|
|
|
MASTER OF SCIENCE IN ARTIFICIAL INTELLIGENCE AND ENGINEERING OF THE KNOWLEDGE/MASTER EN INTELIGENCIA ARTIFICIAL E INGENIERνA DEL CONOCIMIENTO
|
|
|
|
Centro: CIU CAMBRIDGE INTERNATIONAL UNIVERSITY |
|
|
| Modalidad:
Curso a Distancia |
Nº
horas:
400 |
Precio:
1800.00
|
|
|
| |
|
|
MASTER OF SCIENCE IN ARTIFICIAL INTELLIGENCE AND ENGINEERING OF THE KNOWLEDGE/MASTER EN INTELIGENCIA ARTIFICIAL E INGENIERνA DEL CONOCIMIENTO |
|
|
| Palabras
Clave: |
|
Artificial Ingenierνa Inteligencia
|
|
|
Descripción: |
Este Master cubre los tσpicos relacionados con los paradigmas de la Inteligencia Artificial (IA) e Ingenierνa del Conocimiento (IC). La unificaciσn de estos paradigmas en un Master ϊnico, junto con su enfoque pragmαtico, hace de ιl una referencia apropiada para su uso tanto en la docencia universitaria como en los desarrollos a nivel industrial.
Desde esta doble perspectiva, docente e industrial, posee una amplia proyecciσn de futuro, ya que cada dνa son mαs las aplicaciones industriales que utilizan tιcnicas avanzadas de IA, y, a su vez, los estudiantes de hoy adquieren los fundamentos de IA e IC que utilizarαn como ingenieros en el futuro. Mientras tanto, los actuales ingenieros consolidan sus conocimientos en esas materias.
El Master se estructura en tres partes fundamentales, comienza por las tιcnicas bαsicas de IA, para a continuaciσn abordar los aspectos relativos a la metodologνa CommonKADS en IC, y finaliza con tιcnicas avanzadas de IA que utilizan la metodologνa propia de CommonKADS en ejemplos reales. |
|
|
Temario: |
Algunas de las asignaturas que se pueden escoger son:
CAPΝTULO 1.INTRODUCCIΣN A LA INTELIGENCIA
ARTIFICIAL
.
1.1 La inteligencia de las mαquinas
1.1.1 Definiciones de sistema inteligente
1.1.2 El tιrmino Inteligencia Artificial
.
1.2 Estrategias de la IA
1.3 Breve visiσn histσrica de la IA
1.3.1 Hitos en la evoluciσn de la IA
1.3.2 Desarrollos histσricos de la IA
.
1.4 Futuro de la IA
1.5 Comentarios bibliogrαficos
CAPΝTULO 2.RESOLUCIΣN DE PROBLEMAS
MEDIANTE BΪSQUEDA
2.1 La definiciσn del problema
2.2 El espacio de estados
2.2.1 Representaciσn en el espacio de estados
2.3 Estrategias de bϊsqueda
2.4 Bϊsqueda a ciegas
2.4.1 Recorrido en amplitud
2.4.2 Recorrido en profundidad
2.5 Bϊsqueda heurνstica
2.5.1 Ascensiσn a la cima o gradiente
2.5.2 Primero el mejor
2.5.3 Bϊsqueda avara
2.5.4 Algoritmo A*
2.5.5 Algoritmos genιticos
2.6 Verificaciσn de restricciones
2.7 Bϊsqueda con adversarios
2.7.1 Algoritmo del minimax
2.7.2 Poda alfa-beta
2.8 Comentarios bibliogrαficos
CAPΝTULO 3.FORMALISMOS DE REPRESENTACIΣN
DEL CONOCIMIENTO
3.1 Introducciσn
3.2 Base de conocimiento
3.2.1 Procesamiento simbσlico
3.2.2 Aproximaciσn no simbσlica
3.3 Representaciσn del conocimiento
3.3.1 Representaciσn procedural
3.3.2 Representaciσn relacional
3.3.3 Representaciσn jerαrquica
3.4 Lσgica clαsica
3.4.1 La evoluciσn de la lσgica
3.4.2 Lσgica proposicional
3.4.3 Lσgica de predicados
3.5 Reglas
3.6 Marcos
3.6.1 Los guiones
3.7 Redes semαnticas
3.8 La lσgica de la incertidumbre
3.8.1 Redes bayesianas
3.8.2 Lσgica borrosa (fuzzy)
3.9 Comentarios bibliogrαficos
CAPΝTULO 4.RAZONANDO CON EL CONOCIMIENTO
4.1 Razonamiento segϊn los distintos paradigmas de representaciσn
4.2 Sistemas basados en conocimiento
4.2.1 Estructura de los sistemas de reglas
4.2.2 Activaciσn de la inferencia
4.3 Encadenamiento hacia adelante
.
4.3.1 Estrategias de control
4.4 Encadenamiento hacia atrαs
4.5 Razonamiento borroso
4.6 Caracterνsticas de la inferencia basada en reglas
4.7 Inferencias y aprendizaje
4.8 Comentarios bibliogrαficos
CAPΝTULO 5.INGENIERΝA DEL CONOCIMIENTO:
MODELOS EN CommonKADS
5.1 Introducciσn
5.2 Concepto de conocimiento
5.3 Modelos de conocimiento
5.4 Roles del proceso
5.5 Terminologνa
5.6 Breve reseρa de otros sistemas de modelado del conocimiento
5.7 Modelado del contexto
5.7.1 Estudio de viabilidad: organizaciσn
5.7.2 Anαlisis de impacto y mejora: modelos de tarea y agente
5.8 Comentarios bibliogrαficos
CAPΝTULO 6.INGENIERΝA DEL CONOCIMIENTO:
EL CONOCIMIENTO EN CommonKADS
6.1 Introducciσn
6.2 Aspectos del conocimiento
6.3 Naturaleza del conocimiento
6.4 Esquema general del modelo de conocimiento
6.4.1 Conocimiento de dominio
6.4.2 Conocimiento de inferencia
6.4.3 Conocimiento de tarea
6.5 Tιcnicas de adquisiciσn del conocimiento
6.5.1 Tιcnicas manuales
6.5.2 Tιcnicas semiautomαticas
6.5.3 Tιcnicas automαticas
6.6 Comentarios bibliogrαficos
CAPΝTULO 7.INGENIERΝA DEL CONOCIMIENTO:
PLANTILLAS DE TAREAS
7.1 Introducciσn
7.2 Reusabilidad de los modelos
7.2.1 Tipos de tareas
7.2.2 Tareas de anαlisis
7.2.3 Tareas de sνntesis
7.3 Catαlogo de Plantillas de Tareas
7.3.1 Clasificaciσn
7.3.2 Diagnσstico
7.3.3 Monitorizaciσn
7.3.4 Valoraciσn
7.3.5 Predicciσn
7.3.6 Sνntesis
.
7.3.7 Diseρo
7.3.8 Planificaciσn
CAPΝTULO 8.INGENIERΝA DEL CONOCIMIENTO:
MODELO DE COMUNICACIΣN
8.1 Introducciσn
8.2 Visiσn general del modelo de comunicaciσn
8.3 El plan de comunicaciσn
8.3.1 Construcciσn del diagrama de diαlogo
8.3.2 Control sobre las transacciones
8.4 Transacciones entre agentes
CAPΝTULO 9.INGENIERΝA DEL CONOCIMIENTO:
MODELO DE DISEΡO
9.1 Introducciσn
9.2 Diseρo preservando la estructura
9.2.1 Paso 1: Diseρo de la arquitectura del sistema
CAPΝTULO 10.APRENDIZAJE: POR OBSERVACIΣN
10.1 Introducciσn
10.2 Concepto de aprendizaje
10.2.1 Inferencia inductiva
10.2.2 Inferencia deductiva
10.3 Procesos de aprendizaje
CAPΝTULO 11 .APRENDIZAJE: REDES NEURONALES
11.1 Introducciσn
11.2 El perceptrσn
11.2.1 Perceptrσn para dos clases separables
11.2.2 Algoritmo del perceptrσn
11.2.3 Ejemplo de aplicaciσn
CAPΝTULO 12 .PERCEPCIΣN VISUAL: GENERALIDADES
12.1 Introducciσn
12.2 Proceso de percepciσn visual artificial
12.3 Formaciσn de imαgenes digitales
12.4 Preprocesamiento: suavizado y realzado
12.4.1 Suavizado de imαgenes
12.4.2 Realzado de imαgenes
CAPΝTULO 13.PERCEPCIΣN: VISIΣN ESTEREOSCΣPICA
13.1 Introducciσn
13.2 El sistema de visiσn estereoscσpica
13.3 Geometrνa del sistema estereoscσpico y obtenciσn de la distancia
13.4 Correspondencia estereoscσpica
13.4.1 Restricciones aplicables para la correspondencia
CAPΝTULO 14.APLICACIΣN: UN CASO DE ESTUDIO
14.1 Introducciσn
14.2 Descripciσn del problema
14.3 Modelado del contexto
14.4 Modelado de concepto
CAPΝTULO 15 .PROCESAMIENTO DEL LENGUAJE
NATURAL: ANΑLISIS LΙXICO Y SINTΑCTICO
15.1 Introducciσn
15.2 Anαlisis lιxico
15.3 Anαlisis sintαctico
CAPΝTULO 16.PROCESAMIENTO DEL LENGUAJE
NATURAL: ANΑLISIS SEMΑNTICO Y CONTEXTUAL
16.1 Introducciσn
16.2 Anαlisis semαntico: modelo estructural
16.2.1 Interpretaciσn guiada por la sintaxis
16.2.2 Interpretaciσn guiada por la semαntica
16.3 Caracterνsticas del lenguaje de la forma lσgica
-Proyecto final.
-Solicitar informaciσn y programaciσn desarrollada del Master.
Ahora puede graduarse en la Universidad en los Tνtulos de Bachelor, Master y Doctor aportando curricularmente acreditaciones que valoren su cultura, trabajo y experiencia vivida |
|
|
Objetivos del curso: |
|
Ofrecer una formaciσn especializada en el αrea elegida, dentro del campo de la Inteligencia Artificial y del Conocimiento. |
|
|
¿A quién va dirigido?:
|
Titulados universitarios
Profesionales de la Ingenierνa especailizados en Intelegencia Artificial y del Conocimiento interesados en ampliar conocimientos a nivel de Maestrνa.
Personas de otras αreas acadιmicas interesados en desarrollarse profesionalmente en el campo de la Inteligencia y el Conocimiento Artificial. |
|
|
Profesorado: |
|
Ing. Enrique Ricolfe |
|
|
Metodología y Material didáctico:
|
Profesionales de la Ingenierνa.
Personas (especialmente latinoamericanas) que por diversos motivos no concluyeron sus estudios en Ingenierνa desde la Inteligencia Artificial y el Conocimiento y actualmente pueden finalizar su carrera por Complementaciσn Acadιmica-Profesional a travιs de CIU Cambridge International University, Universidad Nacional de Piura y Universidad La Gran Colombia.
Material didαctico: Consta de bibliografνa especailizada, cuestionarios de autoevaluaciσn y tutorνa personalizada. |
|
|
| |
| |
|
|
|
| |
|
|
Otros cursos de CIU CAMBRIDGE INTERNATIONAL UNIVERSITY:
|
|
| |
|
Libros Relacionados:
|
|
|
|
