• Presentación del curso.
• Clasificación de problemas algorítmicos, problemas P y NP.
• Problemas de decisión, localización y optimización. Descripción de algunos problemas NP-difícil.

          Referencias: [1]Capitulo 3

• Definición de la Inteligencia Artificial. Máquina inteligente.
• Diferencia entre sistemas operacionales y sistemas inteligentes.
• Revisión de los lenguajes de la inteligencia artificial.
• Aplicaciones en la industria y servicios.(robótica, planificación, gestión de desperdicios)
• Test de Turing

          Referencias: [1]Capitulo 1, [2]Capitulo 1,
          [10]Capitulo 1, [10]Capitulo 2

• Definición de problemas de la IA como problemas de búsqueda en un espacio de estado.
• Representación de problemas de juegos humano - máquina.

          Referencias: [1]Capitulo 3, [3]Capitulo 2,
          [4]Capitulo 3, [11]Capitulo 2 Sub 3B,
          [11]Capitulo 2 Sub 3C

• Métodos de búsqueda ciega: amplitud, profundidad y no determinista.

          Referencias: [1]Capitulo 4, [2]Capitulo 5,
          [3]Capitulo 3, [4]Capitulo 5, [9]Capitulo 9
          [11]Capitulo 3

• Métodos que usan información adicional: primero el mejor, ascenso a la colina, ramificación y acotación.
  

          Referencias: [1] Capítulo 4, [2] Capítulo 5,
          [3] Capítulo 3, [4] Capítulos 5 y 6.

• Métodos MIN-MAX para desarrollar juegos inteligentes hombre-máquina.
  
  

          Referencias: [1]Capitulo 6, [2] Capítulos 5
          y 6, [3] Capítulos 3 y 12, [4] Capítulos 5 y 6.

• Definición de Sistemas Expertos.
• Arquitectura de un sistema experto.
• Taxonomía y aplicaciones de los sistemas expertos. Requisitos para el desarrollo de sistemas expertos y ventajas del uso de sistemas expertos.
• Algunos problemas basados en el conocimiento.

          Referencias: [10]Capitulo 2A, [10]Capitulo 2B, [11]Capitulo 3

• Los alumnos mostrarán sus habilidades en cuanto al desarrollo de software de juegos inteligentes basados en técnicas de búsqueda. Se deberá presentar un informe y un software, y deberán exponer sus trabajos.

• Introducción.
• Adquisición de conocimiento.
• La metodología CommonKADS.
• Diseño de Sistemas Expertos (SE).
• Ciclo de vida de un SE.

    Referencias: [12]Capitulo 5 Subcapitulo 5.1

• Adquisición de conocimiento.
• Construcción de la base de hechos y base de conocimiento.
• Estructuras de representación de conocimientos (reglas de inferencias, frames, objects, redes semánticas,lógica de predicados).

          Referencias: [10]Capitulo 4 subcapitulo C

• Construcción de la base de hechos y base de conocimiento.
• El motor de inferencia.
• Los métodos de encadenamiento regresivo, progresivo y reversibilidad. Técnicas de equiparación, el algoritmo RETE.
• Técnicas de resolución de conflictos.

          Referencias: [3]Capitulos 3, [3]Capitulos 1_A,[3]Capitulos 1_B
          7, [6]Capitulo 3, [7]Capitulo 3.

• Principales errores en el desarrollo de un sistema experto. Calidad de un sistema experto. Validación de sistemas inteligentes, métodos cuantitativos de validación.
• Eficiencia y error de sistemas expertos. Revisión de la funcionalidad del SE del 2do trabajo.
• Tareas: ejercicios sobre calidad y validación de SE, validar el sistema propuesto del 2do trabajo.

          Referencias: [7]Capitulo 21

• Conceptos de aprendizaje y de machine learning.
• Sistemas experto vs machine learning.
• Técnicas de aprendizaje y fases de desarrollo de machine learning.
• Aplicaciones de machine learning en la industria y servicios.
• Conceptos de heurísticas y meta-heurísticas. Algoritmos exactos vs algoritmos heurísticos.
• Técnicas heurísticas y meta-heurísticas. Problemas de optimización combinatoria en la industria y servicios.

         Referencias: [5]Capitulos 1 y 2

• Los alumnos mostrarán sus habilidades en cuanto al desarrollo de sistemas expertos y sus aplicaciones en los sectores de la industria y servicio. Los alumnos presentarán un informe y un software.