Skip to content

JafetRaul/Inteligencia-Artificial

Repository files navigation

IA EAPIS.UNMSM: Inteligencia Artificial

Este repositorio contiene documentos teoricos, casos prácticos, implementaciones didácticas y ejercicios relacionados con el campo de la Inteligencia Artificial utilizados en el curso Inteligencia Artificial de la Facultad de Ingenieria de Sistemas UNMSM.

Docente: Maguiña Perez, Rolando Alberto.

Nota: Si te apasiona el campo de la Inteligencia Artificial, te recomiendo matricularte con este profesor. (¡100% RECOMENDADO!)

Elementos importantes:

Aspectos Importantes Detalle
Cronograma del ciclo académico Cronograma con el detalle fecha a fecha de los temas, ejercicios y codigos realizados en clase.
Duración del ciclo académico El curso esta dividido en 16 semanas.
Lenguajes de Programación utilizados Python 3.x y LISP.
Conocimientos Previos Algoritmia - Investigación Operativa - Matemática Discreta - Cálculo - Estadistica - Probabilidades

Links relevantes:

Lenguajes de programación y IDE
Python
Lisp
Jupyter

Nota: Existen múltiples maneras de instalar Lisp en los diversos SO. Además, puedes instalar el kernerl de Lisp en JupyterLab o JupyterNotebook, eso ya lo dejo en tus manos 😊 .

Bibliografía recomendada:

Título Autor Edición Año de publicación
Artificial Intelligence: A Modern Approach Stuart J. Russell & Peter Norvig Global Edition 2021
Inteligencia Artificial: Fundamentos, prácticas y aplicaciones Garcia S. Alberto 1° Edición 2018
A gamut of games Sackson Sid 1° Edición 1992
Fuzzy Sets and Fuzzy Logic: Theory and Applications George J. Klir, Bo Yuan 1° Edición 1995

Nota: Existen más libros sobre los temas tratados en este curso, pero te recomiendo seleccionarlos bien, intentar leerlos y guardarlos 😊 .

Contenido:

Unidades Clases Título Temas Tipo
Unidad I:
Inteligencia Artificial y Espacio de Estados (EE)
01 Introducción a la Inteligencia Artificial Fundamentos de IA Teoría
Notebook: Repaso de Colecciones - Python Colecciones Repaso y Ejercicios
Lectura 1: Agentes Inteligentes Fundamentos de AI Lectura
Laboratorio 1 Repaso de Colecciones Código
02 Agentes Inteligentes Fundamentos de los AI Teoría
Instrucciones para entornos virtuales Entornos Virtuales en Python Teoría
Laboratorio 2 Librería Numpy Código
Archivos adicionales para el Laboratorio 2 Librería Numpy Texto
03 Espacio de Estados y Complejidad de Algoritmos EE y Complejidad Teoría
Práctica Calificada 1 Repaso de Python Código
Unidad II:
Búsqueda (BEE) y Teoría de Juegos
04 Métodos de Búsqueda a Ciegas (No informada) MBAC y BEE Teoría
Laboratorio 3 MBAC con Python Código
05 Métodos de Búsqueda Heurística (Informada) MBH y BEE Teoría
Laboratorio 4 MBH con Python Código
06 Juegos Inteligentes: Humano - Máquina Teoría de Juegos y Estrategias Teoría
Juegos de movimientos simultáneos de dos jugadores Algoritmos para estrategias informáticas Artículo científico
Laboratorio 5 - Parte I Implementación del Tic Tac Toe Código
Laboratorio 5 - Parte II Implementación del Tic Tac Toe Código
Implementación del algoritmo: Primero el Mejor Implementación en Código Video
Laboratorio 5 - Parte III Implementación del Tic Tac Toe Código
07 Exposición del Trabajo Computacional Los Tres Mosqueteros Código
08 Examen Parcial Todo lo aprendido hasta semana 7 Teoría y Práctica
Unidad III:
Sistemas Expertos
09 Sistemas Expertos SE y Encadenamiento Progresivo Teoría
Introducción a Lisp Lisp Teoría
Ejercicios de Encadenamiento Progresivo SE y Encadenamiento Progresivo Ejercicios
Laboratorio 6 Lisp Código
10 Lógica Difusa - Parte I Introducción y Conjuntos Difusos Teoría
Laboratorio 7 Lisp Código
11 Lógica Difusa - Parte II Lógica Difusa y Introducción a los SID Teoría
12 Sistemas de Inferencia Difusa SID - Conceptos y Aplicación Teoría
SID - Caso Aplicativo Aplicación Lectura
Ejercicios de CD, LD y SID CD, LD y SID Ejercicios
Laboratorio 8 SID con Python Código
Unidad IV:
Introducción al Machine Learning
13 Machine Learning y Redes Neuronales Artificiales Introducción al ML y a las RNA Teoría
Práctica Calificada 2 Caso Aplicativo de SID con Python Código
14 Perceptrón y Funciones de Activación Introducción a la Redes Neuronales Artificiales Teoría
Algoritmos del Perceptrón Unicapa Algoritmo de Aprendizaje y Recuerdo Teoría
Ejercicios de Perceptrón Unicapa Perceptrón Unicapa Ejercicios
Laboratorio 9 Implementación del Perceptrón en Python Código
15 Técnicas de Machine Learning Técnicas de Clasificación y Regresión Teoría
Verificación y Validación de Sistemas Inteligentes Metodologías para SBC, V&V y Métricas de Evaluación Teoría
Ejercicios de Validación de Sistemas Inteligentes Validación de Sistemas Inteligentes Ejercicios
Laboratorio 10 Implementación de las técnicas de ML en Python Código
16 Examen Final Todo lo aprendido hasta semana 15 Teoría y Práctica

Temas:

TEMAS_IA

About

Asignatura del 7 Ciclo de la EAPIS || FISI - UNMSM

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published