Asignatura: Comunicación

ucontinental.edu.pe

Sílabo de Ingeniería del Conocimiento

I. Datos Generales

Código A0249

Carácter Obligatorio

Créditos 3

Periodo Académico 2017

Prerrequisito Proyectos de software

Horas Teóricas: 2 Prácticas: 2

II. Sumilla de la Asignatura

La asignatura corresponde al área de estudios de especialidad, es de naturaleza teórico

práctica. Tiene como propósito desarrollar en el estudiante la capacidad de desarrollar

sistemas y aplicaciones de la inteligencia artificial incorporando al conocimiento de

aprendizaje, evolución y de gestión, demostrando responsabilidad y colaboración.

La asignatura contiene: Fundamentos de la inteligencia artificial. Sistemas basados en el

conocimiento. Ingeniería del conocimiento. Lógica y razonamiento automatizado.

Representación del conocimiento mediante reglas de producción. Representación

estructurada del conocimiento. Tratamiento de la incertidumbre. Técnicas de búsqueda.

Sistemas expertos. Arquitecturas. Sistemas basados en reglas.

III. Competencia

Representa y aplica de manera estructurada el conocimiento, así como desarrolla sistemas

y aplicaciones de la Inteligencia Artificial incorporando al conocimiento de aprendizaje,

evolución y de gestión, demostrando responsabilidad y colaboración.

Asignatura: Comunicación

ucontinental.edu.pe

IV. Organización de los Aprendizajes

Unidad Conocimientos Procedimientos Actitudes

I

Fundamentos de la inteligencia artificial. Aplica algoritmos ciegos e inteligentes de búsqueda.

Perseverante en sus

tareas hasta lograr

los resultados

previstos.

Demuestra interés

en el curso y se

muestra

colaborativo con

sus demás

compañeros

Representación del conocimiento. Base de conocimiento. Lógica y

razonamiento automatizado.

Representa el conocimiento mediante lógica de

predicados y empleando software lógico inteligente.

Lógica difusa. Resuelve problemas de optimización mediante lógica

difusa.

II

Sistemas basados en el conocimiento. Sistemas expertos.

Arquitecturas. Sistemas basados en reglas.

Analiza y desarrolla Sistemas expertos de

encadenamiento hacia atrás.

Metodología del CommonKADS. Diseño de la red de inferencias de

conocimiento.

Analiza y desarrolla sistemas expertos de

encadenamiento hacia adelante.

Diseño de árbol de inferencia del conocimiento. Analiza y desarrolla sistemas expertos de interfaz web

Evaluación Parcial

III

Ingeniería del conocimiento de aprendizaje: Aprendizaje de sistemas.

Redes neuronales artificiales: neuronas, pesos y arquitecturas.

Metodología de desarrollo.

Diseña y desarrolla un sistema de redes neuronales

artificiales. Identifica arquitecturas de RNA. Técnicas y

aplicaciones. Validación de sistemas en redes neuronales. Perseverante en sus

tareas hasta lograr

los resultados

previstos.

Demuestra interés

en el curso y se

muestra

colaborativo con

sus demás

compañeros

Arquitectura perceptrón: Técnicas de obtención de conocimiento,

modelado e interpretación de código fuente de programación.

Diseña y desarrolla red neuronal artificial basada en

arquitectura Perceptrón.

IV

Ingeniería del conocimiento evolutivo: Algoritmos genéticos

artificiales. Población, cruce y mutación.

Analiza y aplica las fases del algoritmo genético en

problemas de optimización matemática.

Codificación del algoritmo genético en lenguaje de programación. Codifica en lenguaje de programación los principios del

algoritmo genético para funciones univariables.

Gestión del conocimiento: Factores determinantes, análisis y mapas.

Ciudad del conocimiento. Parques tecnológicos. Business

Intelligence.

Codifica en lenguaje de programación los principios del

algoritmo genético para funciones multivariables.

Evaluación Final

Asignatura: Comunicación

ucontinental.edu.pe

V. Estrategias Metodológicas

El proceso de aprendizaje consiste en el desarrollo teórico de los conceptos básicos y estrategias

adecuadas para resolver problemas mediante shells de Inteligencia Artificial, utilizando la

metodología de los sistemas blandos, con los procedimientos de observación, comparación y

aplicación de técnicas expositivas dialogadas, trabajos en grupo e individuales, haciendo uso

del texto universitario, incidiendo en la investigación.

VI. Sistema de Evaluación

Rubros Instrumentos Peso

Evaluación Diagnóstica Prueba de desarrollo

Consolidado 1

Prueba de desarrollo.

Rúbrica para evaluar un informe de

trabajo.

Lista de cotejo de evaluación de trabajos

prácticos de laboratorio.

20%

Evaluación Parcial Prueba mixta 20%

Consolidado 2

Prueba de desarrollo.

Rúbrica para evaluar un informe de

trabajo.

Lista de cotejo de evaluación de trabajos

prácticos de laboratorio.

20%

Evaluación Final Prueba mixta 40%

Evaluación de recuperación (*) Prueba mixta

(*) Reemplaza la nota más baja obtenida en los rubros anteriores

Fórmula para obtener el promedio:

PF = C1 (20%) + EP (20%) + C2 (20%) + EF (40%)

VII. Bibliografía

7.1 Básica

Gómez Pérez, A., Fernández López, M. y Corcho, O. (2003). Ontological engineering.

Springer-Verlag.

Stefik, M. (1995). Introduction to knowledge systems. Morgan Kaufmann.

Martín Del Brío, B. y Sanz Molina, A. (2002). Redes neuronales y sistemas difusos.

Alfaomega.

Russell, S. y Norving, M. (2004). Inteligencia artificial (2ª Ed.). Pearson Educación.

Asignatura: Comunicación

ucontinental.edu.pe

7.2 Complementaria

Jain, R., Abraham, A., Faucher, C. y Zwaag, B. (2003). Innovations in knowledge

engineering. Advanced Knowledge International Pty Ltd.

Nilsson, N. (2001). Inteligencia artificial. McGraw Hill.

Schreiber, A., Akkermans, H., Anjewierden, A., De Hoog, R., Shadbolt, N., Van de

Velde, W. and Wielinga, B. (1999). Engineering and managing knowledge. The

commonKADS methodology. Massachusetts: The MIT Press.

Viñuela Isasi, P. y Galván, I. M. (2004). Redes de neuronas artificiales: Un enfoque

práctico. Pearson Educación.

7.3 Recursos Digitales

Tolón Becerra, A. y Xavier, L. B. (2010). Use of knowledge model for neo-endogenous

governance in rural areas: Construction of knowledge based systems in the spanish

rural comarcas /Uso del modelo de conocimiento para la gobernanza

neoendógena en los espacios rurales: Elaboración de sistemas basados en

conocimiento en las comarcas rurales españolas. Observatorio Medioambiental, 13,

65-83. Recuperado de

http://search.proquest.com/docview/853504331?accountid=146219

Parisi, A.F., Parisi, F. y Guerrero, J.L. (2003). Modelos predictivos de redes neuronales

en índices Bursátiles. El Trimestre Económico, 70(280), 721-744. Recuperado de

http://search.proquest.com/docview/220868884?accountid=146219

Millán, F.R., Roa, V. y Tapia, M.S. (2001). Modelado matemático de isotermas de

adsorción de humedad en alimentos usando redes neuronales

artificiales. Interciencia, 26(5), 190-194. Recuperado de

http://search.proquest.com/docview/210178467?accountid=146219

González, A. d. J., Joaquí, C.Z. y Collazos, C. A. (2009). Karagabi kmmodel: Modelo

de referencia para la introducción de iniciativas de gestión del conocimiento en

organizaciones basadas en conocimiento/ Karagabi kmmodel: Reference model for

the introduction of knowledge management initiatives in knowledge based

organizations. Ingeniare: Revista Chilena De Ingeniería, 17(2), 223-235. Recuperado

de http://search.proquest.com/docview/203605354?accountid=146219

Martínez Torres, M. d. R., Palacios Florencio, B., Toral Marín, S.L. y Barrero García, F.J.

(2011). Aplicación de algoritmos genéticos a la identificación de la estructura de

enlaces en portales web/Applying genetic algorithms for the identification of

websites’ structure. Revista Española de Documentación Científica, 34(2), 232-252.

Recuperado de

http://search.proquest.com/docview/871040252?accountid=146219

2017.