Guía

Docente
Modalidad a Distancia

Inteligencia
Artificial
Curso 2021/22

Grado en Ingeniería de
Sistemas de Información
Guía docente de Inteligencia Artificial

1 Datos descriptivos de la Asignatura

Nombre: INTELIGENCIA ARTIFICIAL

Carácter: OBLIGATORIO
Código: 40207GHO
Curso: 4º
Duración (Semestral/Anual): SEMESTRAL
Nº Créditos ECTS: 6
Prerrequisitos: NINGUNO
Responsable docente: FRANCY DIOMAR RODRÍGUEZ TIBOCHA
Doctora en Software y Sistemas
Email: [Link]@[Link]
Departamento (Área Departamental): TECNOLÓGICO
Lengua en la que se imparte: CASTELLANO
Modulo: CONTENIDOS COMUNES A LA INGENIERÍA
INFORMÄTICA
Materia: SISTEMAS INTELIGENTES

En el curso 2021/2022, de manera general y como consecuencia de la situación

sanitaria actual será de aplicación lo dispuesto en el Anexo I de esta Guía docente,
para el escenario “Nueva normalidad”.

En caso de que las circunstancias sanitarias lleven a un nuevo confinamiento, será

de aplicación lo dispuesto en el Anexo II de esta Guía para el escenario
“Confinamiento”.

3
 Guía docente de Inteligencia Artificial

2 Objetivos y Competencias

2.1. COMPETENCIAS BÁSICAS Y GENERALES

 CB1 - Que los estudiantes hayan demostrado poseer y comprender

conocimientos en un área de estudio que parte de la base de la educación
secundaria general, y se suele encontrar a un nivel que, si bien se apoya en
libros de texto avanzados, incluye también algunos aspectos que implican
conocimientos procedentes de la vanguardia de su campo de estudio

 CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o

vocación de una forma profesional y posean las competencias que suelen
demostrarse por medio de la elaboración y defensa de argumentos y la
resolución de problemas dentro de su área de estudio

 CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos

relevantes (normalmente dentro de su área de estudio) para emitir juicios que
incluyan una reflexión sobre temas relevantes de índole social, científica o ética

 CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y

soluciones a un público tanto especializado como no especializado

 CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de

aprendizaje necesarias para emprender estudios posteriores con un alto grado
de autonomía

 G1: Capacidad para concebir, redactar, organizar, planificar, desarrollar y firmar

proyectos en el ámbito de la ingeniería en informática que tengan por objeto
concepción, el desarrollo o la explotación de sistemas, servicios y aplicaciones
informáticas.

 G8: Conocimiento de las materias básicas y tecnologías, que capaciten

para el aprendizaje y desarrollo de nuevos métodos y tecnologías, así como
las que les doten de una gran versatilidad para adaptarse a nuevas situaciones.

4 4
Guía docente de Inteligencia Artificial

 G9: Capacidad para resolver problemas con iniciativa, toma de decisiones,

autonomía y creatividad. Capacidad para saber comunicar y transmitir los
conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en
Informática, tanto en lengua nativa como en lengua inglesa.

2.2. COMPETENCIAS ESPECÍFICAS

 Conocimiento y aplicación de los procedimientos algorítmicos básicos de las

tecnologías informáticas para diseñar soluciones a problemas, analizando la
idoneidad y complejidad de los algoritmos propuestos.

 Conocimiento de la normativa y la regulación de la informática en los ámbitos

nacional, europeo e internacional

2.3. RESULTADOS DE APRENDIZAJE

 Al finalizar el curso, el alumno debe ser capaz de distinguir entre los distintos
algoritmos y métodos aprendidos durante el curso, seleccionando el que mejor
convenga en función del problema planteado.

 También será capaz de resolver cuestiones de tipo práctico mediante sencillos

programas utilizando el lenguaje LISP o PROLOG.

3 Contenidos de la asignatura

3.1. PROGRAMA

UNIDAD 1. A LA INTELIGENCIA ARTIFICIAL

1.1. Breve historia de la Inteligencia Artificial
1.1.2. Etapa anterior al siglo XX
1.1.3. El Siglo XX
1.2. Áreas de conocimiento en Inteligencia Artificial
1.2.2. Disciplinas involucradas en Inteligencia Artificial
1.2.3. Filosofía en I.A
1.2.4. Lingüística computacional

5
 Guía docente de Inteligencia Artificial

1.2.5. Psicología

UNIDAD 2. SISTEMAS DE REPRESENTACIÓN DEL CONOCIMIENTO

2.1. Representación del conocimiento
2.2. Esquemas de representación lógica
2.2.1. Lógica de enunciados
2.3. Lógica de predicados
2.4. Esquemas de representación basados en redes semánticas

UNIDAD 3. PROCESOS BASADOS EN REGLAS

3.1. Razonamiento en Inteligencia Artificial
3.2. Calculo lógico
3.2.1. Inferencia mediante deducción natural y
relaciones de equivalencia
3.3. Ejemplos y métodos de demostración
3.3.1. Demostración por el método directo
3.3.2. Demostración por el método de reducción al absurdo
3.4. Métodos de encadenamiento hacia delante y hacia atrás
3.4.1. Encadenamiento hacia delante (Forward chaining)
3.4.2. Encadenamiento hacia atrás (Backwards chaining)

UNIDAD 4. ÁRBOLES DE DECISIÓN

4.1. Aprendizaje automático
4.1.1. Evolución histórica del aprendizaje automático
4.1.2. Tipos de paradigmas asociados al aprendizaje
4.2. Algoritmo id3

UNIDAD 5. SISTEMAS EXPERTOS.

5.1. Una visión general de los sistemas expertos
5.1.2. Ventajas e Inconvenientes de los sistemas expertos
5.1.3. Elementos de un sistema Experto
5.1.4. Tipos de Sistemas Expertos
5.1.5. Etapas en el desarrollo de un sistema experto
5.2. Arquitectura de un sistema experto
5.3. Metodología para el desarrollo de un sistema experto

6 6
Guía docente de Inteligencia Artificial

5.3.1. Metodología Buchanan

5.3.2. Metodología Klic
5.3.3. Metodología Commonkads
5.3.4. Metodología Mike
5.4. Éxito de un sistema experto

UNIDAD 6. LÓGICA BORROSA

6.1. Introducción a la Lógica Borrosa
6.2. Conceptos básicos
6.2.1. Crisp sets o conjuntos clásicos
6.2.2. Conjuntos borrosos (Fuzzy Sets)
6.3. Control Borroso
6.4. Ejemplo Práctico

UNIDAD 7. SISTEMAS EXPERTOS CON CLIPS

7.1. Introducción a CLIPS
7.2. Instalación de CLIPS
7.3. Programación en CLIPS
7.3.1. Gestión de hechos
7.4. Ejemplo 1

UNIDAD 8. PROGRAMACIÓN EN PROLOG

8.1. Introducción a PROLOG
8.2. Instalación de PROLOG
8.3. Programación en PROLOG

3.2. BIBLIOGRAFÍA

BIBLIOGRAFÍA

 Riccoboni, Adam. THE A.I. Age. Critical Future, 2020.

 Wilkins, Neil. Inteligencia artificial. Bravex Publications, 2019.

 Giarratamo, Joseph; Riley, Gary. Sistemas Expertos, principios y

programación. 3ªed., Ediciones Paraninfo, 2004.

7
 Guía docente de Inteligencia Artificial

 A. T. Schreiber, J. M. Akkermans, A. Anjewierden, R. De Hoog, N.

Shadbolt, W. Van de Velde, and B. Wielinga. Knowledge Engineering
and Management. The CommonKADS [Link] Pres, 1999.

 J. Angele, S. Decker, R. Perkuhn, and R. Studer. Developing

knowledge-based systems with MIKE. Journal of Automated Software
Engineering, 5(4):326-389, 1998.

 Russell, Stuart y Peter Norving. Inteligencia Artificial: Un enfoque moderno.

Prentice-Hall 2004, 2ª Ed.
 Winston Patrick Henry. Artificial Intelligence. Addison Wesley. Tercera edición.
California, 1992
 Rolston, David W. Principio de inteligencia artificial y sistemas expertos. México,
D. F. MX. Mc Graw-Hill, 1992.
 Rich Elaine and Knight Kevin, “Artificial Intelligence”, Second Edition,
Tata McGraw Hill, 2003.

 Escrig, Teresa, Pacheco, Julio, Toledo, Francisco: El lenguaje de

programación PROLOG

 Key, Sam. Prolog Programming Success in a Day. CreateSpace Independent

Publishing Platform, 2015

RECURSOS

 Manual de la asignatura. Puente Agueda, Cristina. Inteligencia Artificial.

UCAV, 2012.

 Rodal Montero, Enrique. Industria 4.0 concepto, tecnologías habilitadoras y

retos. Pirámide, 2020

4 Indicaciones Metodológicas

Para el escenario “Nueva normalidad” consultar Anexo I.

Para el escenario “Confinamiento” consultar Anexo II.

8 8
Guía docente de Inteligencia Artificial

La asignatura se desarrollará a través de los siguientes métodos y técnicas

generales, que se aplicarán diferencialmente según las características propias de
la asignatura:

• Acceso a clases en directo: el alumno tendrá la posibilidad de participar en

directo en las clases de la asignatura. Además, estas clases quedarán
grabadas y estarán a disposición del alumno en la plataforma virtual de la
asignatura.

• Ejercicios y problemas prácticos: tienen como objetivo la aplicación directa

de los conocimientos adquiridos durante la clase magistral. Se propondrá al
alumno la realización de ejercicios y casos prácticos para que resuelva y lo
confronte con las soluciones dadas por el profesor.

• Prácticas con ordenador: los alumnos realizarán, bajo la dirección del

profesor en grupo o mediante tutoría personalizada, un ejercicio práctico con
ayuda de las herramientas informáticas adecuadas. Podrá exigirse a los
alumnos, de acuerdo con lo que se establezca en la guía docente, la entrega
de una memoria de prácticas.

• Estudios dirigidos: consistirán en la realización por parte del alumno,

individualmente o en grupo, de un estudio práctico relacionado con la
disciplina correspondiente, bajo la dirección del profesor.

• Tutorías personalizadas: El profesor pondrá a disposición del alumno un

tiempo para que éste pueda plantear cuantas dudas le surjan en el estudio de
la materia, pudiendo el docente ilustrar sus explicaciones por medio de
ejemplos y cualquier otra orientación de interés para el alumno.

• Trabajo académico dirigido: el alumno realizará individualmente un trabajo

académico individual conforme a las indicaciones y enunciado que el profesor
mediante la plataforma virtual facilitará al alumno, el cual deberá realizar y
entregar para su corrección en los periodos establecidos por el profesor.

• Realización de examen escrito sobre materia: El alumno realizará un

examen final que, junto con el trabajo obligatorio, servirá para la evaluación
de la materia.

• Revisión: El profesor establecerá un horario para que el alumno pueda

ponerse en contacto con él para poder revisar la evaluación de la asignatura.

9
 Guía docente de Inteligencia Artificial

5 Evaluación

Para el escenario “Nueva normalidad” consultar Anexo I.

Para el escenario “Confinamiento” consultar Anexo II.

La evaluación es un componente fundamental de la formación del alumno. Está

compuesta por un examen final escrito y la evaluación continua, que consta de
ejercicios y actividades evaluables.

La evaluación de esta asignatura se realiza mediante la media del examen (valorado

en un 60%) y la realización de un trabajo obligatorio individual (con valor del 40%).

 Examen (60 % de la nota final)

La superación de dicho examen constituye un requisito indispensable para la

superación de la asignatura. El alumno deberá tener en el examen al menos un 5
para poder realizar la ponderación de notas. El alumno con nota inferior se
considerará suspenso. El alumno dispondrá de dos convocatorias de examen por
curso académico.

No se guardará la nota del examen, si éste estuviera aprobado, para una

convocatoria posterior.

 Trabajo de la asignatura (40% de la nota final)

El trabajo obligatorio es el único componente de la evaluación continua,

pondera un 40% sobre la nota final de la asignatura.

Las fechas de entrega del trabajo obligatorio se indicarán al alumno con

suficiente antelación a la entrega del mismo en cada una de las convocatorias del
curso académico. No se admitirán trabajos fuera de estas fechas límite de entrega.
Con la no presentación del trabajo obligatorio en fecha, se considerará una
puntuación de cero en esta parte y se considerará suspenso.

La superación del trabajo no constituye un requisito indispensable para la

superación de la asignatura. En el caso de tener el trabajo obligatorio superado y

10 10
Guía docente de Inteligencia Artificial

no aprobar el examen, se guardará su nota hasta la segunda convocatoria de

examen perteneciente al curso académico actual siempre que el alumno así lo
solicite.

EJERCICIOS Y ACTIVIDADES EVALUABLES PROPORCIÓN

Trabajo obligatorio 40%

Examen final escrito 60%

TOTAL 100%

Los criterios para la evaluación del trabajo obligatorio se presentan en la

siguiente tabla, donde se resumen los aspectos a valorar y el porcentaje que
representa cada uno de los mismos:

COMPONENTES EVALUABLES PROPORCIÓN

Estructura, exposición, orden, limpieza y

10%
presentación

Planteamiento de la evolución y línea de tiempo 10%

Información presentada, contenidos y desarrollo de

60%
los contenidos

Claridad en la exposición de los contenidos (tablas,

10%
esquemas, etc)

Esquemas, dibujos y otras aportaciones 10%

TOTAL 100%

11
 Guía docente de Inteligencia Artificial

6 Apoyo tutorial

Para el apoyo tutorial, el alumno tendrá a su disposición un equipo docente

encargado de acompañar al alumno durante toda su andadura en el proceso formativo,
prestando una atención personalizada al alumno. Sus funciones están claramente
diferenciadas complementándose al mismo tiempo. Las personas principales de este
acompañamiento tutorial son:

Orientador Académico Personal: encargado de planificar al alumno el estudio de

la asignatura en función del tiempo disponible, incluso realiza nuevas planificaciones
ajustándose a nuevos periodos marcados por el alumno según sus circunstancias
personales y familiares. Otra de sus funciones es la de realizar un seguimiento del estudio
del alumno, así como de dar al alumno información de carácter general necesaria en su
proceso formativo.

Profesor docente: encargado de resolver todas las dudas específicas de la

asignatura y de informar al alumno de todas las pautas que debe seguir para realizar el
estudio de la asignatura.

Tutor personal o de grupo: asignado al alumno al iniciar los estudios de Grado y

que orienta al alumno tanto en cuestiones académicas como personales.

El alumno dispondrá de un horario de tutorías para contactar con estas figuras durante toda
su formación académica. La información sobre el horario la encontrará el alumno en la
plataforma virtual.

En relación a los horarios de atención en tutorías para consultas, aclaraciones de dudas,

revisiones de trabajos y exámenes, etc. El profesor informará en la plataforma Blackboard
de las franjas en las que tenga disponibilidad, pudiendo variar de un cuatrimestre a otro y
también durante los meses de verano. Todo ello será informado oportunamente y con
suficiente antelación a través del campus virtual.

El horario de tutorías del profesor docente se encontrará publicado en el campus virtual

y puede estar sujeto a cambios durante el curso académico. Prevalecerán los
horarios publicados en la plataforma virtual.

Herramientas para la atención tutorial: Plataforma Blackboard, atención telefónica

(920251020 ext. 139) y correo electrónico ([Link]@[Link]).

12 12
Guía docente de Inteligencia Artificial

7 Horario de la Asignatura y Calendario de Temas

El alumno deberá consultar los horarios de clases de la asignatura en el apartado

correspondiente dentro de la página web de la UCAV ([Link]). Igualmente se
informará de ellos en la plataforma Blackboard.

El horario de la asignatura puede estar sujeto a cambios durante el curso

académico. Prevalecerán los horarios publicados en la web de la UCAV
([Link]).

El peso de cada unidad formativa dentro de cada asignatura queda determinado en el

cronograma por el tiempo dedicado a la misma. El alumno deberá acometer el estudio
marcado por la herramienta de planificación utilizada en el campus virtual, después de la
planificación realizada con su tutor. A continuación, se muestra una tabla con las
unidades didácticas que componen la asignatura y las unidades de tiempo que se
requieren para su estudio.

UNIDAD DE HORAS
UNIDADES DIDÁCTICAS
TIEMPO DEDICACIÓN
Unidad 1. Introducción a la Inteligencia Artificial 3 4.5 HORAS

Unidad 2. Sistemas de Representación del Conocimiento 12 18 HORAS

Unidad 3. Procesos basados en reglas 15 22.5 HORAS

Unidad 4. Arboles de decisión. 16 24 HORAS

Unidad 5. Sistemas Expertos 16 18 HORAS

Unidad 6. Lógica Borrosa 12 18 HORAS

Unidad 7. Sistemas Expertos con CLIPS 15 22.5 HORAS

Unidad [Link]ón en PROLOG 15 22.5 HORAS

TOTAL 100 150

El plan de trabajo y las semanas son orientativos, pudiendo variar ligeramente,

dependiendo de la evolución del alumno durante las distintas sesiones.

13
 Guía docente de Inteligencia Artificial

ANEXO I

Escenario NUEVA NORMALIDAD

1 Medidas de adaptación de la metodología docente

La metodología docente no sufrirá ningún cambio y se seguirá lo dispuesto en la Guía

docente de la asignatura


2 Medidas de adaptación de la EVALUACIÓN

La Evaluación no sufrirá ningún cambio y se seguirá lo dispuesto en la Guía docente de la

asignatura.

ANEXO II

Escenario CONFINAMIENTO

1 Medidas de adaptación de la metodología docente

La metodología docente no sufrirá ningún cambio y se seguirá lo dispuesto en la Guía

docente de la asignatura.


2 Medidas de adaptación de la EVALUACIÓN

La Evaluación no sufrirá ningún cambio y se seguirá lo dispuesto en la Guía docente de la

asignatura.

14 14