UNIVERSIDAD NACIONAL DE TRUJILLO

SILABO

I) IDENTIFICACIÓN

1. Experiencia Curricular:

Inteligencia Artificial.

2. Para estudiantes de la carrera:

Ingeniería de Sistemas.

3. Calendario académico: 2011-II 4. Año /Semestre curricular: VIII.

5. Extensión horaria

Total horas semanales : 06.

Horas Teoría : 01.
Horas Práctica : 03.
Horas Laboratorio : 02.
5.2. Total horas año/semestre : 96.

6. Creditaje : 03.

7. Organización del tiempo anual / semestral

Tipo de actividades Total Unidades

Horas I II III IV V
7.1.1. Horas Práctica. 40 14 14 12 0 0
7.1.2. Horas Teoría. 16 06 06 04 0 0
7.1.3 Horas Laboratorio. 32 12 12 08 0 0
7.1.4. Horas Ex. Teoría. 08 02 02 04 0 0
Total Horas. 96 34 34 28 0 0

8. Departamento Académico y Facultad:

Ingeniería de Sistemas – Ingeniería.

9. Docente:

Ing. Ricardo Mendoza Rivera, Ms

CIP 51627
Cod. UNT 50323
 II. FUNDAMENTACION Y DESCRIPCION

El desarrollo de la Inteligencia Artificial (IA) ha contribuido con un

conjunto de tecnológicas poderosas que apoyan a las empresas en el
manejo de conocimiento y en la toma de decisiones para resolver ese
tipo de problemas. Por otro lado, se tiene un gran avance en lo que se
refiere a tecnologías de información, por lo cual el desarrollo e
implementación de sistemas inteligentes dentro de una empresa, son
tareas fundamentales en estos días.

Precisamente en esta asignatura se estudiarán las metodologías y

las técnicas para la construcción de SISTEMAS INTELIGENTES para el
soporte a las decisiones en las Organizaciones.

III. APRENDIZAJES ESPERADOS

1. El estudiante deberá encontrase en la capacidad de explicar,

fundamentar y aplicar la teoría y técnicas de la inteligencia artificial
en la construcción de Sistemas Inteligentes
2. Desarrollar una aplicación inteligente fundamental sobre alguna
problemática real; a través de las codificaciones en PROLOG,
VISUAL PROLOG, LISP, EXSYS CORBIT y cualquier lenguaje de
programación convencional.
3. Reforzar el Trabajo en Equipo a través de talleres aplicativos del
marco teórico tanto en el aula de clases como en laboratorio.

IV) PROGRAMACIÓN

UNIDAD N° 1: INTELIGENCIA ARTIFICIAL: LA TECNICA DE LOS

SISTEMAS EXPERTOS.
Inicio: 5/09/2011 Término: 5/10/2011 N° de semanas: 5

1) Objetivos de aprendizaje:

Conocer la técnica de los sistemas expertos en el desarrollo de Sistemas

Inteligentes que emulan a un experto humano.

2) Desarrollo de la enseñanza- aprendizaje

Semana Actividades y/o Contenidos MMEE

1 Introducción a la Inteligencia Cañón Multimedia,
Artificial. Computadoras, Pizarra.
Plumones, Libros.
2 Técnica o campo de la Cañón Multimedia,
Inteligencia Artificial: Sistemas Computadoras, Pizarra,
Expertos. Plumones, Libros.
3 Técnica o campo de la Cañón Multimedia,
 Inteligencia Artificial: Sistemas Computadoras, Pizarra,
Expertos. Plumones, Libros.
4 Sustentación Sistema Cañón Multimedia,
Inteligente con Sistemas Computadoras, Pizarra,
Expertos. (Examen de Plumones, Libros.
Laboratorio).

3) Evaluación sumativa del Aprendizaje

Semana Técnica Instrumento

5 Examen Teoría Unidad I. Papel, Lapicero.

UNIDAD N° 2: INTELIGENCIA ARTIFICIAL: LA TECNICA DE LA

LOGICA DIFUSA

Inicio: 12/10/2011 Término: 9/11/2011 N° de semanas: 5

4) Objetivos de aprendizaje:

Conocer la técnica de la lógica difusa en el desarrollo de Sistemas

Inteligentes que razonen aproximadamente.

5) Desarrollo de la enseñanza- aprendizaje

Semana Actividades y/o Contenidos MMEE

6 Introducción a la técnica o Cañón Multimedia,
campo de la Inteligencia
Computadoras, Pizarra.
Artificial: Lógica difusa. Plumones, Libros.
7 Proceso de fusificación. Cañón Multimedia,
Computadoras, Pizarra.
Plumones, Libros.
8 Proceso de desfusificación. Cañón Multimedia,
Computadoras, Pizarra.
Plumones, Libros.
9 Sustentación Sistema Cañón Multimedia,
Inteligente con Lógica Difusa. Computadoras, Pizarra.
(Examen de Laboratorio). Plumones, Libros.
6) Evaluación sumativa del Aprendizaje

Semana Técnica Instrumento

10 Examen Teoría Unidad II. Papel, Lapicero.
 UNIDAD N° 3: INTELIGENCIA ARTIFICIAL: LA TECNICA DE LOS
ALGORITMOS GENETICOS Y LAS REDES
NEURONALES.

Inicio: 16/11/2011 Término: 22/12/2011 N° de semanas: 7

7) Objetivos de aprendizaje:

Conocer la técnica de los algoritmos genéticos y redes neuronales en el

desarrollo de Sistemas Inteligentes que aprendan evolutivamente y
adaptativamente.

8) Desarrollo de la enseñanza- aprendizaje

Semana Actividades y/o Contenidos MMEE

11 Técnica o campo de la Cañón Multimedia,
Inteligencia Artificial: Algoritmos Computadoras, Pizarra.
Genéticos. Plumones, Libros.
12 Técnica o campo de la Cañón Multimedia,
Inteligencia Artificial: Algoritmos Computadoras, Pizarra.
Genéticos. Plumones, Libros.
13 Técnica o campo de la Cañón Multimedia,
Inteligencia Artificial: Redes Computadoras, Pizarra.
Neuronales. Plumones, Libros.
14 Sustentación Sistema Cañón Multimedia,
Inteligente con Lógica Difusa. Computadoras, Pizarra.
Sustentación Sistema Plumones, Libros.
Inteligente con Redes
Neuronales. (Examen de
Laboratorio).

9) Evaluación sumativa del Aprendizaje

Semana Técnica Instrumento

15 Examen Teoría Unidad III. Papel, Lapicero.

Semana Técnica Instrumento

16 Examen Aplazados. Papel, Lapicero.

V) NORMAS DE EVALUACIÓN

En el curso de Inteligencia Artificial, se evaluará no solo a nivel individual al

alumno para medir sus fortalezas y debilidades, sino también se evaluará a
nivel de equipo de trabajo para medir el nivel de coordinación de los integrantes
como parte de un todo llamado Sistema Equipo.

Se considerará las participaciones en clase y en laboratorio del alumno para ir

acumulando puntos que les será reconocido en sus la nota de trabajos.

Se presentarán y sustentarán cuatro proyectos a nivel de equipo que serán los

exámenes de laboratorio, una semana antes del examen de teoría de la
respectiva unidad.

La escala de calificación es de 0 a 20 y se evaluarán exámenes control en

cualquier momento y sin previo aviso.

El promedio final se obtendrá de la siguiente manera:

PF = (EP1 + PR1 + EC1)/3 + (EP2 + PR2 + EC2)/3 + (EP3 + PR3 + EC3)/3

El alumno aprobará el curso si su promedio es mayor o igual a 10.5

El promedio de cada unidad se considerará redondeado con un decimal.
El promedio final del curso se redondeará entero.
El examen de aplazados abarca todo el curso.
El alumno que no se presente a un examen o a la sustentación de algún trabajo
se hará acreedor a la nota cero (00), salvo justificación de la falta que amerite
una nueva oportunidad.

VI) BIBLIOGRAFÍA

7.1 Castillo, Enrique. “Sistemas Expertos”. Aprendizaje e Incertidumbre”,

Primera Edición, Editorial Paraninfo, España.
7.2 Jackson, Peter. “Introduction to Expert Systems”, Addison-Wesley Pub,
1996.
7.3 Barclay Adams, J. “Probabilistic Reasoning and Certainly Factors”, en Rule
Based Expert Systems, Addison-Wesley Pub, 1985.
7.4 Russell, Stuart; Norvig, Peter. “Inteligencia Artificial : Un Enfoque Moderno”,
Segunda Edicion, Editorial Prentice Hall, Madrid, España.