Un Sistema Basado en el Conocimiento (Knowledge-Based System) usa una base de conocimiento para razonar y resolver problemas complejos. Así pues, podríamos decir que hoy en día cualquier problema/sistema es un Sistema Basado en el Conocimiento (SBC). Los rasgos fundamentales que caracterizan un SBC son, como dice su nombre, el Conocimiento, la Representación del conocimiento, el Razonamiento y la búsqueda que se puede efectuar sobre el mismo. Y estos serán los ejes que tratará la asignatura.
Profesores Titulares
Profesores Docentes
Programación avanzada y estructura de datos
Los objetivos se centrarán en:
- Conocer el alcance de la Inteligencia artificial y, en concreto, el ámbito de los Sistemas basados los conocimientos.
- Ser conocedores de los costes computacionales y de la calidad de las soluciones de los diferentes algoritmos de búsqueda.
- Ser conocedores de la importancia del conocimiento, así como la manera de tratarlo.
- Desarrollar un caso concreto: un chatbot.
1. INTRODUCCIÓN
1.1 Inteligencia Artificial
1.2 Sistemas basados en el Conocimiento
2. REPRESENTACIÓN DEL CONOCIMIENTO. RAZONAMIENTO
2.1 Representación del conocimiento. Conceptos
2.2 Representación estructurada del conocimiento
2.3 Representación del conocimiento basada en reglas
3. ANALÍTICA DESCRIPTIVA
3.1. Estadística descriptiva
3.2. Clustering
4. ANALÍTICA PREDICTIVA
4.1. Razonamiento estadístico
4.2. Clasificación basada en Machine Learning
4.3. Regresión y series temporales
5. RESOLUCIÓN DE PROBLEMAS. BÚSQUEDA
5.1 Resolución de problemas. Conceptos
5.2 Búsqueda ciega
5.3 Búsqueda heurística
5.4 Búsqueda con satisfacción de restricciones
5.5 Búsqueda con adversario
6. PROYECTO: CHATBOT
6.1 ¿Qué es un Chatbot?
6.2 Determinar el dominio/problema de su proyecto. Primera implementación
6.3 Implementación del proyecto
6.4 Presentación oral
6.5 Presentación escrita en formato artículo
Project class: NLP
Project class: Seminario
Project class: ¿Cómo escribir un artículo?
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 Chatbot hasta su desarrollo con una presentación final.
Esta asignatura utiliza un sistema de evaluación continua, calculado de la siguiente manera:
Nota final = 40% Nota de Ejercicios + 60% Nota de Proyecto
* siempre que todos los ejercicios y todas las partes del proyecto obtengan una nota mínima de 5 o superior.
Nota de Ejercicios = 20% Actividad 1 + 20% Actividad 2 + 20% Actividad 3 + 20% Actividad 4 + 20% Actividad 5
Nota de Proyecto = [ 10% Proyecto 1 (¿Qué es un Chatbot?) + 20% Proyecto 2 (Primera implementación) + 5% Proyecto 3 (Implementación final) + 20% Proyecto 4 (Presentación oral) + 25% Proyecto 5 (Artículo) + 15% Mejor Chatbot (votado por el profesorado) ] × (Puntos de Peer to Peer / 100)
* Comprensión de los conceptos y técnicas de KBS
* Calidad de la representación del conocimiento y modelado
* Diseño e implementación del sistema
* Aplicación de métodos de inferencia y razonamiento
* Evaluación, validación y análisis crítico
· 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.
•Apuntes de clase