You are on page 1of 7

3B-1

SILABO 2015-II
FACULTAD DE INGENIERA
ESCUELA ACADMICO PROFESIONAL DE INGENIERA DE SISTEMAS E INFORMTICA
I.- INFORMACIN GENERAL
1. Asignatura:

INTELIGENCIA ARTIFICIAL

2. Cdigo de asignatura:

IS2803

3. Crditos:
4. Requisitos:
5. Semestre
6. Ciclo:
7. Horas teora semanal:
8. Horas prctica semanal:
9. Duracin:
10. Docente coordinador(a):
11. Docentes:

2
IS2707 IS2701
2015-II
VIII
01
02

17 semanas
Del 24 de Agosto al 19 de Diciembre del 2015.
Ing. Jos Antonio Espinal Teves
jespinal@wienergroup.com
Ing. Jos Antonio Espinal Teves

II. SUMILLA
La asignatura pertenece al rea de Formacin Profesional Especializada, de naturaleza tericoprctico. Esta asignatura tiene como objetivo fundamental brindar el conocimiento para la
implementacin de un sistema experto y modelos prospectivos. El contenido a tratar est
referido a cuatro unidades didcticas: Sistemas basados en conocimiento y Lenguajes de quinta
generacin, Sistemas Expertos, Modelos Prospectivos y Arboles de decisin.
III. COMPETENCIA GENERAL
Desarrollar sistemas expertos y modelos prospectivos considerando modelos de desarrollo de
software y sistemas de simulacin.
IV. LOGRO DE APRENDIZAJE DE LA ASIGNATURA
Al finalizar la asignatura los estudiantes presentan un sistema experto y un modelo prospectivo
basados en modelos de desarrollo de software y sistemas de simulacin.

F-CV3-3B-1

Rev. Marzo 2013

V. PROGRAMA CALENDARIZADO
UNIDAD DIDCTICA I: Sistemas basados en conocimiento y Lenguajes de quinta generacin
Logro de la Unidad:
Al finalizar la unidad I los estudiantes elaboran aplicaciones inteligentes basadas en lenguajes de
quinta generacin Prolog.
Duracin: 04 semanas

Del 24 de agosto al 19 de setiembre del 2015


Estrategia
Semana Contenidos de conocimiento/de desempeo
metodolgica
Definiciones de IA. Lenguajes IA. Fundamentos de IA. Campos y
enfoques de la IA.
Expositiva
dialogada
1
Entrevista dirigida
Interpreta las diferentes definiciones de IA.
Conoce los diferentes lenguajes IA.
Interpreta los diferentes campos y enfoques de IA.
Expositiva
Lenguajes de quinta generacin. Programacin Lgica
dialogada
ABP
2
Elabora aplicaciones inteligentes simples basados en los lenguajes
de quinta generacin
Recursividad en Prolog. Desarrollo de aplicaciones recursivas.

Expositiva
dialogada
Elabora aplicaciones inteligentes utilizando recursividad para su
ABP
diseo.

Listas en Prolog. Interfaces de E/S en Prolog. Manejo de Archivos


en Prolog
Expositiva
Elabora aplicaciones inteligentes utilizando listas, interfaces de dialogada
ABP
E/S y manejo de archivos

Producto: Desarrollo de aplicaciones inteligentes en Prolog utilizando recursividad, listas,


interfaces de E/S y manejo de archivos
Criterio de evaluacin: Lgica de programacin, algoritmia y utilidad de las aplicaciones
Instrumento de evidencia del logro de aprendizaje
De conocimiento

De desempeo

Del producto de la unidad

Pruebas objetivas

Lista de verificacin

Monografa

Momento de evaluacin: Formativa y sumativa.


Semana 1 : Evaluacin Diagnostica
Semana 2,3: Evaluacin Formativa
Semana 4 : Evaluacin Sumativa
Fuentes de informacin recomendada
1. Ciberculturas 2.0: en la era de las mquinas inteligentes, Piscitelli Alejandro. 2002. Buenos
Aires - Paids, 1 ed.
2. Sistemas Expertos, Guiarratano Joseph, Riley Gary. 2001, Ed. Thomson.

F-CV3-3B-1

Rev. Marzo 20132

UNIDAD DIDCTICA II: Sistemas Expertos


Logro de la Unidad:
Al finalizar la unidad los estudiantes elaboran sistemas expertos siguiendo metodologas de
desarrollo de software y programacin lgica.
Duracin: 03 semanas

Del 21 de setiembre al 10 de octubre del 2015


Estrategia
Semana Contenidos de conocimiento/de desempeo
metodolgica
Fundamentos de los Sistemas Expertos. MYCIN. Representacin
del Conocimiento.
Expositiva
dialogada
5
Lluvia de Ideas
Conceptualiza y entiende la importancia del desarrollo de
sistemas expertos
Expositiva
dialogada
ABP

Desarrollo de sistemas expertos pequeos.


6
Elabora pequeos sistemas expertos de utilidad comercial
Desarrollo de sistemas expertos grandes. Seleccin del problema.
Desarrollo de un sistema prototipo. Afinamiento del sistema
experto comercial
7
Elabora sistemas expertos comerciales basados en la ingeniera
del conocimiento

Expositiva
dialogada
ABP

Producto: Sistema Experto comercial basado en tcnicas de ingeniera del conocimiento y


desarrollo de software
Criterio de evaluacin:
Tcnicas de ingeniera del conocimiento y metodologas de desarrollo de software
Instrumento de evidencia del logro de aprendizaje
De conocimiento

De desempeo

Del producto de la unidad

Pruebas estandarizadas

Escalas de evaluacin

Rbrica para la evaluacin del


Proyecto

Momento de evaluacin: Formativa y sumativa.


Semana 5,6: Evaluacin Formativa
Semana 7 : Evaluacin Sumativa (Revisin de Avances de Proyecto)
Semana 8 : Primer Examen Escrito
Fuentes de informacin recomendada
1.
2.

Introduccin a los sistemas expertos. Samper Mrquez Juan Jos. 2004.


Sistemas Expertos, Guiarratano Joseph, Riley Gary. 2001, Ed. Thomson.

F-CV3-3B-1

Rev. Marzo 2013

UNIDAD DIDCTICA III: Modelos Prospectivos


Logro de la Unidad:
Al finalizar la unidad los estudiantes elaboran escenarios en base modelos prospectivos.
Duracin: 03 semanas

Del 19 de octubre al 7 de noviembre del 2015


Estrategia
Semana Contenidos de conocimiento/de desempeo
metodolgica
Fundamento de modelos prospectivos. Enfoque pro-activo
9
Elabora mapas mentales de situaciones reales bajo el enfoque
pro-activo
Precisin de tendencias. Factores de cambio. Caractersticas del
entorno
10

Expositiva
dialogada
Lluvia de Ideas
Expositiva
dialogada
Estudio de Caso

Reconoce la situacin actual y de las condiciones potenciales del


tema que se est estudiando
Identificacin de variables estratgicas y Estimativo y diseo de
escenarios.

11

Detecta los componentes ms importantes y ms gobernables del


tema
Disea el escenario probable y varios escenarios alternos

Expositiva
dialogada
ABP

Criterio de evaluacin:
Modelos Prospectivos y diseos de escenarios con redes bayesianas
Instrumento de evidencia del logro de aprendizaje
De conocimiento

De desempeo

Del producto de la unidad

Cuestionario

Simuladores escritos

Rbrica para el diseo de


escenarios

Momento de evaluacin: Formativa.


Semana 9,10,11: Evaluacin Formativa
Fuentes de informacin recomendada
1. Medina Javier Rincn Gladys (2006) La Prospectiva Tecnolgica e Industrial CAF Colciencias
Colombia.
2. Methodology: Conmon Foresight Practices and Tools in International Handbook of Foresigth
and Sciencia Policy: Theory and Practices. Popper R. 2007. Ed. Georghiou, etc. al Edwar Elgar
2007.

F-CV3-3B-1

Rev. Marzo 20134

UNIDAD DIDCTICA IV: Arboles de decisin.


Logro de la Unidad:
Al finalizar la unidad los estudiantes elaboran modelos de decisin y construyen diagramas de
construcciones lgicas.
Duracin: 04 semanas

Del 9 de noviembre al 5 de diciembre del 2015


Estrategia
Semana Contenidos de conocimiento/de desempeo
metodolgica
Diagramas de construcciones lgicas. Identificacin de momentos
de decisin.
12
De desempeo (prctica)

Formulacin de preguntas. Recopilacin de Informacin.


Diagramas provisionales y definitivos
13
De desempeo (prctica)

Expositiva
Lluvia de Ideas

Expositiva
dialogada
ABP

Desarrollo de casos y Exposiciones


14-15

Estudio de caso.

De desempeo (prctica)
Criterio de evaluacin:
Toma de decisiones acertadas en base a arboles de decisin

Instrumento de evidencia del logro de aprendizaje


De conocimiento

De desempeo

Del producto de la unidad

Portafolio

Escala de estimacin

Mapas conceptuales de los


escenarios

Momento de evaluacin: Formativa y sumativa.


Semana 13
: Formativa y Sumativa
Semana 14,15: Exposiciones y Presentacin de proyectos de Tesis
Semana 16
: Segundo Examen Escrito
Fuentes de informacin recomendada

1. Espndola, Jos Luis (2005) Anlisis de problemas y toma de decisiones. Mxico D.F.: Addison
Wesley. (153.43/E84)
2. Jennings, David (2000) Toma de decisiones: Un enfoque integrado. Mxico D.F.: Continental
658.1G/J39)
3. Montes, Felipe (2000). Resolucin de problemas y toma de decisiones. Mxico D.F.: Trillas
(153/M84)
4. Rey Sancristn, Francisco (2003). Tcnicas de resolucin de problemas. Madrid: s.n.
(658.2/R47T)

F-CV3-3B-1

Rev. Marzo 2013

PROGRAMACIN DE PRCTICAS
Semana

Practica

Tema

Lenguajes de Inteligencia Artificial

Aplicaciones del lenguaje Prolog

Sistemas expertos.

Redes Bayesianas.

11

Aplicaciones en toma de decisiones.

13

Arboles de decisin.

15

Aplicaciones en toma de decisiones.

VI. RECURSOS DIDCTICOS


Impresos:
Guas
Separatas
Fotocopias
Papelotes
Textos
Revistas
Test, inventarios, cuestionarios.
Medios:
Visuales: Videos, imgenes
Audiovisuales: Video
VII. EVALUACIN
La evaluacin se har de acuerdo al Reglamento Acadmico General de la Universidad.
7.1

Evaluacin Diagnstica: Se aplica el primer da de clases, con la finalidad de evaluar


los conocimientos previos necesarios para el desarrollo de la asignatura. La nota es
referencial (no se utiliza para determinar el promedio final) y sus resultados servirn
para que los docentes programen las actividades de retroalimentacin, nivelacin y de
seguimiento de los estudiantes durante el periodo acadmico.

7.2

Evaluacin Formativa: Es la evaluacin ms importante, es un proceso continuo y sirve


para mejorar el aprendizaje y la enseanza. Se utiliza con el fin de retroalimentar al
estudiante y al docente acerca de su desempeo durante el desarrollo de la asignatura.

F-CV3-3B-1

Rev. Marzo 20136

7.3

Evaluacin Sumativa: Se utiliza para determinar si el estudiante es promovido o no al


trmino del periodo acadmico.
Importante: Para aprobar la asignatura, el estudiante debe rendir
obligatoriamente dos de los tres exmenes programados en las semanas 8, 16 y
17 del semestre acadmico.
Aspectos que se evalan y determinacin de promedios;
Qu se evala en cada fase?

Conocimiento

Desempeo

Producto

Examen
escrito

Cmo se determina el
Promedio de fase:
promedio de cada fase
PC x 0.1 + PD x 0.3 + PP x 0.3 + E x 0.3
Cmo se determina el
Promedio final (PF)
promedio final?
PF1 x 0.40 + PF2 x 0.60
PC = Promedio de evaluacin de conocimientos.
PD = Promedio de evaluacin de desempeo.
PP = Promedio de evaluacin de productos.
E = Evaluacin (E1 o E2 que se realizan en las semanas 8 y 16 respectivamente).
PF1 = Promedio de la Fase 1.
PF2 = Promedio de la Fase 2.
PF = Promedio final.
Tercera evaluacin (E3): Los estudiantes que no rindieron oportunamente la primera (E1)
o segunda (E2) evaluacin o que deseen elevar su calificacin en alguna de ellas, podrn
rendir la tercera evaluacin (E3) como mximo en tres (3) asignaturas, en un semestre
acadmico. La tercera evaluacin se realizar en la semana 17, ser de toda la asignatura
y la nota que se obtenga reemplazar a la evaluacin ms baja (E1 o E2), previo pago de
la tasa administrativa correspondiente.
VIII. FUENTES DE INFORMACIN COMPLEMENTARIAS
- Gardner, H. (2011). La Nueva Ciencia de la Mente. Barcelona (Espaa): Paidn.
- Geraci, R. (2010). Apocalyptic AI. New York: Oxford University Press.
- Blay, W. (2012). Artificial Intelligence. Oxford (England): OneWorld Book.

F-CV3-3B-1

Rev. Marzo 2013

You might also like