Sistemas Inteligentes

2020-1

Descripción de la Asignatura

Este curso prepara al estudiante para determinar cuando un enfoque de Inteligencia Artificial es apropiado para solucionar un problema dado, identificando la representación más conveniente, el mecanismo de razonamiento, e implementando y evaluando la solución. Al finalizar el curso el estudiante estará en capacidad de diseñar e implementar una solución a un problema basado en un sistema inteligente, es decir, un sistema que incorpora esquemas de representación del conocimiento, mecanismos de solución de problemas, y técnicas de aprendizaje.

Resultados de Aprendizaje

  1. Diferenciar entre los conceptos de razonamiento/comportamiento óptimo versus humano.
  2. Describir el Test de Turing y los distintos tipos de ambientes con el cual un agente puede interactuar.
  3. Describir los tipos de agentes inteligentes, según su naturaleza.
  4. Aplicar distintas tipos de estrategias de búsqueda para resolver un problema que requiera explorar un espacio de estados.
  5. Construir una representación formal de conocimiento de un problema en un dominio dado, a través de mecanismos de lógica y de redes semánticas.
  6. Aplicar mecanismos de razonamiento basados en inferencia.
  7. Aplicar técnicas de aprendizaje automático para resolver problemas de predicción, clasificación, y agrupamiento.
  8. Aplicar técnicas de modelamiento predictivo y descriptivo para resolver un problema simple de data mining.

Unidades Temáticas y Evaluación del Curso

1. Fundamentos de Sistemas Inteligentes

2. Solución de Problemas mediante Búsquedas

3. Representación del conocimiento y Razonamiento

4. Fundamentos de aprendizaje automático

5. Introducción a Data Mining

Evaluaciones:

  • Pruebas Cortas (PRUC)
  • Laboratorios (LABO)
  • Trabajo de Investigación (TRAB)

CATEDRA = PROMEDIO(PRUC)

PRACTICO = (LABO * 70% + TRAB * 30%)

NOTA FINAL = CATEDRA * 70 % + PRACTICO * 30%

La notas de CATEDRA y PRACTICO se deben aprobar de forma independiente

Programa clase a clase

Trabajos de Investigación Propuestos

  1. Sistemas de recomendación. Keywords: Recommender Systems, user profiling, data mining.
  2. Planificación del movimiento del robot (Robot Motion Planning) . Keywords: Fine motion strategies, Real-time motion planning.
  3. Reinforcement learning para el aprendizaje de video juegos. Keywords: Agent, model, environment, Q learning, Markov Decision Process.
  4. Algoritmos avanzados para video juegos. Keywords: Opponent modeling, strategy learning, reinforcement learning, planning, neural networks.
  5. Web semántica. Keywords: Knowledge representarion, ontologies.
  6. Deep Learning. Keywords: Neural networks.
  7. Redes Bayesianas. Keywords: Bayesian networks.