Fecha de consulta: 2025-03-06 13:05:57

1. IDENTIFICACIÓN DEL CURSO

FACULTAD PROGRAMA SEMESTRE
INGENIERIAS INGENIERÍA DE SISTEMAS 7

REGION DE FORMACIÓN REGION DE FORMACION PROFESIONAL ESPECIFICA

CÓDIGO DEL CURSO 5918
NOMBRE DEL CURSO INTELIGENCIA ARTIFICIAL
TIPO DE CURSO TEÓRICO X PRÁCTICO X
N° CRÉDITOS 3
TIPO DE CRÉDITO OBLIGATORIO ELECTIVO
HORAS DE ACOMPAÑAMIENTO DIRECTO 64 HORAS TOTALES TEÓRICAS 48
(HAD) HORAS TOTALES PRÁCTICAS 16
HORAS DE TRABAJO INDEPENDIENTE (HTI) 80
TOTAL DE HORAS DE TRABAJO ACADÉMICO 144
DEL ESTUDIANTE (HAD + HTI)
LENGUA EN LA QUE SE DESARROLLA EL NO DEFINIDO
CURSO
MODALIDAD PRESENCIAL X VIRTUAL COMBINADA

PRE-REQUISITOS
CÓDIGO CURSO

PROFESORES DEL CURSO

DOCUMENTO DE IDENTIFICACIÓN NOMBRES Y APELLIDOS
1143461241 ALVAREZ ROYERO MATEO DAVID
43632277 SANCHEZ SANCHEZ PAOLA ANDREA

2. JUSTIFICACIÓN DEL CURSO

El curso de Inteligencia Artificial se basa en un enfoque conceptual y metodológico que integra sus herramientas aplicativas como
un sistema dinámico de categorías interrelacionadas. Se presentan técnicas de IA para analizar y resolver problemas no
convencionales en diversas disciplinas. Didácticamente, organiza los fundamentos para estructurar un nuevo modelo de
pensamiento, abordando metodologías de aprendizaje automático que promueven un conocimiento integral y aplicado a distintos
contextos profesionales.

3. PROBLEMA(S) PROFESIONAL(ES) DEL PROGRAMA ASIGNADOS AL CURSO

- Necesidad de incorporar procesos de sistematización y automatización de la información soportada en la aplicación crítica de
tecnologías de punta que favorezcan la competitividad y el sostenimiento de las empresas en el tiempo.

4. PROPÓSITO DEL CURSO

El curso busca desarrollar en los estudiantes las habilidades y conocimientos necesarios para comprender y aplicar la inteligencia
artificial (IA) de manera efectiva. A través del estudio de sus fundamentos, enfoques y algoritmos, podrán identificar oportunidades
para optimizar procesos, automatizar tareas, analizar datos y tomar decisiones estratégicas. Además, aprenderán a seleccionar y
utilizar técnicas adecuadas para resolver problemas específicos. También fomenta la competitividad profesional, fortaleciendo
habilidades clave para el futuro laboral en un mundo impulsado por la IA.

5. COMPETENCIA(S) PROFESIONAL(ES) Y RESULTADOS DE APRENDIZAJE DEL PROGRAMA

NOMBRE DE LA COMPETENCIA DESCRIPCIÓN DE LA COMPETENCIA RESULTADOS DE APRENDIZAJE DEL
PROGRAMA
Juicio ético Construir criterios éticos propios, de - Proponer alternativas de solución a
convivencia ciudadana, que respalden el situaciones desde distintas dimensiones,
 desempeño socio profesional y tomar fundamentadas en una visión justa y
decisiones para actuar en consecuencia, consciente de la construcción de una
analizar la necesidad de aceptación sociedad ética.
consciente de la existencia del otro diverso
y diferente, para fortalecer sus valores y
actitudes frente a las normas en un
contexto socio histórico que edifica la paz
para una sociedad justa.

[Link](ES) Y RESULTADOS DE APRENDIZAJE ESPECIFICOS DEL CURSO

SABERES QUE DESARROLLA EL RESULTADOS DE APRENDIZAJE EVIDENCIAS DE LA EVALUACIÓN DEL
CURSO ESPECIFICOS DEL CURSO APRENDIZAJE
Saber Conocer: Conocer y aplicar los Emite juicios éticos a partir del concepto, y Conoce con precisión los conceptos
conceptos asociados, técnicas, aplicación de IA, sus principios y valores. básicos de la inteligencia artificial, su
metodologías y herramientas de la IA historia, técnicas y campos de aplicación.
(Objeto de estudio / IA) para la solución de Explica correctamente el concepto de
problemas en el desempeño profesional, de agentes inteligentes, identifica sus tipos y
manera efectiva y organizada. comprende su aplicación.

Saber Hacer: Desarrollar la visión de futuro Comprende e implementa soluciones a Modela de forma correcta un problema de
prospectivo generando escenarios de problemas de análisis de datos aplicando IA aplicando los conceptos de aprendizaje
desarrollo y aplicación de soluciones técnicas de aprendizaje automático. supervisado para el desarrollo de
deseables, desde la aplicación adecuada soluciones en tareas de predicción y
de las diferentes técnicas, herramientas, clasificación y de aprendizaje no
métodos y demás elementos asociados con supervisado en tareas de agrupamiento y
la Inteligencia artificial (IA). reducción de características.
Construye con precisión agentes
Saber Ser: Actuar profesionalmente de inteligentes para la resolución de
manera efectiva y organizada, manteniendo problemas, a través de las diferentes
una actitud positiva y proactiva frente a las técnicas de aprendizaje supervisado y no
situaciones de contexto. supervisado.
Reconoce la importancia de la formación Desarrolla un proyecto de investigación que
continua en el campo de la inteligencia identifique una necesidad en un contexto
artificial y demuestra habilidades para específico y proponga una solución
emprender iniciativas de aprendizaje utilizando técnicas de inteligencia artificial.
independiente a lo largo de su vida Presenta los hallazgos de su investigación
profesional. ante sus compañeros y profesor.

7. CONTENIDO DEL CURSO Y TRABAJO INDEPENDIENTE NO PRESENCIAL POR UNIDADES

UNIDAD 1. Inteligencia Artificial: Introducción y generalidades
HORAS DE 12 Horas
ACOMPAÑAMIENTO
DIRECTO
TEMAS - Introducción a la inteligencia computacional
- Que es la IA, historia, desarrollo, ámbitos de aplicación, relevancia e importancia
- Principios éticos de la Inteligencia artificial
TRABAJO INDEPENDIENTE Ética de la IA
HORAS DE TRABAJO 4 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo individual
EVALUACIÓN Subir informe al aula extendida
TRABAJO INDEPENDIENTE Entrega 1: Trabajo aplicativo ODS. Identificación
HORAS DE TRABAJO 8 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
UNIDAD 2. Agentes inteligentes que analizan datos AS
HORAS DE 32 Horas
ACOMPAÑAMIENTO
DIRECTO
TEMAS - Técnicas de aprendizaje automático (learning machine)
- Tipos de aprendizaje de automático, aplicaciones
- Conceptos de aprendizaje supervisado y no supervisado
- Problemas de aprendizaje: de acuerdo con el objetivo: clasificación, predicción, agrupamiento.
- Estrategias de aprendizaje supervisado tales como: regresión lineal, múltiple, logística, Knn,
arboles de decisión, máquina de vectores de soporte, redes neuronales
- Medidas de desempeño
TRABAJO INDEPENDIENTE Taller 1: Exploración de Datos
HORAS DE TRABAJO 8 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
TRABAJO INDEPENDIENTE Taller 2: Modelado predicción
HORAS DE TRABAJO 8 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
TRABAJO INDEPENDIENTE Taller 3: Modelado Clasificación
HORAS DE TRABAJO 8 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
TRABAJO INDEPENDIENTE Entrega 2: Trabajo aplicativo ODS. Implementación
HORAS DE TRABAJO 16 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
UNIDAD 3. Agentes inteligentes que analizan datos ANS
HORAS DE 20 Horas
ACOMPAÑAMIENTO
DIRECTO
TEMAS - Estrategias de aprendizaje no supervisado tales como: algoritmo de agrupamiento (clustering)
- Reducción dimensional
- Nociones de aprendizaje profundo
TRABAJO INDEPENDIENTE Taller 4: Clustering
HORAS DE TRABAJO 8 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
TRABAJO INDEPENDIENTE Entrega 3: Trabajo aplicativo ODS. Resultados y Conclusiones
HORAS DE TRABAJO 10 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Subir informe al aula extendida
TRABAJO INDEPENDIENTE Presentación trabajo aplicativo ODS
HORAS DE TRABAJO 10 Horas
INDEPENDIENTE
FORMA DE ORGANIZACIÓN Trabajo en equipo
EVALUACIÓN Socialización de la tarea

8. ESTRATEGIAS DE DESARROLLO SOSTENIBLE

- Análisis de situaciones reales o simuladas relacionadas con la sostenibilidad

9. MÉTODOLOGÍA PARA LA ENSEÑANZA Y EL APRENDIZAJE DEL CURSO

-E
- Aprendizaje basado en Investigación

10. ESTRATEGIAS DE INTERNACIONALIZACIÓN E INTERCULTURALIDAD

- Reflexión, interacción y comunicación de experiencias interculturales de los estudiantes

11. EJES TRANSVERSALES Y ACCIONES DE IMPLEMENTACIÓN

EJE TRANSVERSAL ACCIÓN DE IMPLEMENTACIÓN
Investigación El curso fomenta el trabajo independiente e investigativo mediante el análisis sistémico de
situaciones empresariales, diagramación de sistemas, crítica científica y revisión bibliográfica.
Incluye la identificación de problemas, propuesta de soluciones y evaluación de impacto.
Además, aborda los elementos clave de la inteligencia artificial y el uso de agentes
inteligentes para la búsqueda de soluciones. Promueve el pensamiento crítico, el análisis
contextual y la valoración de alternativas, incentivando el trabajo en equipo y la integración de
diversos saberes.

12. PROYECTO INTEGRADOR

NOMBRE DEL PROYECTO PROGRAMA AL QUE CURSOS QUE PARTICIPAN EN ACCIONES A REALIZAR EN EL
INTEGRADOR PERTENECE EL PROYECTO INTEGRADOR PROYECTO INTEGRADOR
No aplica

13. ACCIONES DE FORMACIÓN INVESTIGATIVA DE LOS ESTUDIANTES

- Búsqueda de información en bases de datos científicas electrónicas
- Elaborar informes
- Interpretar conceptos
- Interpretar y analizar datos
- Procesar datos haciendo uso de herramientas TIC
- Socializar resultados de la actividad investigativa
- Lectura crítica de material científico
- Presentación y análisis de casos

14. EVALUACIÓN DE LOS RESULTADOS DE APRENDIZAJE ESPECIFICOS DEL CURSO

PRIMER PARCIAL SEGUNDO PARCIAL EVALUACIÓN FINAL
RESULTADOS DE Emite juicios éticos a partir del Comprende e implementa Comprende e implementa
APRENDIZAJE concepto, y aplicación de IA, soluciones a problemas de soluciones a problemas de
(AFIRMACIONES) sus principios y valores. análisis de datos aplicando análisis de datos aplicando
técnicas de aprendizaje técnicas de aprendizaje
automático. automático.
Reconoce la importancia de la
formación continua en el campo
de la inteligencia artificial y
demuestra habilidades para
emprender iniciativas de
aprendizaje independiente a lo
largo de su vida profesional.
EVIDENCIAS DE LA Conoce con precisión los Modela de forma correcta un Construye con precisión
EVALUACIÓN DEL conceptos básicos de la problema de IA aplicando los agentes inteligentes para la
APRENDIZAJE inteligencia artificial, su historia, conceptos de aprendizaje resolución de problemas, a
técnicas y campos de supervisado para el desarrollo través de las diferentes técnicas
aplicación. de soluciones en tareas de de aprendizaje supervisado y no
Explica correctamente el predicción y clasificación y de supervisado.
concepto de agentes aprendizaje no supervisado en Desarrolla un proyecto de
inteligentes, identifica sus tipos tareas de agrupamiento y investigación que identifique
y comprende su aplicación. reducción de características. una necesidad en un contexto
 específico y proponga una
solución utilizando técnicas de
inteligencia artificial.
Presenta los hallazgos de su
investigación ante sus
compañeros y profesor.
TÉCNICAS PARA - Ensayo / Consulta - Talleres Trabajo aplicativo - Talleres Trabajo aplicativo
RECOLECTAR Evaluaciones Parciales Evaluación Parcial
INFORMACIÓN DEL
PARCIAL
MECANISMOS DE RE - Retroalimentación escrita y oral - Retroalimentación escrita - Retroalimentación escrita
TROALIMENTACIÓN Retroalimentación oral Retroalimentación oral
Socialización en clase

15. BIBLIOGRAFÍAS
AUTOR LOCALIZACIÓN IDIOMA EXTRANJERO BIBLIOGRAFÍA URL
Externo Sistema de Bibliotecas Si Artificial Intelligence: A Modern N/A
Unisimon Approach, 3 ed. Peter Norving,
Stuart Russell, 2009.
Externo Sistema de Bibliotecas Si Intelligent Systems: Principles, N/A
Unisimon Paradigms, and [Link]
Schalkoff, 2011.
Externo Sistema de Bibliotecas No Palma Méndez, José Tomás, and N/A
Unisimon Marín Morales, Roque. Inteligencia
artificial: métodos, técnicas y
aplicaciones. España: McGraw-Hill
España, 2008.
Externo Sistema de Bibliotecas No Hardy, Thomas. (IA: Inteligencia N/A
Unisimon artificial). Chile: Red Polis,2006.
Externo Sistema de Bibliotecas No Benítez, Raúl, Escudero, Gerard, N/A
Unisimon and Kanaan, Samir. Inteligencia
artificial avanzada. España: Editorial
UOC, 2013.
Externo Sistema de Bibliotecas No Henao, David. Inteligencia artificial. N/A
Unisimon Argentina: El Cid Editor apuntes,
2009.
Externo Sistema de Bibliotecas No Ponce Cruz, Pedro. Inteligencia N/A
Unisimon artificial con aplicaciones a la
ingeniería. México: Alfaomega
Grupo Editor, 2010.
Externo Sistema de Bibliotecas No Zambrano Rodríguez, Douglas N/A
Unisimon Francisco. ¿Qué es inteligencia
artificial? Argentina: El Cid Editor |
apuntes, 2009.
Externo Sistema de Bibliotecas Si Han Jiawei. Data mining , concepts N/A
Unisimon and techniques. Elsevier 2006.
Externo Sistema de Bibliotecas Si Lawrence, Kenneth; Bohannon, N/A
Unisimon Tom; Klimberg, Ronald; Kudyba,
Stephan. Data Mining methodos
and applications. Boca Ratón
Auerbach Publications 2008.
Externo Sistema de Bibliotecas Si Pang-Ning Tan, Michael Steinbach, N/A
Unisimon Vipin Kumar. Introduction to data
mining. Boston Pearson 2006.
Externo Base de datos - Unisimon No Revista Investigación e Innovación [Link]
en Ingenierías [Link]/[Link]/innovacion
ing/index

16. PLAN DE ACTIVIDADES DEL PROGRAMA DEL CURSO PARA EL SEMESTRE

 SEMANA/ DESCRIPCIÓN DE LA ACTIVIDAD HORAS TIPO ESCENARIO
DÍA
1 Bienvenida al curso 4 Conferencia Aula de Clases
2 Generalidades IA 4 Conferencia Aula de Clases
3 Principios éticos de la IA 4 Conferencia Aula de Clases
4 Introducción a agentes que analizan datos 4 Conferencia Aula de Clases
5 Exploración de datos 4 Clase Práctica Sala Multimedia
6 Evaluación Parcial 4 Trabajo individual Aula de Clases
7 Preprocesamiento de datos 4 Clase Práctica Sala Multimedia
8 Aprendizaje supervisado - Predicción 4 Clase Práctica Sala Multimedia
9 Aprendizaje supervisado - Predicción 4 Clase Práctica Sala Multimedia
10 Aprendizaje supervisado - Clasificación 4 Clase Práctica Sala Multimedia
11 Evaluación parcial 4 Trabajo individual Aula de Clases
12 Aprendizaje no supervisado - Clustering 4 Clase Práctica Sala Multimedia
13 Aprendizaje no supervisado - Reducción de 4 Clase Práctica Sala Multimedia
características
14 Nociones de aprendizaje profundo 4 Clase Práctica Sala Multimedia
15 Presentación trabajo de curso 4 Conferencia Aula de Clases
16 Evaluación parcial 4 Trabajo individual Aula de Clases

Powered by TCPDF ([Link])