Intel i Gencia Artificial

INSTITUTO POLITÉCNICO NACIONAL

SECRETARÍA ACADÉMICA

DIRECCIÓN DE EDUCACIÓN SUPERIOR

PROGRAMA SINTÉTICO

UNIDAD ACADÉMICA: Escuela Superior de Cómputo.

PROGRAMA ACADÉMICO: Ingeniería en Sistemas Computacionales.

UNIDAD DE APRENDIZAJE: Inteligencia Artificial NIVEL: III

PROPÓSITO DE LA UNIDAD DE APRENDIZAJE:Desarrolla sistemas con base en técnicas de inteligencia artificial.

CONTENIDOS:I. Introducción a la inteligencia artificialII. Búsqueda en árbolesIII. Representación del conocimientoIV. Aprendizaje automático

ORIENTACIÓN DIDÁCTICA: La presente unidad se abordará a partir de la estrategia aprendizaje orientada a proyectos. El docente conducirá el curso mediante el método heurístico. Se llevaran a cabo actividades de aprendizaje, que orientarán el desarrollo de habilidades de abstracción, análisis y diseño de algoritmos eficientes; utilizando las técnicas de la inteligencia artificial, tal es el caso de la realización de programas de computo que evidencien los conceptos de la unidad. Las actividades que se realizarán en clase fomentarán en los estudiantes algunas técnicas, tales como: trabajo colaborativo, participativo, lluvia de ideas, organizadores gráficos, indagación documental, fichas de trabajo, exposición de temas complementarios, discusión dirigida así como la realización de un proyecto de software.

EVALUACIÓN Y ACREDITACIÓN:La presente Unidad de Aprendizaje se evaluará a partir del portafolio de evidencias, el cual se conforma de: evaluación formativa, sumativa y rubricas de autoevaluación, coevaluación.

Esta unidad de aprendizaje también se puede acreditar mediante:

Evaluación de saberes previamente adquiridos con base en los lineamientos establecidos por la academia.

Acreditación en otra UA del IPN u otra institución educativa nacional o internacional.

BIBLIOGRAFÍA: Araujo, L. Cervigon, C. (2009). Algoritmos Evolutivos, Un Enfoque Práctico. España. Ed. Alfaomega. ISBN

978-84-7897-911-0.

Isasi, P. Galván, I. (2004). Redes de Neuronas Artificiales, Un enfoque Práctico. España. Ed. Pearson Education. ISBN 978-84-2054-025-2.

Pajares, M. Sanz G, De La Cruz, J. (2010). Aprendizaje Automático Un Enfoque Práctico. España. Ed. Alfaomega. ISBN 978-84-9964-011-2.

Ponce, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería. México. Ed. Alfaomega. ISBN 978-607-7854-83-8.

Russell, S. Norvig P. (2009., Artificial Intelligence: A Modern Approach (3rd Ed.), Estados Unidos. Ed. Prentice Hall. ISBN 978-01-3604-259-4.




UNIDAD ACADÉMICA: Escuela Superior de Cómputo.PROGRAMA ACADÉMICO: Ingeniería en Sistemas Computacionales.SALIDA LATERAL: Analista Programador de Sistemas de Información.ÁREA DE FORMACIÓN: Profesional. MODALIDAD: Presencial.

UNIDAD DE APRENDIZAJE: Inteligencia Artificial TIPO DE UNIDAD DE APRENDIZAJE: Teórico – práctica. Optativa.VIGENCIA: Agosto 2011.NIVEL: III.CRÉDITOS: 7.5 TEPIC - 4.39 SATCA

INTENCIÓN EDUCATIVA

Esta unidad de aprendizaje contribuye al perfil de egresado en Ingeniería en Sistemas Computacionales, al desarrollar las habilidades de Diseño de algoritmos eficientes para la solución de problemas utilizando las técnicas de la inteligencia artificial, así como su evaluación. Así mismo, se desarrolla el pensamiento estratégico, el pensamiento creativo, el trabajo colaborativo y participativo y la comunicación asertiva.

Requiere de la unidad de aprendizaje Matemáticas Discretas la habilidad de demostrar la validez de argumentos mediante reglas de la lógica formal, de Algoritmia y Programación Estructurada, así como de Programación Orientada Objetos la habilidad para programar soluciones en un lenguaje de alto nivel, de Estructura de Datos, el uso de las estructuras apropiadas para manipular datos de forma eficiente.

PROPÓSITO DE LA UNIDAD DE APRENDIZAJE:

Desarrolla sistemas con base en técnicas de inteligencia artificial..

TIEMPOS ASIGNADOS

HORAS TEORÍA/SEMANA: 3.0

HORAS PRÁCTICA/SEMANA: 1.5

HORAS TEORÍA/SEMESTRE: 54.0

HORAS PRÁCTICA/SEMESTRE: 27.0

HORAS TOTALES/SEMESTRE: 81.0

UNIDAD DE APRENDIZAJE DISEÑADA POR: Academia de Ingeniería de Software

REVISADA POR:

Dr. Flavio Arturo Sánchez GarfiasSubdirector Académico

APROBADA POR:

Ing. Apolinar Francisco Cruz Lázaro Presidente del CTCE.

AUTORIZADO POR: Comisión de Programas Académicos del Consejo General Consultivo del IPN.

___________________________Ing. Rodrigo de Jesús Serrano

DomínguezSecretario Técnico de la Comisión de Programas

Académicos




UNIDAD DE APRENDIZAJE: Inteligencia Artificial HOJA: 3 DE 9

N° UNIDAD TEMÁTICA: I NOMBRE: Introducción a la Inteligencia Artificial.UNIDAD DE COMPETENCIA

Explica los conceptos de inteligencia artificial con base en agentes inteligentes.

No. CONTENIDOS

HORAS Con Docente

HORAS (Aprendizaje Autónomo)

CLAVE BIBLIOGRÁFICA

T P T P

1.11.1.11.1.21.1.3

1.21.2.11.2.21.2.31.2.3

Introducción la inteligencia artificial¿Qué es la inteligencia artificial?Fundamentos de la inteligencia artificialAplicaciones y perspectivas de la inteligencia artificial

Agentes inteligentesDefiniciones de agentes inteligentes Entorno y estructura de un agenteClasificación de los agentes inteligentesConstrucción de agentes inteligentes

0.50.50.5

0.50.50.51.0 0.5

0.50.50.5

0.50.50.50.5 1.0

5B, 4C

Subtotales: 4.0 0.5 3.5 1.0

ESTRATEGIAS DE APRENDIZAJE

Encuadre del curso y formación de equipos.La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo que permitirá la consolidación de las siguientes técnicas: lluvia de ideas, elaboración de ficha de trabajo, indagación documental, discusión dirigida, elaboración de mapas conceptuales, elaboración de protocolo de proyecto y realización de prácticas.

EVALUACIÓN DE LOS APRENDIZAJES

Evaluación diagnóstica Portafolio de evidencias:Reportes de prácticasFicha de trabajo Mapa conceptual Propuesta de proyecto Rúbricas de autoevaluación Rúbrica de coevaluación Evidencia de aprendizaje

30%5%5%

20%5%5%

30%





N° UNIDAD TEMÁTICA: II NOMBRE: Búsqueda en árboles. UNIDAD DE COMPETENCIA

Implementa algoritmos con base en distintas técnicas de búsqueda en árboles.

No. CONTENIDOS

HORAS Con Docente



T P T P

2.1

2.22.2.12.2.22.2.3

2.32.3.12.3.22.3.32.3.4

2.42.4.12.4.2

Solución de problemas y espacios de búsqueda

Técnicas de búsqueda no informadaBúsqueda en amplitudBúsqueda en profundidad Comparación de técnicas de búsqueda

Técnicas de búsqueda informadaConcepto de heurísticaBúsqueda por ascenso de colinaBúsqueda el primero mejorBúsqueda A*

Búsqueda con adversarioAlgoritmo MiniMaxPoda alfa-beta

1.0

0.50.50.5

0.50.50.50.5

0.50.5

0.5

0.5

0.5

0.5

0.5

0.50.50.5

0.50.50.50.5

0.50.5

1.0

1.5

1.5

1.5

5B

Subtotales: 5.5 2.0 5.0 5.5


La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo que permitirá la consolidación de las siguientes técnicas de aprendizaje: lluvia de ideas, elaboración de ficha de trabajo, indagación documental, discusión dirigida, implementación de proyecto, elaboración de mapas conceptuales y realización de prácticas.


Portafolio de evidencias:Reportes de prácticasFicha de trabajo Mapa conceptual Avance de proyecto Rúbricas de autoevaluación Rúbrica de coevaluación Evidencia de aprendizaje

30%5%5%

20%5%5%

30%





N° UNIDAD TEMÁTICA: III NOMBRE: Representación del conocimientoUNIDAD DE COMPETENCIA

Construye sistemas de representación del conocimiento con base en técnicas de modelado.

No. CONTENIDOS

HORAS Con Docente



T P T P

3.13.1.1

3.1 3.2.13.2.23.2.33.2.4

3.23.3.13.3.23.3.3

3.43.4.13.4.23.4.33.4.4

Sistemas basados en conocimientoEl conocimiento y su representación

Lógica proposicionalSintaxis y semántica, validez, satisfactibilidadEquivalencia, consecuencia lógicaLeyes de la lógica proposicionalRazonamiento lógico

Lógica de predicados de primer ordenEl lenguaje de la lógica de predicadosFormas normalesResolución

Representación del conocimientoReglas de inferenciaEncadenamiento hacia adelante y hacia atrásRedes semánticas y marcosOntologías

0.5

1.00.50.50.5

1.01.01.0

1.01.01.01.0

0.5

0.5

0.5

0.5

0.50.50.50.5

0.50.51.5

0.50.50.51.5

2.5

2.5

2.5

5B

Subtotales: 10.0 1.5 8.0 7.5

ESTRATEGIAS DE APRENDIZAJELa presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo que permitirá la consolidación de las siguientes técnicas de aprendizaje: lluvia de ideas, elaboración de ficha de trabajo, indagación documental, discusión dirigida, implementación de proyecto, elaboración de mapas conceptuales y realización de prácticas.


Portafolio de evidencias:Reportes de prácticasFicha de trabajo Mapa conceptual Avance de proyecto Rúbricas de autoevaluación Rúbrica de coevaluación Evidencia de aprendizaje

30%5%5%

20%5%5%

30%





N° UNIDAD TEMÁTICA: IV NOMBRE: Aprendizaje automáticoUNIDAD DE COMPETENCIA

Construye sistemas inteligentes con base en diferentes técnicas y enfoques del aprendizaje automático.

No. CONTENIDOS

HORAS Con Docente



T P T P

4.14.1.1

4.24.2.14.2.24.2.2.14.2.2.2

4.34.3.14.3.24.3.34.3.4

4.44.4.14.4.24.4.3

4.54.5.14.5.2

Introducción al aprendizaje automáticoConceptos y fundamentos

Aprendizaje mediante arboles de decisiónRepresentación de árboles de decisiónAlgoritmos de aprendizajeID3C4.5

Aprendizaje mediante redes neuronalesIntroducción a las redes neuronalesPerceptrón, Redes multicapa, BAM, HopfieldAlgoritmos de entrenamientoAplicaciones

Algoritmos genéticosIntroducciónElementos, operadores, parámetrosAplicaciones

Otros tipos de aprendizajeAprendizaje Bayesiano

Modelos ocultos de Markov

0.5

1.0

0.50.5

1.00.51.01.0

0.50.51.0

0.51.0

0.5

0.5

0.5

0.5

0.5

0.50.5

0.50.51.00.5

0.51.00.5

1.01.0

2.5

2.5

2.5

1B,2B,3B,4C,4B

Subtotales: 9.5 1.5 8.5 7.5


La presente unidad se abordará a partir de la estrategia de aprendizaje orientada a proyectos y método heurístico, lo que permitirá la consolidación de las siguientes técnicas de aprendizaje: lluvia de ideas, elaboración de ficha de trabajo, indagación documental, discusión dirigida, implementación de proyecto, elaboración de mapas conceptuales y realización de prácticas.

EVALUACIÓN DE LOS APRENDIZAJESPortafolio de evidencias:Reportes de prácticasFicha de trabajo Mapa conceptual Reporte de proyecto Rúbricas de autoevaluación Rúbrica de coevaluación

30%5%5%

50%5%5%





RELACIÓN DE PRÁCTICAS

PRÁCTICA No. NOMBRE DE LA PRÁCTICA UNIDADES TEMÁTICAS

DURACIÓN LUGAR DE REALIZACIÓN

1

2

3

4

5

6

7

8

9

10

11

Agente inteligente

Búsqueda de soluciones

Búsqueda ciega

Búsqueda heurística

Búsqueda con adversario

Programación lógica

Representación del conocimiento

Sistema basado en conocimiento

Arboles de decisión

Red neuronal

Algoritmo genético

I

II

II

II

II

III

III

III

IV

IV

IV

1.5

1.5

2.0

2.0

2.0

3.0

3.0

3.0

3.0

3.0

3.0

Laboratorio de Cómputo.

TOTAL DE HORAS

27.0

EVALUACIÓN Y ACREDITACIÓN:Las prácticas aportan el 30% de la calificación de cada unidad temática.Las prácticas se consideran requisito indispensable para acreditar esta unidad de aprendizaje.





PERIODO UNIDAD PROCEDIMIENTO DE EVALUACIÓN

1

2

3

I y II

III

IV

Evaluación continua 70%Evidencia de aprendizaje 30%

Evaluación continua 70%Evidencia de aprendizaje 30%

Evaluación continua 100%

Las Unidades I y II aportan el 30% de la calificación final.La Unidad III aporta el 30% de la calificación final.La Unidad IV aporta el 40% de la calificación final.

Esta unidad de aprendizaje también se puede acreditar mediante: Evaluación de saberes previamente adquiridos con base en los

lineamientos establecidos por la academia. Acreditación en otra UA del IPN u otra institución educativa nacional o

internacional.

Si esta unidad de aprendizaje se acredita en Evaluación Extraordinaria o a Titulo de Suficiencia se realizará de acuerdo a los lineamientos establecidos en la reunión de academia que para tal efecto se realice.

CLAVE B C BIBLIOGRAFÍA1

2

3

4

5

X

X

X

X

X

Araujo, L. Cervigon, C. (2009). Algoritmos Evolutivos, Un Enfoque Práctico. España. Ed. Alfaomega. ISBN 978-84-7897-911-0.

Isasi, P. Galván, I. (2004). Redes de Neuronas Artificiales, Un enfoque Práctico. España. Ed. Pearson Education. ISBN 978-84-2054-025-2.

Pajares, M. Sanz G, De La Cruz, J. (2010). Aprendizaje Automático Un Enfoque Práctico. España. Ed. Alfaomega. ISBN 978-84-9964-011-2.

Ponce, P. (2010). Inteligencia Artificial con Aplicaciones a la Ingeniería. México. Ed. Alfaomega. ISBN 978-607-7854-83-8.

Russell, S. Norvig P. (2009., Artificial Intelligence: A Modern Approach (3rd Ed.), Estados Unidos. Ed. Prentice Hall. ISBN 978-01-3604-259-4




PERFIL DOCENTE POR UNIDAD DE APRENDIZAJE

1. DATOS GENERALES

UNIDAD ACADÉMICA: Escuela Superior de Cómputo

PROGRAMA ACADÉMICO:

Ingeniería en Sistemas ComputacionalesNIVEL

III

ÁREA DE FORMACIÓN: Institucional Científica Básica

Profesional Terminal y de Integración

ACADEMIA: Ingeniería de Software UNIDAD DE APRENDIZAJE: Inteligencia Artificial

ESPECIALIDAD Y NIVEL ACADÉMICO REQUERIDO: Maestría en Ciencias de la Computación o área afín

2. PROPÓSITO DE LA UNIDAD DE APRENDIZAJE Desarrolla sistemas con base en técnicas de inteligencia artificial.

3. PERFIL DOCENTE:

CONOCIMIENTOS EXPERIENCIA PROFESIONAL

HABILIDADES ACTITUDES

Lógica Agentes inteligentes Técnicas de búsqueda Sistemas basados en

conocimiento Aprendizaje

automático Redes neuronales Algoritmos evolutivos Modelo Educativo

Institucional del IPN Idioma inglés

Experiencia de dos años diseñando e implementando sistemas computacionales.

Experiencia de un año diseñando e implementando Sistemas inteligentes.

Experiencia de un año como Docente de Nivel Superior.

Experiencia de un año en manejo de grupos y trabajo colaborativo.

Análisis y síntesis. Liderazgo. Toma de decisiones. Manejo de Conflictos. Manejo de grupos. Fluidez verbal de

ideas. Habilidades didácticas. Manejo de TIC

Responsable. Honesto. Respetuoso. Tolerante. Asertivo. Colaborativo. Participativo. Compromiso social. Compromiso institucional.

ELABORÓ REVISÓ AUTORIZÓ

M. en C. Marcario Hernández CruzDr. Benjamín Luna Benoso

Dr. Flavio Arturo Sánchez GarfiasSubdirector Académico

Ing. Apolinar Francisco Cruz LázaroDirector

Fecha: 2011

Intel i Gencia Artificial

Documents

Transcript of Intel i Gencia Artificial