Intel i Gencia Artificial
-
Upload
fernando-ruiz -
Category
Documents
-
view
35 -
download
0
Transcript of 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.
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
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
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
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%
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE: Inteligencia Artificial HOJA: 4 DE 9
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
HORAS (Aprendizaje Autónomo)
CLAVE BIBLIOGRÁFICA
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
ESTRATEGIAS DE APRENDIZAJE
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 APRENDIZAJES
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%
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE: Inteligencia Artificial HOJA: 5 DE 9
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
HORAS (Aprendizaje Autónomo)
CLAVE BIBLIOGRÁFICA
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.
EVALUACIÓN DE LOS APRENDIZAJES
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%
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE: Inteligencia Artificial HOJA: 6 DE 9
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
HORAS (Aprendizaje Autónomo)
CLAVE BIBLIOGRÁFICA
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
ESTRATEGIAS DE APRENDIZAJE
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%
UNIDAD DE APRENDIZAJE: Inteligencia Artificial HOJA: 7 DE 9
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
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.
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
UNIDAD DE APRENDIZAJE: Inteligencia Artificial HOJA: 8 DE 9
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
INSTITUTO POLITÉCNICO NACIONAL
SECRETARÍA ACADÉMICA
DIRECCIÓN DE EDUCACIÓN SUPERIOR
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