InteligenciaArtificial

Página del curso de Inteligencia Artificial, de la Facultad de Ciencias, UNAM.

Presentación del curso

Este curso busca revisar las principales áreas de la Inteligencia Artificial desde un enfoque teórico y práctico, que permita el diseño y la implementación de sistemas inteligentes para problemas específicos.

En el curso se abordarán los temas más relevantes de la Inteligencia Artificial, buscando abarcar las perspectiva general del área; esto permitirá a los alumnos profundizar en temas específicos e introducirse a otras materias orientadas al área (Aprendizaje Automático, Redes Neuronales, Reconocimiento de Patrones). El curso adopta una perspectiva basada en agentes inteligentes, por lo que desarrolla un marco teórico basado en éstos. Asimismo, se revisan las aplicaciones típicas de la Inteligencia Artificial y se programarán algoritmos orientados a solucionar problemas particulares.

Contenido

0. Introducción
1. Agentes
   1. Mundo de la aspiradora
   2. Agente dirigido mediante tabla
   3. Agente reactivo simple
2. Agentes de búsqueda
   1. Búsqueda desinformada
      1. Problema del laberinto
      2. Búsqueda Primero en Amplitud
      3. Búsqueda Primero en Profundidad
      4. Búsqueda de Profundad Limitada
   2. Búsqueda heurística
      1. Problema del laberinto con tráfico
      2. Primero mejor ambicioso
      3. Búsqueda A* (A estrella)
      4. Búsqueda A* Bidireccional
      5. Búsqueda por Haz (Beam Search)
   3. Resumen de algoritmos de búsqueda
3. Búsqueda adversaria
   1. Juego del gato
   2. Algoritmo Minimax
   3. Algoritmo alpha-beta
4. Búsqueda por optimización y satisfacción de restricciones
   1. Problema de las 8 reinas
   2. Algoritmo de ascenso de la colina
   3. Algoritmos genéticos
   4. Satisfacción de restricciones: Sudoku
5. Agentes lógicos y representación del conocimiento
6. Modelos probabilísticos
   1. Redes bayesianas
      1. Red Bayesiana para el problema de Monty Hall
      2. Inferencia en red Bayesiana: Muestreo por rechazo
      3. Inferencia en red Bayesiana: Ponderación de verosimilitud
   2. Bayes Naïve
      1. Bayes naïve (frecuentista)
      2. Bayes naïve (Gaussiano)
   3. Modelos Ocultos de Márkov
      1. Algoritmo de Avance-Retroceso
      2. Algoritmo de Viterbi para etiquetado de texto
      3. Algoritmo de Viterbi para localización
7. Aprendizaje automático
   1. Estructura de un agente de aprendizaje
   2. Aprendizaje supervisado: Modelos paramétricos (lineales)
      1. Regresión lineal
      2. Regresión logística
      3. Perceptrón
   3. Aprendizaje supervisado: Modelos no paramétricos
      1. k-Vecinos más cercanos
      2. Árboles de decisión
   4. Aprendizaje no supervisado
      1. k-Medias
   5. Aprendizaje por refuerzo
      1. Q-Learning
      2. Iteración de política

---

Colaboradores

@VictorMijangosDeLaCruz

@AlexNakamuraDF

@LouGlzHuesca

---

Proyecto PAPIME PE102723