Sesión 1
Teoría
Construcción de la base de hechos y base de conocimiento. El motor de
inferencia. Los métodos de encadenamiento regresivo y progresivo. Ventajas y
desventajas del uso de los métodos de encadenamiento. Consideraciones para
el desarrollo de interfaces.

Práctica
Resolución de problemas basados en el conocimiento mediante los métodos de
encadenamiento.

Implementación de métodos de búsqueda ciegos en PYTHON/PROLOG.

6º Semana Sistemas expertos basados en Redes Neuronales

Sesión 2
Teoría
Conceptos básicos de redes neuronales artificiales (RNA). El problema de
identificación de patrones y sus aplicaciones. Identificación de patrones a través
de RNA. Algoritmos de RNA para identificación de patrones. Consideraciones
para resolver problemas basados en el conocimiento a través de RNA.

Práctica
Resolución de problemas basados en el conocimiento mediante los sistemas
expertos basados en redes neuronales.

Implementación de métodos de búsqueda informados en PROLOG.

7º Semana Calidad y validación de sistemas expertos

Sesión 1
Teoría
Principales errores en el desarrollo de un sistema experto. Calidad de un
sistema experto. Eficiencia y error de sistemas expertos.

Práctica
Determinación de la confiabilidad de sistemas expertos, análisis de estabilidad.

Implementación del algoritmo de encadenamiento regresivo en PROLOG

7º Semana Introducción a los Sistemas Inteligentes

Sesión 2
Teoría
Introducción a los sistemas inteligentes Conceptos de aprendizajes Aplicaciones
de RNA y de Sistemas Inteligentes.

4
 8º Semana Presentación de trabajos finales
Sesión 1
EXAMEN FINAL

8º Semana Examen sustitutorio.

Sesión 2

V. METODOLOGÍA
El curso se desarrolla a través de actividades teórico – prácticas, dando énfasis a
aplicaciones en la industria y servicios. Los estudiantes, organizados en grupos de 3
estudiantes, desarrollarán dos trabajos computacionales.

VI. EVALUACIÓN
El Promedio Final (PF) se determina de la forma siguiente:
PF = 0.025(CL1 + CL2 + CL3 + CL4) + 0.075(TB1 + TB2) + 0.15*LA + 0,30*EA +
0,30*EB Donde:
CLx: Controles de Lecturas (CL1, CL2, CL3 y CL4)
TB1: Trabajo Grupal
TB2: Trabajo Grupal
EA: Examen Parcial
EB: Examen Final

VII. BIBLIOGRAFÍA
• Palma Méndez, José T. y Marín Morales, Roque. INTELIGENCIA ARTIFICIAL
Técnicas Métodos y Aplicaciones. Editorial Mc. Graw Hill.2008. ISBN: 978-84-
481-5618-3.
• GARCIA SERRANO, Alberto
INTELIGENCIA ARTIFICIAL. Editorial Alfaomega. 1ª. Edición.
México.2013.
• Bonifacio Martin del Brío y Alfredo Sanz Molina.
REDES NEURONALES Y SISTEMAS
DIFUSOS. Edit. Alfaomega.2001.
• GIARRATAMO, Joseph y Riley Gary. SISTEMAS EXPERTOS: Principios y
Programación Tercera Edición. Edit. Thomson Editores. 2001. ISBN 970-686-
059-2
Las lecturas obligatorias serán proporcionadas por el profesor del curso.