UNIVERSIDAD PERUANA LOS ANDES

FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL
INGENIERA DE SISTEMAS Y COMPUTACIN

SILABO

I. DATOS GENERALES:
1.1. Unidad de Ejecucin Curricular : INTELIGENCIA ARTIFICIAL
1.2. Cdigo : 333A4
1.3. Crditos : 03
1.4. rea de formacin : Tecnolgica Bsica
1.5. Nivel Acadmico :X
1.6. Total de horas por semana : 04
Horas de teora :2
Horas de prctica :2
1.7. Inicio de Semestre : 08 de Abril de 2017
1.8. Finalizacin de Semestre : 30 de Julio de 2017
1.9. Pre-requisito : Ninguno
1.10. Plan de estudios : 2007- B
1.11. Ao Acadmico : 2017-I
1.12. Docente (s) : Mg. Freddy Toribio Huayta Meza
1.13. Correo electrnico : fhuaytam@hotmail.com

II. SUMILLA
Unidad de ejecucin curricular de naturaleza terico prctico, pertenece al rea de tecnolgica bsica,
se orienta a dar los conocimientos de modelos que nos permiten reproducir la forma de razonamiento
humano para aplicarla en la solucin de problemas reales, mediante el desarrollo de software aplicativo.
Su temtica comprende: Representacin del conocimiento - estrategias de bsqueda. - sistemas
expertos. - sistemas expertos y bases de datos tcnicas de inteligencia artificial: redes neuronales,
lgica difusa, algoritmos genticos.

III. INVESTIGACIN FORMATIVA

3.1 LNEA DE INVESTIGACIN EN RELACIN AL COMPONENTE CURRICULAR
Gestin de los Sistemas de Informacin
N NIVEL DE LOGRO
ACCIONES DE INVESTIGACIN

01 Elaboracin de un Trabajo integrador mediante Investiga, elabora y expone el

equipos de trabajo y/o individual. trabajo integrador.

IV. OBJETIVO GENERAL

Desarrollar soluciones para los problemas organizacionales, mediante la aplicacin de modelos que
reproduzcan la forma de razonamiento humano, para dar solucin a problemas reales en los centros
laborales.

V. OBJETIVOS ESPECFICOS
5.1 Definir y explicar los fundamentos tericos de la inteligencia artificial, Informatizar la representacin del
conocimiento humano, mediante la descripcin de su historia, reas de investigacin y campos de
aplicacin; la programacin lgica, para identificar su importancia en la toma de decisiones
organizacionales; para la gestin especializada del conocimiento en las organizaciones
 5.2 Aplicar la experiencia de un experto, la teora de la certeza, utilizando shells y software de programacin,
para la automatizacin del conocimiento especializado en las organizaciones y el desarrollo de un sistema
difuso basado en reglas.
5.3 Aplicar los fundamentos biolgicos de las redes neuronales mediante shells y software de programacin,
para el aprendizaje artificial de sistemas autmatas.
5.4 Aplicar los fundamentos biolgicos de patrones genticos mediante shells y software de programacin,
para resolver problemas de bsqueda y optimizacin.

VI. CRONOGRAMA Y CONTENIDOS

PRIMERA UNIDAD: FUNDAMENTOS DE INTELIGENCIA ARTIFICIAL.

SEMANA CONTENIDO % DE
AVANCE

Fundamentos Tericos de la Inteligencia Artificial

Concepto de Inteligencia. Inteligencia Artificial.
1 Historia de la Inteligencia Artificial. 5%
reas de investigacin
Campos de aplicacin
Cerebro e Inteligencia
Inteligencia humana
2 Teora tridica de la inteligencia. 10%
Teora de las inteligencias mltiples
Aplicaciones
Conocimiento y Aprendizaje
Teora de la complejidad
3 Conocimiento, aprendizaje 18%
Tipos de aprendizaje
Teora de aprendizaje de Robert Gagn
Aprendizaje en sistemas computarizados
4 Modelos de Inteligencia artificial 25%
Modelos de Inteligencia Artificial clsica
Computacin sub-simblica
La nueva Inteligencia Artificial
Agentes inteligentes
Prctica N 1

SEGUNDA UNIDAD: SISTEMAS EXPERTOS Y LGICA DIFUSA

Sistemas Expertos
Arquitectura de los sistemas expertos.
5 Ciclo de Vida de los sistemas expertos. 30%
Aplicaciones de los sistemas expertos.
Metodologas de los sistemas expertos.
Algoritmos de bsqueda no informada.
Procesos heursticos de bsqueda
6 Desarrollo de aplicaciones en CLIPS 38%

7 Inteligencia basada en lgica matemtica

Mtodos de razonamiento lgico
Lgica de predicados 46%
Desarrollo de aplicaciones en PROLOG
Prctica N 2
8 Arquitectura de un sistema basado en conocimiento. 54%
Representacin del conocimiento
Razonamiento inexacto
Redes semnticas
Ingeniera del conocimiento
Desarrollo de aplicaciones en CLIPS
 9 EXAMEN PARCIAL 60%

TERCERA UNIDAD: COMPUTACION NEURONAL

10 Lgica Difusa 50%
Introduccin. Teora de la certeza.
Sistemas basados en reglas difusos.
11 Redes neuronales
Fundamentos biolgicos
Neurona artificial, redes neuronales artificiales. 55%
Tipos de redes neuronales artificiales
Aprendizaje de una neurona artificial
Entrenamiento de una red neuronal
12 Procesos de aprendizaje 60%
Tareas bsicas de aprendizaje
Aplicaciones de las redes neuronales artificiales con NETLOGO
Prctica N 3
Perceptrones 70%
13 Redes neuronales de aprendizaje supervisado
Aplicaciones de las redes neuronales artificiales con MatLab.
Presentacin de Trabajo de Investigacin

CUARTA UNIDAD: COMPUTACION EVOLUTIVA

Algoritmos genticos
Fundamento Biolgico
14 Estructura y funcionamiento de los algoritmos Genticos. 78%

15 Programacin evolutiva 87%

Programacin gentica
Aplicaciones de computacin evolutiva con NetLogo
Prctica N 4
16 Sistemas difusos 95%
Teora de los conjuntos difusos
Lgica difusa
Razonamiento difuso e inferencia
Aplicaciones de sistemas difusos
17 Agentes Inteligentes 100%
Agentes racionales
Tipos de agentes
Aplicaciones de agentes inteligentes
Presentacin de Proyecto
EVALUACION FINAL

17 EXAMEN COMPLEMENTARIO

VII. ESTRATEGIAS METODOLGICAS

En las sesiones de clase se utilizarn:
7.1 ESTRATEGIAS:
Potenciar una actitud activa
Metacognitivas
Compartir el conocimiento en grupo
7.2 MTODOS:
Mtodo inductivo deductivo
Observacin, anlisis, generalizacin y aplicacin
Mtodo activo - participativo
Mtodo experimental
7.3 TCNICAS:
 Expositivo,
Prcticas dirigidas
Discusin guiada
Trabajo en equipo
Lluvia de ideas

VIII. RECURSOS Y MATERIALES

En el desarrollo de la unidad de ejecucin curricular se har uso de:
8.1 MEDIOS Y MATERIALES EDUCATIVOS:
Visuales: pizarra, computadora
Auditivos: discurso oral, escucha activa.
De enseanza: diapositivas, plumones y mota
8.2 INFRAESTRUCTURA:
Aulas de la Facultad
Laboratorios de cmputo

IX. EVALUACION
9.1 REQUISITOS DE APROBACION:
Asistencia obligatoria a clases tericas y prcticas en un mnimo del 70%
Obtener nota final 10.5

9.2 EXAMEN PARCIAL:

Examen parcial (EP): 28/05/2017
Tarea Acadmica 1 (T.A.1)
Prcticas calificadas
Trabajo de Investigacin (segn cronograma)

9.3 EXAMEN FINAL:

Examen Final (EF): 23/07/2017
Tarea Acadmica 2 (T.A.2)
Prcticas calificadas
Proyecto final

X. BIBLIOGRAFA
10.1 Banda Gamboa, H. Inteligencia Artificial; Principios y Aplicaciones, Departamento de Informtica y
Ciencias de la Computacin. Quito, 2012.
10.2 Ponce P. Inteligencia Artificial con aplicaciones a la Ingeniera. Alfaomega. Mxico (2012).
10.3 Panda J & Marn R. Inteligencia Artificial tcnicas, mtodos y aplicaciones. Mc Graw Hill. Espaa
(2008)
10.4 Anderson J. Redes Neuronales. Alfaomega. Mxico (2007)
10.5 Garca A. Inteligencia Artificial Fundamentos, prctica y aplicaciones. Alfaomega. Mxico (2013).
WEBGRAFA
http://www.aaai.org/home.html

________________________________
Mg. Ing. Freddy Toribio Huayta Meza
DOCENTE

ENTREGA - RECEPCION DE SILABO

Fecha: Recibido por: