Classification of Course Presentation algorithmic problems.

Classification of algorithmic problems, problems P and NP.
Decision problems, localization and optimization. Description of some NP-hard problems.

References: [4] Chapter 1, [1] Annex A.

Fundamentals of Artificial Intelligence Artificial Intelligence Definition.

Intelligent machine.
Difference between operating systems and intelligent systems.
Applications in industry and services (robotics, planning, waste management).
Turing Test.

References: [1] Chapter 1, [2] Chapter 1, [9] Chapter 1.

Representación de problemas de juego humano máquina como búsqueda en un espacio de estado

• Definición de problemas de la IA como problemas de búsqueda en un espacio de estado.
• Representación de problemas de juegos humano – máquina.

Método de Búsqueda Informado

• La función evaluadora, métodos que usan información adicional: primero el mejor, ascenso a la colina, A*, ramificación y acotación

Métodos de búsqueda para juegos humano-máquina

• Algoritmo de juego humano – máquina.
• Estrategias de juego de máquina: no determinístico, primero el mejor, min-max y mejor diferencia de utilidades.
• Algoritmo min-max y alfa-beta

Referencias: [1] Capítulo 5, [2] Capítulos 6, [3] Capítulos 4, [4] Capítulos 6, [9] Capítulos 12.

2do control de lectura

Fundamentos de sistemas expertos

• 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.

Ingeniería de conocimiento

• Introducción.
• Adquisición de conocimiento.
• La metodología CommonKADS.
• Diseño de Sistemas Expertos (SE).
• Ciclo de vida de un SE.

Examen Parcial

Presentación de trabajos computacionales

• Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos.

Adquisición de Conocimiento

• Adquisición de conocimiento. Construcción de la base de hechos y base de conocimiento.
• Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, ontologías, metadatos, thesaurus).

Referencias: [6] Capítulos 6, [7] Capítulos 19.

3er control de lectura.

Desarrollo de sistemas expertos basados en reglas

• Construcción de la base de hechos y base de conocimiento.
• El motor de inferencia.
• Los métodos de encadenamiento regresivo, progresivo y reversibilidad.
• Técnicas de equiparación, el algoritmo RETE.
• Técnicas de resolución de conflictos

Calidad y validación de sistemas expertos

• Principales errores en el desarrollo de un sistema experto.
• Calidad de un sistema experto.
• Validación de sistemas inteligentes, métodos cuantitativos de validación.
• Eficiencia y error de sistemas expertos.
• Revisión de la funcionalidad del SE del 2do trabajo.
• Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo.

Referencias: [4], [7] Capítulo 21.

4to control de lectura.

Introducción a Machine Learning.

• Conceptos de aprendizaje y de machine learning.
• Sistemas experto vs machine learning.
• Técnicas de aprendizaje y fases de desarrollo de machine learning.
• Aplicaciones de machine learning en la industria y servicios.

Introducción a heurísticas y meta-heurísticas.

• El problema de la optimización combinatoria.
• Complejidad de de problemas combinatorios
• Conceptos de heurísticas y meta-heurísticas.
• Algoritmos exactos vs algoritmos heurísticos.
• Técnicas heurísticas y meta-heurísticas
• Problemas de optimización combinatoria en la industria y servicios.

Presentación de trabajos computacionales

• Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software.