John McCarthy en Stanford University ha definido la inteligencia artificial como “la ciencia e ingeniería de hacer máquinas inteligentes, especialmente programas de computador inteligentes. Esto está relacionado con la tarea similar de usar computadores para entender la inteligencia humana, pero esta área (inteligencia artificial) no se tiene que confinar a los métodos que son biológicamente observables.” Este curso abarca diversas técnicas de inteligencia artificial.

• Créditos: 3
• Horas de Clase: 4 / semana
• Horas de trabajo independiente: 5 / semana
• Prerequisitos: Análisis y Diseño de Algoritmos (300CIG004)

Al finalizar el curso los participantes podrán:

• Describir las consideraciones filosóficas sobre la inteligencia en las máquinas
• Aplicar técnicas para solucionar problemas de satisfacción de restricciones (CSPs)
• Reseñar los formalismos y tecnologías para representar el conocimiento
• Detallar los formalismos para el razonamiento bajo incertidumbre
• Aplicar técnicas de descubrimientos de conocimiento y minería de datos
• Reseñar los mecanismos básicos para el aprendizaje automático
• Explicar las nociones y algoritmos básicos de redes neuronales y de programación genética
• Describir los conceptos relacionados con robótica

• Habilidades específicas: Lenguaje de Programación: LISP, Sistema Operativo: Linux, Herramientas de Oficina: Latex, Open Office
• Conceptos Fundamentales de Computación: Problemas fundamentales en sistemas inteligentes, Búsqueda y satisfacción de restricciones, Representación del conocimiento y razonamiento, Representación del conocimiento y razonamiento avanzados, Agentes, Aprendizaje automático y redes neuronales, Robótica, Minería de datos. Responsabilidades éticas y profesionales, Programación funcional, Modelamiento y simulación.
• Competencias Generales: Análisis de problemas (desde diferentes perspectivas) y Diseño de Soluciones (análisis de alternativas de solución). Capacidad de Organización y planificación. Administración del tiempo. Habilidades de comunicación: oral, escrita, escucha. Consolidar, sintetizar y utilizar información (obtenida por lectura, escucha). Ser capaz de escribir un buen resumen. Hacer recopilación bibliográfica (conduct library research). Experiencia significativa en el desarrollo de proyectos. Habilidades para trabajar en grupo, habilidades de colaboración. Motivación, iniciativa, flexibilidad, adaptabilidad, auto-confianza. Implicaciones Sociales, Profesionales, Éticas y Legales de la Computación. Entendimiento básico del contexto en el cual se practica la ingeniería: económico, histórico, ambiental, necesidades de los clientes y la sociedad. Análisis de los impactos locales y globales de la computación en individuos, organizaciones y la sociedad. Pensamiento crítico y creativo. Independiente y cooperativo. Mantenerse actualizado, aprendizaje continúo, auto-aprendizaje. Perspectiva multidisciplinaria.

Se realizarán clases con un alto ingrediente de participación por parte de los estudiantes.

Se trabajará un proyecto de semestre como forma de implementación del aprendizaje activo.

Los estudiantes deberán leer el material asignado por el profesor.

Se dejarán tareas para ser entregadas por los estudiantes.

1. Peter Norvig and Stuart Russell. Artificial Intelligence. A Modern Approach. 3rd. Edition. Pearson Prentice Hall. 2009.
2. Alan M. Turing. Computing Machinery And Intelligence. Mind 49: 433-460. 1950
3. Aysen Pinar Saygin, Ilyas Cicekli and Varol Akman. Turing Test: 50 Years Later. Minds and Machines 10: 463-518. 2000.
4. Nicholas R. Jennings and Michael J. Wooldridge. Agent Technology: Foundations, Applications and Markets. Springer. 1998.
5. Melanie Mitchell. An Introduction to Genetic Algorithms. MIT Press. 1998.
6. Kim Marriott and Peter Stuckey. Programming with constraints : an introduction. MIT Press. 1998.
7. Gonzalo Pajares Martinsanz y Matilde Santos Peñas. Inteligencia Artificial e Ingeniería del Conocimiento. Alfaomega. 2006.

Curso en Moodle