INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

PROGRAMA

1.INTRODUCCIÓN.   
 1.1.Historia y objetivos de la IA.
2.BÚSQUEDA Y RESOLUCIÓN DE PROBLEMAS.   
 2.1.Espacios de estados.
 2.2.Estrategias de búsqueda.
 2.3.Satisfacción de restricciones.
 2.4.Juegos.
3.RAZONAMIENTO.
 3.1.Razonamiento proposicional.
 3.2.Razonamiento de primer orden.
 3.3.Razonamiento revisable.
4.GENERACION DE PLANES.   
 4.1.El lenguaje del cálculo de situaciones.
 4.2.El lenguaje STRIPS. 
 4.3.Planificación de orden parcial.
5.APRENDIZAJE.   
 5.1.Concepto y tipos de aprendizaje.
 5.2.Aprendizaje simbólico.
 5.3.Algoritmos genéticos.
6.SISTEMAS BASADOS EN EL CONOCIMIENTO.
 6.1. Definición y conceptos básicos.
 6.2. Sistemas basados en reglas.
 6.3. El lenguaje CLIPS.
8.RAZONAMIENTO APROXIMADO.
 7.1. Representación y razonamiento con incertidumbre.
 7.2. Representación y razonamiento con imprecisión.
 7.3. El lenguaje FuzzyCLIPS.

BIBLIOGRAFÍA

METODOLOGÍA DOCENTE

Las clases incluyen exposiciones de índole teórica y prácticas en los laboratorios del departamento.

SISTEMA DE EVALUACIÓN

Se exigirá la entrega de un trabajo práctico propuesto a lo largo del curso al menos una semana antes de la realización del examen. El cumplimiento de esta condición es imprescindible para superar la asignatura. Por otra parte, se realizará un examen final consistente en la resolución de problemas o cuestiones relacionados con el contenido de las prácticas y ejercicios realizados durante el curso. Alternativamente, se realizarán en horas de clase de 5 a 7 controles de forma que quien lo supere no tendrá que realizar el examen final. Ambas partes, teoría y práctica deben superarse por separado. Si se superan la nota final será (Nota trabajo + 2 Nota teoría)/3