INTELIGENCIA ARTIFICIAL Programa de Asignatura
por Luciano Valdez
1. La Inteligencia Artificial, de ahora en adelante (IA), busca el aprendizaje o desarrollo interactivo del estudiante, a través del uso correcto de datos de manera empírica o práctica.
2. Propósito General
2.1. Proporcionar los conocimientos que le permitan al estudiante comprender los distintos marcos teóricos existentes, avances y tendencias, se familiarice con las distintas subdisciplinas presentadas y pueda resolver de forma empírica o práctica algunas de las problemáticas que plantea la IA.
3. BIBLIOGRAFÍA:
3.1. Mathivet V. (2018). Inteligencia artificial para desarrolladores: conceptos e implementación en c# (2ª ed). España. Editorial Eni.
3.2. Rodríguez P. (2018). Inteligencia artificial. España. Editora: Deusto Ediciones.
3.3. Boden M. (2017). Inteligencia artificial. Mexico. Editorial Turnel.
3.4. Garrido A. (2015). Lógica Matemática e Inteligencia Artificial. España. Editora: Dykinson.
3.5. Ullman, J ; Motwani, R. (2008) Introducción a la teoría autómatas, lenguajes de computación (3era edición). Editorial Madrid. España.
3.6. Tocci R y otros. (2007). Sistemas Digitales: Principios y aplicaciones, décima edición, editora Pearson Prentice Hall, México, 2007.
3.7. Norvig, Peter. (2005) Inteligencia artificial: un enfoque moderno (2da edición). Editorial Madrid. España.
4. ESTRATEGIAS DE EVALUACIÓN:
4.1. La evaluación será continua y sistemática, tomando en consideraciones la participación activa de los estudiantes, pruebas escritas, practicas, reporte de lectura, investigaciones y análisis de los casos presentados. La distribución de los valores se hará apegada a los criterios del reglamento de evaluación de los aprendizajes de UCATEBA.
4.2. Participación en clases 10 puntos 1er parcial 15 puntos 2do parcial 15 puntos Trabajo de Investigación 20 puntos Prácticas en el aula 20 puntos Examen final 20 puntos Total 100 puntos
5. Propósitos específicos
5.1. Conocer la historia y la motivación que dieron origen a la IA.
5.2. Examinar la representación del conocimiento de dominio de problemas dados.
5.3. Platear solución de problemas utilizando estrategias con herramientas de la IA.
5.4. Valorar la programación lógica y sistemas basados en reglas.
5.5. Analizar y asumir las nociones de redes neuronales.
6. ESTRATEGIAS METODOLÓGICAS:
6.1. El mayor porcentaje de contenidos se aplicará mediante lecciones teóricas, en encuentros profesor-estudiante usando el entorno virtual como elemento básico de ayuda didáctica.
6.2. Se indicarán ejercicios prácticos en los que el estudiante realizará diferentes tareas.
6.3. Se aplicará al menos un ejercicio tipo taller, en el que los estudiantes, organizados en grupos, desarrollarán un tema a propuesta del profesor, en horario de clases, libros que el profesor sugerirá su lectura y análisis, para la ocasión. Dicho tema será posteriormente discutido en clase.
7. CONTENIDOS PROGRAMÁTICOS:
7.1. UNIDAD I: LA INTELIGENCIA ARTIFICIAL (IA).
7.1.1. Definición Inteligencia Artificial
7.1.2. Historia
7.1.3. Origen Inteligencia Artificial
7.1.4. Los precursores
7.1.5. Tipos de IA y su Aplicación
7.1.6. Evolución de la IA
7.2. UNIDAD III: LA IA GENERATIVA.
7.2.1. La cibernética
7.2.2. La IA Generativa
7.2.3. Los ChatBots
7.2.4. El ChatGPT
7.3. UNIDAD IV: SISTEMAS BASADOS EN REGLAS.
7.3.1. Sistemas expertos.
7.3.2. Aprendizaje profundo
7.3.3. Python como gestor de IA
7.4. UNIDAD V: LO ÉTICO Y LEGAL EN IA.
7.4.1. Desafíos Éticos
7.4.2. Sesgos y desinformación
7.5. UNIDAD II: RESOLUCIÓN DE PROBLEMAS.
7.5.1. La estructura de los problemas.
7.5.2. Búsqueda de soluciones.