Métodos de Inteligencia Artificial

Objetivos

Estudiar algunas de las metodologías de Inteligencia Artificial, incluyendo el diseño, implementación y aplicación de programas de software basados en dichas metodologías.

Temario

1. Repaso General de Inteligencia Artificial
2. Sistemas basados en Conocimeinto
1. Lógica
2. Reglas de producción
3. Objetos estructurados
3. Manejo de incertidumbre
1. Repaso de probabilidad
2. Clasificadores bayesianos
3. Redes bayesianas
   
4. Aprendizaje
1. Introducción
2. Árboles de decisión
3. Redes neuronales
5. Tendencias actuales y futuras de la IA
   

Evaluación

La evaluación consiste de:

• Prácticas de programación (40%).
• Examen a mediados del curso (25%).
• Tareas (10%).
• Proyecto Final (25%).

Texto

• Russel, S., Norvig, P., Artificial Intelligence: A Modern Approach, Prentice-Hall, 1995.

Referencias 

• Lucas, P. y Van der Gaag, L. Principles of Expert Systems. Addison Wesley, 1991.
• Jackson, P. Introduction to Expert Systems. Addison-Wesley, 1990 (2a. edición).
• Winston, P., Artificial Intelligence. Addison-Wesley (Tercera Edición) 1992.
• Pearl, J., Probabilistic Reasoning in Intelligent Systems, Morgan-Kaufmann, 1988
• Mitchell, T., Machine Learning, McGraw Hill, 1997.

Coordinación de Ciencias Computacionales, INAOE
ext. 8208
esucar (AT) inaoep.mx
http://ccc.inaoep.mx/~esucar