logo UGR Departamento de Ciencias de la Computación e Inteligencia Artificial
Universidad de Granada
Escuela Técnica Superior de Ingenierías Informática y de Telecomunicación
c/. Daniel Saucedo Aranda, s/n 18071 Granada España
logo decsai

Ingeniería Informática

Inteligencia Artificial (a extinguir)

Curso 2012/2013


Curso: 4º, Primer Cuatrimestre

Créditos de Teoría: 0, Créditos de Prácticas: 0

PROGRAMA DE TEORÍA
1. La Inteligencia Artificial
1.1. Problemas, técnicas y métodos de la I.A.
1.2. Agentes inteligentes
1.3. La búsqueda en un espacio de estados
1.4. Heurística y representación de problemas
2. Métodos de búsqueda heurística
2.1. Búsqueda sin información
2.2. Métodos de escalada
2.3. Búsqueda primero el mejor
2.4. Reducción de problemas
2.5. Heurísticas sobre el proceso de búsqueda
3. Satisfacción de restricciones
3.1. Tipos de problemas
3.2. Métodos de búsqueda
3.3. Búsqueda local para problemas de satisfacción de restricciones
4. Búsqueda heurística con adversario: Juegos
4.1. Árboles de exploración de juegos
4.2. El modelo básico
4.3. Heurísticas sobre juegos
4.4. Juegos en los que interviene un elemento aleatorio
5. Propiedades formales de los métodos heurísticos
5.1. Búsqueda y solución óptima con A*
5.2. Heurísticas a través de modelos simplificados
6. Planificación
6.1. Razonamiento sobre acciones
6.2. Planificación clásica
6.3. Planificación como búsqueda en un espacio de estados
6.4. Planificación como búsqueda en un espacio de planes
6.5. Planificación jerárquica
7. Introducción al aprendizaje
7.1. Distintos tipos de aprendizaje
7.2. Modelos inductivos sobre árboles de decisión
7.3. Modelos inductivos para la generación de reglas
7.4. Aprendizaje por refuerzo
8. Modelos gráficos probabilísticos
8.1. Sistemas intensionales y extensionales
8.2. Conceptos básicos de probabilidad. Teorema de Bayes
8.3. Independencias condicionadas
8.4. Representación de independencias mediante grafos dirigido acíclicos
8.5. Descomposición de una probabilidad bajo un grafo dirigido
8.6. Construcción de modelos gráficos probabilísticos
8.7. Algoritmos de propagación de probabilidades
8.8. Aprendizaje de redes bayesianas
PROGRAMA DE PRÁCTICAS


Práctica 1. Búsqueda
Práctica 2. Planificación
Práctica 3. Aprendizaje
BIBLIOGRAFÍA
• W. Brenner, R. Zarnekow, H. Witting, Intelligent Software Agents, Springer Verlag, 1998.
• E. Castillo, J.M. Gutiérrez y A.S. Hadi. Sistemas Expertos y Modelos de Redes Probabilísticas, Monografías de la Academia de Ingeniería, Madrid (1997)
• F. Escolano y otros, Inteligencia Artificial: Modelos, Técnicas y Areas de Aplicación, Ed. Thomson-Paraninfo (2003).
• F. Jensen. An Introduction to Bayesian Networks. UCL Press (1996)
• T. Mitchell, Machine Learning , Ed. Mac Graw-Hill (1998)
• N. Nilsson, Inteligencia Artificial: una nueva síntesis, Ed. Mac Graw Hill (2000)
• J. Pearl, Heuristics, Addison-Wesley (1985)
• J. Pearl, Probabilistic Reasoning in Intelligent Systems. Morgan Kaufmann, San Mateo (1988)
• E. Rich, K. Knight, Inteligencia Artificial, segunda edición, Mc Graw Hill Co. (1992)
• S. Russell, P. Norvig, Inteligencia Artificial: un Enfoque Moderno, Segunda Edición, Ed. Pearson-Prentice Hall (2004)
MÉTODO DE EVALUACIÓN
En la convocatoria ordinaria de febrero se realizará un examen teórico final cuya calificación se ponderará con la nota de la parte práctica (60% de la parte de teoría y 40% de la parte práctica) exigiendo un mínimo de 3 en cada parte para poder realizar la media. En la convocatoria extraordinaria de septiembre habrá un único examen, sin entrega de prácticas. Las prácticas entregadas en febrero se tendrán en cuenta para la nota de septiembre siempre de forma positiva y con el mismo porcentaje que en febrero.
RECOMENDACIONES AL ALUMNO
• Programación Declarativa
• Ingeniería del Conocimiento