Saltar al contingut Menu
Mapa
  • Inici
  • Informació
  • Contacte
  • Mapa

Intel.ligència Artificial (IA)

Crèdits Dept.
9.0 (7.2 ECTS) CS

Professors

Responsable:  (-)
Altres:(-)

Objectius Generals

Presentar un panorama dels problemes que tracta la Intel·ligència
Artificial, així com dels fonaments teòrics i formes d'aplicació de
les tècniques generals que inclou. Es tractaran les dues àrees
bàsiques de la Intel·ligència Artificial: la resolució de problemes
(incloent l'espai d'estats, la cerca heurística i la satisfacció de
restriccions), i la representació del coneixement. Per completar la
visió de l'àrea es presentaran els dos temes que tenen actualment un
major grau de presència a l'àmbit de les aplicacions i de recerca: el
Tractament del Llenguatge Natural i els Sistemes Basats en el
Coneixement. L'enfocament de l'assignatura serà pràctic.

Objectius Específics

Coneixements

  1. Abast i necessitat de les técniques d'Intel·ligència Artificial
  2. Conceptes bàsics sobre resolució de problemes i representació del coneixement.
  3. Conceptes bàsics de sistemes basats en el coneixement, disseny i construcció de sistemes basats en el coneixement.
  4. Conceptes bàsic de les tècniques de tractament del llenguatge natural, utilització d'eines i anàlisi d'aplicacions.
  5. Coneixement bàsic dels llenguatges que es fan servir a les aplicacions d'Intel.ligència Artificial.

Habilitats

  1. Analitzar un problema i determina quines técniques d'intel.ligència artificial son les mes adequades.
  2. Analitzar les necesitats de coneixement necesaries per resoldre un problema.
  3. Extreure i representar el coneixement necesari per construir una aplicació dins de ls àmbits dels sistemes basats en el coneixement i el tractament del llenguatge natural.

Competències

  1. Capacitat de resoldre problemes aplicant els mètodes de la ciència i l'enginyeria
  2. Capacitat per crear i utilitzar models de la realitat.
  3. Capacitat per dissenyar i dur a terme experiments, i d'analitzar-ne els resultats.
  4. Saber aplicar el cicle de resolució de problemes típic de la ciència i l'enginyeria: especificació, generació d'idees i alternatives, disseny d'una estratègia de solució, execució de l'estratègia, validació, interpretació i avaluació dels resultats. Capacitat d'analitzar el procés un cop acabat.
  5. Capacitat per argumentar lògicament les decisions preses, la feina feta o un punt de vista. Capacitat per donar opinions, raonaments i justificacions fonamentades per tal de convèncer.
  6. Capacitat d'anàlisi i de síntesi.

Continguts

Hores estimades de:

T P L Alt L Ext. Est A Ext.
Teoria Problemes Laboratori Altres activitats Laboratori extern Estudi Altres hores fora d'horari fixat

1. Introducció a la Intel·ligencia Artificial
T      P      L      Alt    L Ext. Est    A Ext. Total 
2,0 0 1,0 0 0 0 0 3,0
Historia, motivació i descripcio de les árees de la Intel·ligència Artificial

2. Resolució de problemes
T      P      L      Alt    L Ext. Est    A Ext. Total 
13,0 11,0 6,0 0 28,0 10,0 0 68,0
Introducció a les metodologies de resolució automática de problemes: Representació com espai d'estats, algorismes de búsqueda informada i local, jocs i problemes de satisfacció de restriccions

3. Representació de coneixement
T      P      L      Alt    L Ext. Est    A Ext. Total 
5,0 5,0 1,0 0 4,0 9,0 0 24,0
Introducció a les tècniques de representació al coneixent. Motivació. Representacions procedimentals i sistemes de producció. Representacions estructurades, frames i ontologies

4. Sistemes basats en el coneixement
T      P      L      Alt    L Ext. Est    A Ext. Total 
9,0 6,0 6,0 0 28,0 10,0 0 59,0
Introducció als sistemes basats en el coneixement. Necesitat de coneixement per a la resolució de problemes complexos. Relació amb les técniques de representació, particularitats. Enginyeria del coneixement. Aprenentatge. Raonament aproximat.

5. Tractament del llenguatge natural
T      P      L      Alt    L Ext. Est    A Ext. Total 
7,0 4,0 0 0 0 9,0 0 20,0
Introducció al tractament del llenguatge natural. ELs nivells del llenguatge. Anàlisi léxica i morfològica. Anàlisis sintàctica i semàntica. Les gramàtiques de clàusules definides. Aplicacions.

6. Aprenentatge Automatic
T      P      L      Alt    L Ext. Est    A Ext. Total 
2,0 0 0 0 0 0 0 2,0
S'introdueix la necessitat de l'aprenentatge per augmentar les capacitats dels sistemes basats en el coneixement i resoldre problemes que tindrien un gran cost si no es fessin de manera automatica.


Total per tipus T      P      L      Alt    L Ext. Est    A Ext. Total 
38,0 26,0 14,0 0 60,0 38,0 0 176,0
Hores addicionals dedicades a l'avaluació 4,0
Total hores de treball per l'estudiant 180,0

Metodologia docent

Les clases estan dividides en sessions de teoría, problemes i laboratori. A les sessions de teoría es desenvoluparan els coneixements de l'assignatura. Les classes de problemes permetran aprofondir en les técniques i algorismes explicats a les sessions de teoría.

A les clases de laboratori es desenvoluparan petites pràctiques utilitzant eines i llenguatges propis de la Intel·ligència Artificial que permetran practicar i reforçar els coneixements de les classes de teoría

Mètode d'avaluació

L'avaluació constarà d'un examen pacial, un examen final i una nota de laboratori.

L'examen parcial no serà alliberatori i es fara a hores de clase. Les persones que no aprovin o no facin l'examen parcial seran avaluades només amb la nota de l'examen final.

La nota de laboratori provindrà dels informes que es faran de les practiques realitzades.

El càlcul de la nota final es farà de la següent manera:

Nota Final= max (Nota examen parcial* 0.15 + Nota examen final * 0.55, Nota examen final * 0.7)+ Nota laboratori * 0.3





Bibliografía bàsica

  • Russell, Stuart; Norvig, Peter Artificial intelligence: a modern approach   (third edition), Prentice Hall, 2009.
  • Brachman, Ronald, Levesque, Hector Knowledge Representation and Reasoning, Morgan Kaufmann , 2004.
  • Ruslan Mitkov, [editors] The Oxford handbook of computational linguistics, Oxford University Press, 2003.
  • Joseph Giarratano, Gary Riley Expert systems : principles and programming, Thomson Course Technology, 2005.
  • Koller, Daphne, Friedman, Nir Probabilistic Graphical Models: Principles and Techniques, The MIT press, 2009.

Bibliografía complementària

  • Nils J. Nilsson Artificial intelligence : a new synthesis, Morgan Kaufmann Publishers, 1998.
  • Francisco Escolano ... [et al.] Inteligencia artificial : modelos, técnicas y áreas de aplicación, Thomson, 2003.
  • Luger, George F. Artificial intelligence : structures and strategies for complex problem solving, Addison Wesley Longman, 2005.
  • Avelino J. González, Douglas D. Dankel The Engineering of knowledge-based systems : theory and practice, Prentice Hall, 1993.
  • James Allen Natural language understanding, Benjamin /Cummings, 1995.
  • Rina Dechter Constraint processing, Morgan Kaufmann Publishers, 2003.
  • Jackson, P. Introduction to Expert Systems, Addison-Wesley, 1990.

Enllaços web

  1. http://www.lsi.upc.es/~bejar/ia/ia.html
    Página oficial de l'assignatura


Capacitats prèvies

- Conceptes bàsics de lógica de proposicions i predicats
- Capacitat de formular un problema en termes lógics.
- Inferència lógica. Resolució. Estrategies de resolució.
- Estructures d'àrbres i grafs, algorismes de recorregut i cerca.
- Nocions bàsiques de complexitat.

Per tant, es proposa que per cursar IA calgui haver superat IL i ADA


Compartir

 
logo FIB © Facultat d'Informàtica de Barcelona - Contacte - RSS
Aquest web utilitza cookies pròpies per oferir una millor experiència i servei. En continuar amb la navegació entenem que acceptes la nostra política de cookies.
Versió clàssica Versió mòbil