Este documento presenta la información de contacto del profesor Juan Bekios Calfa y describe un curso introductorio sobre sistemas inteligentes. Explica que el objetivo del curso es entregar una visión general de las áreas de conocimiento e investigación relacionadas con la construcción de sistemas inteligentes. También incluye los contenidos, resultados de aprendizaje, estrategia docente, método de evaluación y políticas del curso.

1. Sistemas Inteligentes
Preliminares
Dr. Juan Bekios Calfa
Universidad Católica del Norte
Departamento de Ingeniería de Sistemas y Computación
1/16

2. Información de Contacto
• Juan Bekios Calfa
• email: juan.bekios@ucn.cl
• Web page: http:/
/jbekios.ucn.cl
• Teléfono: 235(5162) - 235(5125)
• Departamento de Ingeniería de Sistemas y Computación
• Oficina: 309 Y-1
• http:/
/www.disc.ucn.cl
2/16

3. Descripción del Curso
Este es un curso introductorio a los sistemas inteligentes cuyo objetivo es
entregar una visión general de las distintas áreas de conocimiento e
investigación que conllevan a la construcción de un sistema inteligente. Se
estudiarán técnicas y métodos propios de la inteligencia artificial para el
desarrollo de agentes inteligentes.
• Fundamentos de la ingeniería del conocimiento.
• El desarrollo de sistemas expertos.
• Aprendizaje automático para la detección de patrones en datos.
3/16

4. Contenidos
Unidad I: Introducción
• ¿Qué son los sistemas inteligentes?.
• El Test de Turing.
• El estado del arte de los sistemas inteligentes.
Minority report: Identificación de personas por medio del iris 4/16

5. Contenidos
Unidad II: Fundamentos de Inteligencia Artificial
• Agentes inteligentes.
• Estrategias de Búsqueda.
• Agentes lógicos.
• Bases de conocimiento e inferencia.
5/16

6. Contenidos
Unidad III: Ingeniería del conocimiento
• Conceptos de datos, información, conocimiento.
• Sistemas basados en conocimiento.
• Tipos de sistemas basado en conocimiento.
• Adquisición del conocimiento.
• Representación del conocimiento.
• Razonamiento lógico.
6/16

7. Contenidos
Unidad IV: Sistemas expertos
• Introducción a los sistemas expertos.
• Representación del conocimiento.
• Métodos de inferencia.
• Diseño de sistemas expertos.
7/16

8. Contenidos
Unidad V: Sistemas de aprendizaje automático y reconocimiento de patrones
• El problema del aprendizaje automático.
• Aprendizaje supervisado.
• Aprendizaje no supervisado.
• Métodos para reconocimiento de patrones en datos (mining).
8/16

9. Resultados de Aprendizaje
• Comprensión de los fundamentos, conceptos y tipos de sistemas
inteligentes.
• Comprensión y aplicación de los elementos de construcción de un
agente inteligente.
• Comprensión de los conceptos y aplicación de los elementos para la
construcción de un sistema basado en conocimiento.
• Aplicación de técnicas algorítmicas básicas para el aprendizaje
automático y reconocimiento de patrones.
9/16

10. Estrategia Docente
• Técnica expositiva
• Trabajo colaborativo
• Instrucción programada lineal
• Método de Investigación
10/16

11. Evaluación
• Pruebas cortas (PCOR)
• 6 Laboratorios (LABO)
• 3 Pruebas de cátedra (PCAT)
• 1 Trabajo de Investigación (TRAB)
CATEDRA = (PCAT * 90% + PCOR * 10%)
PRACTICO = (LABO * 70% + TRAB * 30%)
NOTA FINAL = CATEDRA * 70 % + PRACTICO * 30%
La notas de CATEDRA y PRACTICO se deben aprobar de forma
idependiente
11/16

12. Políticas y normas
• Trabajos e informes
• Medio oficial de comunicación: plataforma EDUC@UCN
• El formato de los informes y documentación de código, debe regirse por las
especificaciones publicadas en la plataforma
• Todos los trabajos solo serán revisados si son subidos a la plataforma
EDUC@UCN. No se corregirán los trabajos entregados por correo
12/16

13. Políticas y normas
• Trabajos e informes
• Medio oficial de comunicación: plataforma EDUC@UCN
• El formato de los informes y documentación de código, debe regirse por las
especificaciones publicadas en la plataforma
• Todos los trabajos solo serán revisados si son subidos a la plataforma
EDUC@UCN. No se corregirán los trabajos entregados por correo
• Los trabajos atrasados tendrán una penalización de 2 puntos por cada día
de atraso y solo serán aceptados hasta 3 días después de la fecha de
entrega oficial
12/16

14. Políticas y normas
• Trabajos e informes
• Medio oficial de comunicación: plataforma EDUC@UCN
• El formato de los informes y documentación de código, debe regirse por las
especificaciones publicadas en la plataforma
• Todos los trabajos solo serán revisados si son subidos a la plataforma
EDUC@UCN. No se corregirán los trabajos entregados por correo
• Los trabajos atrasados tendrán una penalización de 2 puntos por cada día
de atraso y solo serán aceptados hasta 3 días después de la fecha de
entrega oficial
• Los trabajos que contengan código fuente deberán ser documentados
12/16

15. Políticas y normas
• Trabajos e informes
• Medio oficial de comunicación: plataforma EDUC@UCN
• El formato de los informes y documentación de código, debe regirse por las
especificaciones publicadas en la plataforma
• Todos los trabajos solo serán revisados si son subidos a la plataforma
EDUC@UCN. No se corregirán los trabajos entregados por correo
• Los trabajos atrasados tendrán una penalización de 2 puntos por cada día
de atraso y solo serán aceptados hasta 3 días después de la fecha de
entrega oficial
• Los trabajos que contengan código fuente deberán ser documentados
• En la evaluación de los informes se considerará la coherencia, redacción y
ortografía. Los informes podrán ser reprobados al no cumplir algunos de
los puntos anteriores 12/16

16. Políticas y normas
• Trabajos e informes
• Los archivos subidos a la plataforma EDUC@UCN deberán ser nombrado
con el o los apellidos de los participantes. Por ejemplos, bekios_pon.zip,
en el caso que presentara Juan Bekios y Carlos Pon
13/16

17. Políticas y normas
• Trabajos e informes
• Los archivos subidos a la plataforma EDUC@UCN deberán ser nombrado
con el o los apellidos de los participantes. Por ejemplos, bekios_pon.zip,
en el caso que presentara Juan Bekios y Carlos Pon
• Todos los informes deberán escribirse en Latex
13/16

18. Políticas y normas
• Normas de trabajo
• El ingreso a clases no puede realizarse después de pasados 10 minutos de
la hora de inicio
14/16

19. Políticas y normas
• Normas de trabajo
• El ingreso a clases no puede realizarse después de pasados 10 minutos de
la hora de inicio
• El ingreso a evaluaciones es sólo hasta que el primer alumno finalice, pero
el alumno atrasado no contará con tiempo extra
14/16

20. Políticas y normas
• Normas de trabajo
• El ingreso a clases no puede realizarse después de pasados 10 minutos de
la hora de inicio
• El ingreso a evaluaciones es sólo hasta que el primer alumno finalice, pero
el alumno atrasado no contará con tiempo extra
• La justificación de inasistencia a evaluaciones debe realizarse antes de 48
horas pasada la evaluación
14/16

21. Políticas y normas
• Normas de trabajo
• El ingreso a clases no puede realizarse después de pasados 10 minutos de
la hora de inicio
• El ingreso a evaluaciones es sólo hasta que el primer alumno finalice, pero
el alumno atrasado no contará con tiempo extra
• La justificación de inasistencia a evaluaciones debe realizarse antes de 48
horas pasada la evaluación
• Los alumnos que hayan justificado satisfactoriamente su inasistencia a
evaluaciones, deberán rendir una prueba global
14/16

22. Políticas y normas
• Normas de trabajo
• El ingreso a clases no puede realizarse después de pasados 10 minutos de
la hora de inicio
• El ingreso a evaluaciones es sólo hasta que el primer alumno finalice, pero
el alumno atrasado no contará con tiempo extra
• La justificación de inasistencia a evaluaciones debe realizarse antes de 48
horas pasada la evaluación
• Los alumnos que hayan justificado satisfactoriamente su inasistencia a
evaluaciones, deberán rendir una prueba global
• La falta a la honestidad o plagio, será sancionado con la reprobación de la
asignatura, además de las sanciones definidas por la Carrera, según sea su
gravedad 14/16

23. Bibliografía
• S. Russel & P. Norvig. “Artificial Intelligence. A Modern Approach”, Third
Edition, ISBN: 0136042597, 2009.
• Christopher M. Bishop. “Pattern Recognition and Machine Learning”,
ISBN: 0387310738, 2006.
15/16

24. ¿Preguntas?
16/16