Fundamentos de programación
Los objetivos se centrarán en:
- Conocer el alcance de la Inteligencia artificial y, en concreto, el ámbito de los Sistemas basados los conocimientos.
- Conocer los algoritmos clásicos de aprendizaje automático.
- Conocer los costes computacionales y de la calidad de las soluciones de los diferentes algoritmos de búsqueda.
- Conocer la importancia del conocimiento, así como la manera de tratarlo.
- Desarrollar un caso concreto: un sistema experto.
1. Introducción
2. Python para IA
3. Representación del Conocimiento
4. Sistemas Basados en Reglas
5. Búsqueda y Optimización
6. Incertidumbre
7. PLN y Aprendizaje Automático
La metodología usada combina las clases magistrales, la resolución de ejercicios, la participación del alumnado, y el desarrollo de un proyecto. Para el alumnado, ello conllevará tanto trabajos individuales como trabajos en grupo, así como ejercicios conceptuales, ejercicios implementados, presentaciones orales y presentaciones escritas.
El curso seguirá dos líneas en paralelo: 1) las clases magistrales y los ejercicios más conceptuales para ir avanzando el temario; y 2) el desarrollo del proyecto desde el primer día hasta la última clase que implicará hasta cinco entregas: desde la conceptualización de un sistema experto hasta su desarrollo con una presentación final.
La asignatura tiene ejercicios y un proyecto final.
Evaluación continua de la asignatura:
NOTA FINAL = 40% Nota de Ejercicios + 60% Nota del Proyecto
Para aprobar la asignatura:
- Nota de Ejercicios >= 5
- Nota del Proyecto >= 5
- Nota Final >= 5.0
- Aamodt, A., & Plaza, E. (1994). Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches. Artificial Intelligence Communications, 7(1), 39-59.
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (1st ed.). Springer.
- Buchanan, B. G., & Shortliffe, E. H. (1984). Rule-Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley.
- Ermine, J.-L. (1995). Expert Systems: The Technology of Knowledge-Based Systems. John Wiley & Sons.
- Giarratano, J. C., & Riley, G. D. (1994). Expert Systems: Principles and Programming (3rd ed.). PWS Publishing.
- Hall, D. (1988). Building Expert Systems. Addison-Wesley.
- Heaton, J. (2015). Artificial Intelligence for Humans: Fundamental Algorithms (1st ed.). Heaton Research.
- Jackson, P. C. (1981). An Introduction to Artificial Intelligence. McGraw-Hill.
- Merritt, D. (1987). Building Expert Systems in Prolog. Prentice-Hall.
- Mitchell, T. M. (1997). Machine Learning. McGraw-Hill.
- Negnevitsky, M. (2002). Artificial Intelligence: A Guide to Intelligent Systems (2nd ed.). Addison-Wesley.
- Nilsson, N. J. (1980). Foundations of Artificial Intelligence. Cambridge University Press.
- Pearl, J. (1988). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann Publishers.
- Russell, S., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach (3rd ed.). Pearson Education.