FACULTAD Dx INGENIERIA - UNIVERSIDAD NACIONAL DE JULY ANEXO 1 PROGRAMA DE CATEDRA - 2017 iN = ~ASIGNATURA ___| eictotectvo | INTELIGENCIA ARTIFICIAL 2017 punoeesTuno | ___—_—AREA [curso | _carActer 2010 TECNOLOGIAS APLICADAS | 4*'Y5 | TEORICO-PRAcTICO DICTADO ‘CARGA HORARIA DURACION ACREDITACION : 6 HSISEMANA a PROMOCION SIN/CON UATRIMESTRAL | 90 Hs, TOTALES. SEMANAS EXAMEN FINAL CARRERAS DOCENTES A CARGO teccunererswean ING. SERGIO L. MARTINEZ — PROFESOR ADJUNTO D.E. 3 ___O8JETIVOS GENERALES Alterminar el curso, se espera que los Estudiantes: ‘+ Conozcan la problematica basica del campo de Inteligencia Artificial y sus alcances y posibles abordajes. ‘+ Piensen, sinteticen e integren ideas. Procesen datos e informacién. ‘+ Aprendan las metodologias, técnicas y estructuras de los principales sistemas utilizados en la disciplina para resolver problemas. ‘+ Simulen, programen e implementen los sistemas inteligentes estudiados. ‘+ Busquen, analicen e interpreten documentos cientificos pertinentes. CONTENIDOS UNIDAD 1: INTRODUCCION Inteligencia Artificial. Concepto. Definiciones y fundamentos. La inteligencia y el razonamiento, El conocimiento. Evolucién de la IA. Campos de aplicacién de la IA. Herramientas informéticas para desarrollo. Seminario de procesamiento numérico. UNIDAD 2: SISTEMAS CON INCERTIDUMBRE Introduccion. Légica fuzzy. Concepto y definiciones. Légica fuzzy vs. légica crisp. Conjuntos fuzzy. Funciones de pertenencia, Operadores y operaciones con conjuntos fuzzy. Valores linguisticos. Reglas fuzzy. Defuzzyficacién. Sistemas de inferencia fuzzy. Controladores. Ejemplos y aplicaciones. UNIDAD 3: SISTEMAS CONEXIONISTAS Redes neuronales. Concepto. Arquitectura basica. Componentes: Neuronas, funciones de entrada-salida, pesos, capas. Aprendizaje de la red: supervisado, no supervisado. Redes basicas: perceptrén, adaline, feed-forward. Técnicas de aprendizajes. Otras redes. Descripcién aplicaciones. Controladores y predictores. Ejemplos de aplicacién. mM Planificacion de cétedra = 1pE2— Preiovo Lecrivo 2017 INTELIGENCIA ARTIFICIALFACULTAD DE INGESIERIA - UNIVERSIDAD NACIONAL DE JULY a UNIDAD 4: SISTEMAS EVOLUTIVOS Conceptos principales de la teoria de la evolucién. Algoritmos genéticos. Estructura basica. ‘Componentes: individuos, poblacién, operadores genéticos. Bsqueda de soluciones éptimas. Simulacion. Ejemplos y aplicaciones. UNIDAD 5: SISTEMAS HIBRIDOS Simbiosis de sistemas basicos. Principales tipos de sistemas hibridos. Ventajas y desventajas. Ejemplos y aplicaciones. a “eiwLioGRAriA i | ‘Afio de “Titulo Autores Editorial pees Inteligencia artificial cor Alfaomega Grupo aplicaciones ala ingenieria eee, Editor a Inteligencia artificial rephacesttlisend Buenos Aires Gradi | 2007 : rioja Inteligencia Artificial Un ae Enfoque Moderno Rusell S., Norvig P. Pearson Educaci6én 2004 Inteligencia Artificial — Una nueva | sintesis . Nilsson N. J. Mc Graw-Hill 2001 Inteligencia artificial e ingenieria | Pajares Martinsanz G., Alfaomega Grupo | 9995 del conocimiento Santos Pefias M. Editor Redes neuronales y sistemas | Martin Del Brio, B, Sanz | Alfaomega Grupo | 9997 borrosos Molina A. Editor Garcia Martinez, R. : Sistemas inteligentes Servente, Magdalena eee ae | 208 Pasquini, Diego. - ‘Alfaomege | Redes neuronales Anderson, J. A. eee | | 20r Facultad de Ingenieria, U.N.J'.., yiarzo de 2017.- / ING. SERGIC L. MARTI PROFESOR, nny PlanificaciOn de cétedra 2ve2- PERIODOLECTIVO 2017 INTELIGENCIA ARTIFICIAL