Inicio
Contacto
Mapa del sitio
Directorio
Correo
Tienda Virtual
IngresarCiencias de la Computación (plan 1994) 2025-1
Sexto Semestre, Inteligencia Artificial
| Profesor | Sergio Rodolfo Cruz Gómez | lu mi vi | 16 a 17 | 003 (Yelizcalli) |
| Ayudante | Javier Roberto Rubalcava Cortés | ma ju | 16 a 17 | 003 (Yelizcalli) |
| Ayud. Lab. | Alfonso Ortiz Avila | ju | 14 a 16 | Laboratorio de Ciencias de la Computación 1 |
Objetivo del curso: El curso presentará una introducción general a la Inteligencia Artificial (IA) y su enfoque en Vision de Computadoras y Procesamiento de Lenguaje Natural (NLP). En éste se revisarán los principales problemas de la IA y algoritmos propuestos para solucionarlos. Se verá el panorama general de diferentes temas como problemas de búsqueda, procesamiento de imagenes (e.g., clasificacion y deteccion de objetos) y procesamiento de texto (e.g., ChatGPT, GPT-3). Asimismo, se revisarán diferentes propuestas para sus soluciones.
Método de evaluación: La evaluación del curso dependerá de 2 a 3 tareas, 2 a 3 exámenes y 1 proyecto. Los porcentajes de calificación serán como se indica a continuación (estos porcentajes pueden cambiar si el grupo llega a un acuerdo):
| Actividad | Porcentaje |
| Exámenes | 40 % |
| Tareas | 30 % |
| Proyectos | 30 % |
Asimismo, se podrán presentar dos reposiciones de los exámenes al final del semestre. Sólo se otorgará calificación aprobatoria si se cumple con el promedio y la entrega de todas las actividades.
Temario
| Semana | Tema | Duración |
| 1 | Historia de la IA | 1.5 horas |
| Agentes | 1.5 horas | |
| 2 | Robótica, búsqueda básica y planificación de movimiento | 1.5 horas |
| Búsqueda heurística A* | 1.5 horas | |
| 3 | Búsqueda optimizada | 1.5 horas |
| Problemas de satisfacción con restricciones | 1.5 horas | |
| 4 | Redes Bayesianas | 1.5 horas |
| Inferencia en redes Bayesianas | 1.5 horas | |
| 5 | Aprendizaje en redes Bayesianas | 1.5 horas |
| Modelos probabilísticos sin dirección | 1.5 horas | |
| 6 | Aprendizaje supervisado y clasificadores lineales | 1.5 horas |
| Árboles de decisión | 1.5 horas | |
| 7 | Aprendizaje reforzado | 3 horas |
| 8 | Visión: reconocimiento de objetos | 2 horas |
| Visión: geometría | 1 hora | |
| 9 | Percepción en robótica | 3 horas |
| 10 | Procesamiento de lenguaje natural (categorizar texto y extracción de información) | 1.5 horas |
| Procesamiento de lenguaje natural (habla) | 1.5 horas | |
| 11 | Representación de conocimiento lógico | 3 horas |
| 12 | Inteligencia artificial y el cerebro | 3 horas |
| 13 | Visión: reconocimiento de objetos (continuación) | 1.5 horas |
| Visión: geometría (continuación) | 1.5 horas | |
| 14 | Procesamiento de lenguaje natural (categorizar texto y extracción de información) (continuación) | 1.5 horas |
| Procesamiento de lenguaje natural (habla) (continuación) | 1.5 horas | |
| 15 | Revisión de temas clave y discusión de proyectos finales | 3 horas |
Bibliografía
Stuart Rusell and Peter Norvig, Artificial Intelligence: A Modern Approach', 3rd Edition, Prentice Hall, 2009. 2.
Stephen Marsland, Machine Learning: An Algorithmic Perspective, Chapman y Hall, 2009
Joseph Redmon, Ali Farhadi, YOLO9000: Better, Faster, Stronger, 2016, http://arxiv.org/abs/1612.08242
Facebook
Twitter
Youtube