Este curso está diseñado para ofrecer una visión general de los temas y técnicas más representativos dentro de la IA, sin pretender cubrirlos de manera exhaustiva, los cuales pueden profundizarse en cursos mas especializados.
Objetivos
Introducir los fundamentos conceptuales de la Inteligencia Artificial, proporcionando al estudiante una base sólida para comprender las principales áreas y enfoques del campo.
Presentar las técnicas clásicas y modernas más representativas de la IA, incluyendo búsqueda, representación del conocimiento, razonamiento, agentes inteligentes y métodos básicos de aprendizaje.
Desarrollar la capacidad de analizar y resolver problemas mediante enfoques computacionales inspirados en la inteligencia humana, fomentando el diseño de soluciones basadas en modelos y algoritmos de IA.
Proporcionar una visión integral del ecosistema actual de la IA, incluyendo su evolución histórica, aplicaciones relevantes y desafíos éticos asociados en la actualidad y potencialmente en el futuro.
Fomentar habilidades prácticas básicas mediante ejercicios y actividades que permitan implementar algoritmos introductorios de IA y analizar su comportamiento.
Temario
Introducción (1 Clase) Martes 18 agosto.
Definición de Inteligencia Artificial.
Historia y evolución de la IA.
Agentes Inteligentes (4 Clases) Miércoles 19, Martes 25 y Miércoles 26 de Agosto, Martes 1 de Septiembre - Examen Miércoles 2 de Septiembre.
Definición y racionalidad.
Componentes: entorno, sensores y actuadores.
Propiedades de los entornos.
Tipos de agentes.
Espacio de estados.
Búsqueda en IA (4 Clases) Martes 8, Miércoles 9, Martes 22 y Miércoles 23 de Septiembre.
Formulación de problemas de búsqueda.
Estrategias no informadas (Depth-First, Breadth-First).
Estrategias informadas (Greedy Best-First, A*).
Juegos adversariales: Minimax y poda Alpha-Beta.
Optimización y Búsqueda Local (5 Clases) Martes 29 y Miércoles 30 de Septiembre, Martes 6, Miércoles 7, Martes 13 de Octubre, y Examen Miércoles 7 de Octubre.
Búsqueda local y función de evaluación.
Hill Climbing y variantes.
Recocido simulado (Simulated Annealing).
Problemas de satisfacción de restricciones y backtracking.
Representación del Conocimiento (4 Clases) Martes 20, Miércoles 21, Martes 27 y Miércoles 28 de Octubre.
Lógica proposicional. Sintaxis y semántica.
Consecuencia lógica e inferencia.
Lógica de primer orden. Sintaxis y semántica.
Inferencia.
Incertidumbre (4 Clases) Martes 3, Miércoles 4, Martes 10 y Miércoles 11 de Noviembre, y Examen el Martes 17 de Noviembre.
Probabilidad condicional y Teorema de Bayes.
Modelos probabilísticos en IA: redes bayesianas y procesos de Markov.
Temas recientes en Inteligencia Artificial (5 Clases) Miércoles 18, Martes 24, Miércoles 25 de Noviembre, Martes 1 y Miércoles 2 de Diciembre.
Exposición de Aprendizaje Supervisado. Temas: Clasificación (Naive Bayes), Regresión Lineal y Regresión Logística, Árboles de Decisión, Bosques Aleatorios, k-Neareast Neighbors.
Aplicaciones de frontera: IA en juegos (AlphaZero).
Memoria Asociativa Entrópica.
Presentaciones de clase
Las presentaciones de la clase se pueden consultar en la sección de archivos.