Encabezado Facultad de Ciencias
Presentación

Ciencias de la Computación (plan 1994) 2023-2

Sexto Semestre, Inteligencia Artificial

Grupo 7000, 46 lugares. 46 alumnos.
Profesor Víctor Germán Mijangos de la Cruz lu mi vi 9 a 10 O125
Ayudante Fausto David Hernández Jasso ma ju 9 a 10 O125
Ayudante Miguel Angel Liera Montaño ma ju 9 a 10
Ayud. Lab. Fernando Nava Mazariegos mi 14 a 16 Taller de Sistemas Operativos, Redes de Cómputo, Sistemas Distribuidos y Manejo de Información

 

Presentación del curso: Este curso busca revisar las principales áreas de la Inteligencia Artificial desde un enfoque teórico y práctico, que permita el diseño y la implementación de sistemas inteligentes para problemas específicos.

En el curso se abordarán los temas clásicos de la Inteligencia Artificial, como agentes racionales y búsqueda. Asimismo se verán temas del estado del arte, como aplicaciones de aprendizaje profundo o aprendizaje geométrico. Se revisarán aplicaciones típicas de la Inteligencia Artificial y se programarán algoritmos orientados a solucionar problemas particulares.

Forma de evaluación: Se llevarán a cabo dos exámenes parciales con valor de 50 % de la evaluación; además se presentarán tareas teóricas y prácticas, que constarán el 50 % restante..

Temario

  1. Introducción a la IA

    1. Definición de la IA

    2. Marco histórico

    3. Aplicaciones de la IA

    4. Consideraciones éticas

  2. Agentes Inteligentes

    1. Concepto de agente

    2. Racionalidad y agentes racionales

    3. Entornos

    4. Estructura de agentes

  3. Problemas de búsqueda

    1. Búsqueda y planificación

    2. Búsqueda informada

    3. Búsqueda desinformada

    4. Búsqueda optimizada

    5. Algoritmos genéticos

  4. Modelos probabilísticos

    1. Introducción a los modelos gráficos

    2. Modelos bayesianos

    3. Modelo de bayes ingenuo y modelos ocultos de Márkov

    4. Procesos de decisión markoviana

  5. Introducción al aprendizaje automático

    1. Teoría de aprendizaje

    2. Aprendizaje supervisado, no supervisado y por refuerzo

    3. Modelos paramétricos y no paramétricos

    4. Aprendizaje profundo

Classroom: https://classroom.google.com/c/NDU2NjI4NDgzMDM4?cjc=2y3nmcl

Bibliografía básica

Russell, S. y Norvig, P. (2021). Artificial Intelligence: A Modern Approach. 4th Edition. Pearson.

Joshi, P. (2017). Artificial intelligence with Python. Packt Publishing Ltd.

 


Hecho en México, todos los derechos reservados 2011-2016. Esta página puede ser reproducida con fines no lucrativos, siempre y cuando no se mutile, se cite la fuente completa y su dirección electrónica. De otra forma requiere permiso previo por escrito de la Institución.
Sitio web administrado por la Coordinación de los Servicios de Cómputo de la Facultad de Ciencias. ¿Dudas?, ¿comentarios?. Escribenos. Aviso de privacidad.