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 ARTIFICIALFACULTAD 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