Guia Inteligencia Artificial20081

GUÍA DE CÁTEDRALa guía de cátedra es una herramienta de planeación del proceso de enseñanza aprendizaje, que orienta, tanto al maestro como al estudiante en el desarrollo de las actividades de la asignatura, el módulo o el taller. Las guías de cátedra racionalizan el trabajo académico en el aula, porque en su diseño incluyen: los objetivos del curso, los contenidos mínimos y comunes por asignatura inscrita en un área del conocimiento, las unidades temáticas divididas en subtemas, las competencias que se desean desarrollar, los logros esperados y el tipo de evaluación que se requiere para que los objetivos y logros se cumplan.

PRESUPUESTOS PARA LA ELABORACIÓN DE LA GUÍA

Conocimiento del proyecto educativo Institucional (PEI) Conocimiento de los objetivos, currículo y perfil profesional de la carrera. Actualización y profundización permanente de los conocimientos disciplinares y complementarios

del docente para el buen desarrollo de las materias dentro del área. Actitud positiva hacia la investigación para sea practicada por él y por sus alumnos. Contribución de su guía de cátedra al desarrollo de la misión, visión y perfil del egresado del

programa. Aproximación a las capacidades cognitivas y expectativas laborales de los estudiantes. Conocimiento de diversas metodologías y estrategias para los procesos de enseñanza -

aprendizaje. Actitud ética: compromiso con la misión institucional y con la formación integral de profesionales

que valoren y practiquen la tolerancia, la cooperación, la solidaridad y el respeto por el otro. Cultura amplia: además de los conocimientos profesionales, poseer formación interdisciplinaria

para contextualizar el conocimiento en los entornos local, regional e internacional y en los espacios socio -económico, político o cultural.

Capacidad de trabajo en equipo y de reunirse por área para la elaboración y seguimiento de la Guía de Cátedra.

INFORMACIÓN GENERAL

FACULTAD: INGENIERIA PROGRAMA (CARRERA): ELECTRONICAAREA: NOMBRE DE LA ASIGNATURA, MÓDULO O SEMINARIO: INTELIGENCIA ARTIFICIALNÚMERO DE CRÉDITOS: 3 (TAD): 4 TAM): (TAG): 4 (TAI): 1

PARA LOS TIEMPOS DE TRABAJO TENGA EN CUENTA LAS SIGUIENTES CONVENCIONES:

(TAD): Tiempo de Acompañamiento Directo

(TAM): Tiempo de Acompañamiento Mediado

(TAG): Tiempo de Autoformación Guiada

(TAI): Tiempo de Autoformación Independiente

MODALIDAD: Presencial ________________ JORNADA: Diurna_____________

HORARIO: ___________________

FECHA DE INICIACIÓN: 28/01/2008__________ FECHA DE TERMINACIÓN: 19/05/2008________

NOMBRE DEL DOCENTE: Juan Manuel Chaparro Fonseca ____________________________________

E-MAIL: [email protected] ________________________________________

NÚMERO DE SESIONES POR SEMESTRE: __32_________

1

INFORMACIÓN ACADÉMICA DE LA ASIGNATURA

JUSTIFICACIÓN DE LA ASIGNATURA:

Esta asignatura basa su justificación en la necesidad de comprender y construir entidades inteligentes capaces de percibir el entorno y entregar una respuesta, luego de realizar un previo análisis de toma de decisiones. La Inteligencia Artificial Inteligencia Artificial en la actualidad encierra una gran variedad de campos que van desde tareas de propósito general, como el aprendizaje y la percepción, a otras más complejas como el ajedrez, la demostración de teoremas matemáticos, la escritura de poesía y el diagnóstico de enfermedades. La Inteligencia Artificial resume y automatiza tareas de carácter intelectual y es por esto, potencialmente relevante para el intelecto humano. Es decir, es un campo originalmente universal.

RESUMEN DE LOS CONTENIDOS MÍNIMOS:

1. Inteligencia Artificial.2. Lógica Difusa.3. Algoritmos Genéticos.4. Minirobots.5. Redes Neuronales

LOGRO GENERAL:

Utilizar técnicas de inteligencia artificial tales como la lógica difusa, algoritmos genéticos y las redes neuronales para el estudio y la aplicación en los sistemas de control y los minirobots, con el fin de crear y de optimizar soluciones a problemas de ingeniería, haciéndolas precisas y confiables y configurar aplicaciones reales en la Automatización Industrial.

INDICADORES DE LOGRO:

1. Aplicar técnicas de inteligencia artificial en la solución de problemas de ingeniería. 2. Aplicar los conocimientos teóricos a problemas complejos. 3. Dominar las técnicas más importantes de inferencia en Inteligencia Artificial. 4. Dominar Matlab como herramienta en Inteligencia Artificial. 5. Elegir adecuadamente entre las diferentes técnicas para la solución de problemas y

entornos.6. Realizar una introducción a los minirobots y la forma de implementarlos.

2

CONTENIDOS POR UNIDAD TEMÁTICA Y SEMANA:

1. UNIDAD TEMÁTICA: Inteligencia Artificial. ( 3 sesiones / 1 y 1/2 semanas).

DESARROLLO TEMÁTICO

1. INTELIGENCIA ARTIFICIAL

TEMA 1: Introducción.TEMA 2: ¿Qué es la inteligencia artificial?TEMA 3: Historia de la inteligencia artificial.TEMA 4: Agentes inteligentes.TEMA 5: Introducción.TEMA 6: Estructura de los agentes.TEMA 7: Ambientes. TEMA 8: Procedimiento para la solución de problemas.TEMA 9: Formulación.TEMA 10: Estrategias de búsqueda.TEMA 11: Otros métodos.

1.1 LOGRO DE LA UNIDAD TEMÁTICA:

Conocerá algunos procedimientos para la solución de problemas en el ámbito del área industrial para llegar a formular estrategias que permitan realizar la implementación respectiva.

1.2 INDICADORES DE LOGRO DE LA UNIDAD:

Usa los fundamentos de Inteligencia Artificial tales como agentes inteligentes, búsqueda informada y exploración e incertidumbre para dar solución a falencias del ser humano, desarrollando un carácter social y de servicio a la comunidad.

1.3 BIBLIOGRAFÍA: LECTURAS OBLIGATORIAS (Desglosada por temas)Russel Norvig. INTELIGENCIA ARTIFICIAL . PEARSON Prentice Hall. Madrid-España, 2004Kuo. Modelado Dinámico de Sistemas. PEARSON Prentice Hall. Madrid-España, 2002

1.4 METODOLOGÍAS DE APRENDIZAJE USADAS EN LA UNIDAD TEMÁTICA

Exposición por parte del profesor.

Análisis de caso en cada uno de los temas preparados para el estudiante.

Ejercicios de Modelado dinámico de sistemas propuestos al estudiante.

1.5 EVALUACIÓN DEL APRENDIZAJE Y FECHAS DE REALIZACIÓN POR UNIDAD TEMÁTICA

Instrumento Sesión 1

Sesión 2

Sesión 3

Sesión 4

Sesión 5y6

Sesión 7y8

Total

Control de lectura X 1Taller de ejercicios y/o resolución de problemas X 1Prácticas de laboratorio y/o estudios de caso X 1Cuestionarios Tipo ECAES 0

3

Foros y/o otras actividades con TIC1 0

2. UNIDAD TEMÁTICA: Lógica Difusa __________( 6 sesiones / 3 semanas).


TEMA 1: Introducción. Historia.TEMA 2: Conceptos básicos: Teoría de conjuntos difusos, definiciones básicas y terminología. Funciones de pertenencia.TEMA 3: Razonamiento difuso: Principio de extensión, relaciones difusas, Variables lingüísticas. Reglas difusas.TEMA 4: Inferencia difusa: Fusificación, Base de conocimientos, Base de Reglas, Defusificación. Modelos de inferencia: Mamdani, Sugeno.


1. Aplicar técnicas de Lógica Difusa en la solución de problemas de ingeniería. 2. Aplicar los conocimientos teóricos a problemas complejos. 3. Dominar las técnicas más importantes de inferencia en Lógica Difusa. 4. Dominar Matlab como herramienta en Lógica Difusa. 5. Elegir adecuadamente entre las diferentes técnicas para la solución de problemas y

entornos.


- Inculcar en el estudiante la forma como se pueden utilizar la Lógica Difusa de forma similar a como se presenta las decisiones en el ser humano.

- Lograr que el estudiante interprete las operaciones propias de la Lógica Difusa y la vaya enfocando a problemas de la vida cotidiana.

- Utilizar herramientas computacionales para realizar diversas simulaciones y comprobaciones comparándolas con otras teóricas conocidas en anteriores asignaturas.

2.3 BIBLIOGRAFÍA: LECTURAS OBLIGATORIAS (Desglosada por temas)

FUZZY LOGIC: INTELIGENCE, CONTROL AND INFORMATION. JOHN YEN y REZA LANDARI. Ed. Prentice Hall. Pags. 3-177.

AN INTRODUCTION TO FUZZY SETS: ANÁLISIS AND DESIGN. WITOLD PEDRYCZ AND FERNANDO GOMIDE. MIT Press.1-357.

INTELIGENCIA ARTIFICIAL Y MINIROBOTS. DELGADO, ALBERTO. Librería Nacional. Pags. 169-175.

INTRODUCTION TO APPLIED FUZZY ELECTRONICS. IBRAHIM, AHMAD. Ed. Prentice Hall. Págs. 1-75.

Fuzzy Logic Toolbox. User´s Guide. The Mathworks.


- Planteamiento de problemas a partir de las cuales se interactúa con los estudiantes para solucionarlos en el tablero. El profesor está atento a las posibles fallas que se presente para aclararlas y llevar a feliz término la solución del problema.

1 TIC: Tecnologías de la Información y la Comunicación.

4

- Realizar seguimiento a las problemáticas presentadas para hacer trabajos en grupos de tres estudiantes.- Realización de prácticas demostrativas en el laboratorio para afianzar conocimientos.



Sesión 2

Sesión 3

Sesión 4

Sesión 5

Sesión 6

Total

Control de lectura X X X 3Taller de ejercicios y/o resolución de problemas X X X 3Prácticas de laboratorio y/o estudios de caso X X 2Cuestionarios Tipo ECAES 0Foros y/o otras actividades con TIC2 X X 2

3. UNIDAD TEMÁTICA: Algoritmos Genéticos __________( 7 sesiones / 3 y 1/2 semanas).


TEMA 1. Fundamentos.TEMA 2. Características de los algoritmos genéticos.TEMA 3. Programación genética.TEMA 4. Sistema clasificador con algoritmos genéticos.TEMA 5. Optimización de una función: selección de un portafolio de inversión, flujo de carga, despacho económico.TEMA 6. Aplicaciones e implementación en software.


1. Aplicar técnicas de algoritmos genéticos en la solución de problemas de ingeniería. 2. Aplicar los conocimientos teóricos a problemas complejos. 3. Dominar las técnicas más importantes para la programación de un algoritmo

genético. 4. Dominar Matlab como herramienta para generar un algoritmo genético. 5. Elegir adecuadamente entre las diferentes técnicas para la solución de problemas y

entornos.


- Inculcar en el estudiante la forma como se pueden utilizar los algoritmos genéticos de forma similar a como se presenta las decisiones en el ser humano.

- Lograr que el estudiante interprete las operaciones propias de los algoritmos genéticos y la vaya enfocando a problemas de la vida cotidiana.



FUZZY LOGIC: INTELIGENCE, CONTROL AND INFORMATION. JOHN YEN y REZA LANDARI. Ed. Prentice Hall. Pags. 3-177.


5

AN INTRODUCTION TO FUZZY SETS: ANÁLISIS AND DESIGN. WITOLD PEDRYCZ AND FERNANDO GOMIDE. MIT Press.1-357.


INTRODUCTION TO APPLIED FUZZY ELECTRONICS. IBRAHIM, AHMAD. Ed. Prentice Hall. Págs. 1-75.

Fuzzy Logic Toolbox. User´s Guide. The Mathworks.


- Planteamiento de problemas a partir de las cuales se interactúa con los estudiantes para solucionarlos en el tablero. El profesor está atento a las posibles fallas que se presente para aclararlas y llevar a feliz término la solución del problema. - Realizar seguimiento a las problemáticas presentadas para hacer trabajos en grupos de tres estudiantes.- Realización de prácticas demostrativas en el laboratorio para afianzar conocimientos.



Sesión 2

Sesión 3

Sesión 4

Sesión 5

Sesión 6y7

Total

Control de lectura X X X 3Taller de ejercicios y/o resolución de problemas X X X 3Prácticas de laboratorio y/o estudios de caso X X 2Cuestionarios Tipo ECAES 0Foros y/o otras actividades con TIC3 X X 2

4. UNIDAD TEMÁTICA: Minirobots _______( 11 sesiones / 5 y 1/2 semanas).

DESARROLLO TEMÁTICO4. MINIROBOTS.4.1. Robots y robótica.4.2. Leyes de la robótica.4.3. Vida artificial.4.4. Tipos de minirobots.4.5. Minirobots programables.4.6. Robots BEAM. 4.7. Minirobots cibernéticos.4.8. Investigación en máquinas inteligentes.4.9. Inteligencia humana.4.10. Investigación en robótica.


Realizará un microbot de una forma paciente y perseverante aplicando diferentes elementos electrónicos, el computador y la creatividad mecánica basada en los conocimientos de Inteligencia Artificial.



6

Identifica la importancia de la robótica en la evolución de la automatización industrial.

Realiza una aplicación computarizada tal como un Minirobot que permite aplicar conceptos de Inteligencia Artificial.

Controla motores paso a paso para implementar el modelo minirobot.

Comprende los minirobot como una aplicación práctica de la Inteligencia Artificial.



Angulo, José maría. Microbótica. Tecnología, Montajes y Montaje Práctico. Editorial Thompson España. 2002.


Lecturas sobre Minirobot e Inteligencia Artificial

Diseño y construcción de un prototipo mecánico aplicando los conceptos de un Agente Artificial Inteligente.


Instrumento Sesión 1y2

Sesión 3y4

Sesión 5y6

Sesión 7y8

Sesión 9y10

Sesión 11

Total

Control de lectura V V 1Taller de ejercicios y/o resolución de problemas 0Prácticas de laboratorio y/o estudios de caso V V V V V 5Cuestionarios Tipo ECAES V 1Foros y/o otras actividades con TIC4 V 1

UNIDAD TEMÁTICA: REDES NEURONALES ARTIFICIALES.(_4_sesiones/_2_ semanas).


TEMA 1: Introducción. Historia. Clasificación. Tipos.TEMA 2: Redes neuronales biológicas, Redes neuronales artificiales, Analogía con las redes neuronales biológicas.TEMA 3: . Estructura y formas de interconexión, función de propagación (de red o de base), función de activaciónTEMA 4: La Red Perceptrón.

1.6LOGRO DE LA UNIDAD TEMÁTICA:

1. Aplicar técnicas de Redes Neuronales Artificiales en la solución de problemas de ingeniería.

2. Aplicar los conocimientos teóricos a problemas complejos. 4 TIC: Tecnologías de la Información y la Comunicación.

7

3. Dominar las técnicas más importantes de entrenamiento en Redes Neuronales Artificiales.

4. Dominar Matlab como herramienta en Redes Neuronales Artificiales. 5. Elegir adecuadamente entre las diferentes técnicas para la solución de problemas y

entornos.

1.7INDICADORES DE LOGRO DE LA UNIDAD:

- Inculcar en el estudiante la forma como se pueden utilizar las Redes Neuronales Artificiales de forma análoga a como se presenta las decisiones en el cerebro humano.

- Lograr que el estudiante interprete las operaciones propias de la Red Neuronal Artificial y la vaya enfocando a problemas de la vida cotidiana.


1.8BIBLIOGRAFÍA: LECTURAS OBLIGATORIAS (Desglosada por temas)

a. REDES NEURONALES ARTIFICIALES: Fundamentos, modelos y aplicaciones. HILERA, JOSE y MARTINEZ, VICTOR. Ed. Addison Wesley Iberoamericana. Págs. 1-101.

b. INTELIGENCIA ARTIFICIAL Y MINIROBOTS. DELGADO, ALBERTO. Librería Nacional. Págs. 1-38.

c. INTRODUCTION TO APPLIED FUZZY ELECTRONICS. IBRAHIM, AHMAD. Ed. Prentice Hall. Págs. 102-109.

d. Neural Network Toolbox. User´s Guide.The Mathworks.

1.9METODOLOGÍAS DE APRENDIZAJE USADAS EN LA UNIDAD TEMÁTICA

- Planteamiento de problemas a partir de las cuales se interactúa con los estudiantes para solucionarlos en el tablero. El profesor está atento a las posibles fallas que se presente para aclararlas y llevar a feliz término la solución del problema. - Realizar seguimiento a las problemáticas presentadas para hacer trabajos en grupos de tres estudiantes.- Realización de prácticas demostrativas en el laboratorio para afianzar conocimientos.



Sesión 2

Sesión 3

Sesión 4

Total

Control de lectura X X 2Taller de ejercicios y/o resolución de problemas X 1Prácticas de laboratorio y/o estudios de caso X X 2Cuestionarios Tipo ECAES X 0Foros y/o otras actividades con TIC5 X 2

METODOLOGÍA

El curso iniciará con la introducción a la Inteligencia Artificial desde su origen hasta llegar a la actualidad. Planteando proyectos a ser desarrollados a nivel de hardware a lo largo del curso, de tal forma que se usen como medio para aplicar cada una de las unidades temáticas del contenido que se desea llevar a


8

cabo durante este curso. Cada unidad se acompañará con lecturas de temas relacionados con la respectiva unidad temática y se desarrollaran Laboratorios encaminados al desarrollo del proyecto y que permitan realizar la evaluación de cada una de las unidades.

EVALUACIÓN DEL APRENDIZAJE

Tipo de instrumento No. semestre %

Actividades de Acompañamiento Mediado6 8 23,52

Taller de ejercicios y/o resolución de problemas 5 14,70

Prácticas de laboratorio y/o estudios de caso 14 41,17

Cuestionarios Tipo ECAES 3 8,82

Foros y Actividades con TIC 3 8,82

Proyecto de curso práctico 1 2,94

total 100

INDICE TOPOGRÁFICO BIBLIOTECA FUAC

NOTA: La dirección del programa académico deberá reunir a todos sus profesores al menos, dos veces durante el semestre, para dialogar sobre los lineamientos curriculares y la organización del trabajo. Al menos una de las evaluaciones deberá utilizar medios tecnológicos (Internet, Chat).

OBSERVACIONES DEL PROFESOR:

FIRMA DEL PROFESOR: ____________________________________JUAN MANUEL CHAPARRO FONSECAING. ELECTRONICA

FECHA DE ELABORACIÓN: 31 Diciembre de 2007

6 TAM: Es el número de horas de trabajo académico de un crédito académico, en que el estudiante es acompañado en telepresencia síncrona y asíncrono por el profesor o tutor (via telefónica, video, tele o audioconferencia, chat, etc.). En: Proyecto Educativo Institucional, Acuerdo 414 de 2002.

9

Documents

Guia Inteligencia Artificial20081