UNIVERSIDAD NACIONAL AUTNOMA DE MXICO Licenciatura en Ciencias de la Computacin Facultad de Ciencias Programa de la asignatura Denominacin de la asignatura:

Inteligencia Artificial
Clave: 0608 Carcter: Tipo: Terico-Prctica Modalidad: Curso Semestre: 6 Eje temtico: Integracin Teora-Prctica Horas Horas por semana No. Crditos: 10 Total de Horas 112

Teora: Prctica: 3 4 7 Duracin del programa: Semestral

Asignatura con seriacin obligatoria antecedente: Modelado y Programacin; Probabilidad I; lgebra Lineal I Asignatura con seriacin obligatoria subsecuente: Ninguna Asignatura con seriacin indicativa antecedente: Anlisis de Algoritmos; Lgica Computacional Asignatura con seriacin indicativa subsecuente: Ninguna Objetivo general: Comprender para aplicar los enfoques tericos y prcticos y as poder disear sistemas inteligentes. Conocer los temas centrales, historia de inteligencia artificial, agentes, bsqueda, modelos probabilsticos, aprendizaje automtico y percepcin y conocimiento.

ndice temtico Unidad I II III IV V Temas Introduccin Bsqueda Modelos probabilsticos Aprendizaje automtico Percepcin y conocimiento Total de horas: Suma total de horas: Horas Tericas 3 12 12 12 9 48 112 Prcticas 4 16 16 16 12 64

99

!
Contenido temtico Unidad Tema I Introduccin I.1 Historia de AI. I.2 Agentes. II Bsqueda II.1 Robtica, bsqueda bsica y planificacin de movimiento. II.2 Bsqueda heurstica A*. II.3 Bsqueda optimizada. II.4 Problemas de satisfaccin con restricciones. III Modelos probabilsticos III.1 Redes Bayesianas. III.2 Inferencia en redes Bayesianas. III.3 Aprendizaje en redes Bayesianas. III.4 Modelos probabilsticos sin direccin. IV Aprendizaje automtico IV.1 Aprendizaje supervisado y clasificadores lineales. IV.2 rboles de decisin. IV.3 Aprendizaje reforzado. V Percepcin y conocimiento V.1 Visin: reconocimiento de objetos. V.2 Visin: geometra. V.3 Percepcin (en robtica) V.4 Procesamiento de lenguaje natural (categorizar texto y extraccin de informacin). V.5 Procesamiento de lenguaje natural (habla). V.6 Representacin de conocimiento lgico. V.7 Inteligencia artificial y el cerebro.

! !
Bibliografa bsica: 1. Stuart Rusell and Peter Norvig, Artificial Intelligence: A Modern Approach', 3rd Edition, Prentice Hall, 2009. 2. Stephen Marsland, Machine Learning: An Algorithmic Perspective, Chapman y Hall, 2009. Bibliografa complementaria: 1. Ethem Alpaydin, Introduction to Machine Learning', 2nd Edition, The MIT Press, 2010. 2. Trevor Hastie, Robert Tibshirani, and Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd Edition. Corr. 3rd printing edition, Springer, 2009. 3. Stephen Marsland, Machine Learning: An Algorithmic Perspective, Chapman y Hall, 2009. 4. Ernest Davis, Representations of Commonsense Knowledge, Morgan Kaufmann Pub, 1990.

100

Sugerencias didcticas: Exposicin oral Exposicin audiovisual Ejercicios dentro de clase Ejercicios fuera del aula Seminarios Lecturas obligatorias Trabajo de investigacin Prcticas de taller o laboratorio Prcticas de campo (X) () (X) () () () () (X) ()

Mtodos de evaluacin: Exmenes parciales Examen final escrito Trabajos y tareas fuera del aula Prcticas de laboratorio Exposicin de seminarios por los alumnos Participacin en clase Asistencia Proyectos de programacin Proyecto final Seminario Otras: _____________________________ (X) () (X) () () (X) () (X) () ()

Otras: __________________________

Perfil profesiogrfico: Egresado preferentemente de la Licenciatura en Ciencias de la Computacin o Matemtico con especialidad en computacin con amplia experiencia de programacin. Es conveniente que posea un posgrado en la disciplina. Con experiencia docente. ! !

101