IntroUniversidad de Panamá
Facultad de Informática, Electrónica y Comunicación.
Escuela de Informática.
Curso: INF 513.
Denominación: Inteligencia Artificial.
Año Académico: 2023.
Semestre: Primero.
Profesor: Julio L. Arcia R.
Objetivo General.
• Analizar los elementos conceptuales, las estrategias y las técnicas que se
aplican para la generación de modelos descriptivos que permitan el uso de la
inteligencia artificial para la búsqueda de soluciones efectivas ligadas a
situaciones cotidianas
Objetivos Específicos.
• Comprender los elementos característicos de la inteligencia artificial
• Analizar los principales ámbitos de aplicación de la inteligencia artificial
• Evaluar los criterios de búsqueda, interpretación y aprendizaje que son más
utilizados para los modelos de inteligencia artificial
Estrategia Metodológica.
Clases virtuales y/o presenciales reforzadas con talleres de discusión, análisis de
casos, pruebas formativas y sumativas, ensayos e investigaciones relacionadas con
los temas de interés analizados.
Evaluación.
La evaluación del curso se desglosa de la siguiente manera:
Elemento de Ponderación Porcentaje
Asistencia/Participación 5.00
Parciales 20.00
Laboratorios 15.00
Evaluaciones Temáticas / Foros 5.00
Ensayos Reflexivos 5.00
Análisis de Casos 5.00
Proyecto del Curso 15.00
Prueba Semestral 30.00
Total 100.00
Página 1 de 5
Contenido General de la Asignatura.
Tema 1. Introducción a la inteligencia artificial.
Tema 2. Áreas de la inteligencia artificial.
Tema 3. Búsqueda.
Tema 4. Tratamiento del Lenguaje Natural.
Tema 5. Aprendizaje.
Tema 6. Investigaciones y Aplicaciones
Duración
Tema de Duración Estimada en
Estimada en Observaciones
Clases Sesiones ( 1h=1sesión )
Semanas
1 6 2.00
Prueba Sumativa 1 al
2 0.67
culminar tema 1.
2 10 3.33
Prueba Sumativa 2 al
2 0.67
culminar tema 2.
3 9 3.00
Prueba Sumativa 3 al
2 0.67
culminar tema 3.
4 7 2.33
Prueba Sumativa 4 al
2 0.67
culminar tema 4.
5 6 2.00
Prueba Sumativa 5 al
2 0.67
culminar tema 5.
6 0 0.00 Parcial Investigativo
0 0.00 Proyecto
Total 48 16.00
Observaciones.
• La duración de los temas está sujeta a cambios y modificaciones, dependiendo del desarrollo de
las clases.
• Las evaluaciones temáticas/foros se dan al inicio de cada módulo y son individuales.
• Los ensayos reflexivos se deben entregar a más tardar una semana después de haberse hecho
el parcial del tema respectivo y son de carácter individual.
• Los casos de cada módulo son espacios de discusión (física o virtual) en donde se debe entregar
un reporte en grupo con los aspectos que se hayan requerido evaluar.
• La reposición de parciales se debe coordinar a través de correo electrónico dirigido al docente a
más tardar una semana después de haber sido aplicada la prueba.
• El proyecto del curso es en grupo y contempla el análisis de un caso con determinadas
características para formular una solución acorde a las necesidades que incluya los
componentes propios de una red convergente.
• Las fechas de entrega de cada asignación al igual que el tiempo de entrega tardía serán
establecidos de acuerdo con el desarrollo de los temas.
• El parcial investigativo es un trabajo escrito que se entrega de alguno de los temas propuesto en
la antepenúltima semana del semestre y se suma como un parcial adicional.
Página 2 de 5
Contenido Desglosado de la Asignatura.
Tema 1. Introducción a la inteligencia artificial.
• Conceptos básicos: Introducción.
• Evolución de la IA
• Características Generales de la Inteligencia y la Inteligencia Artificial
• Tipos de Inteligencia
• El misterio de la conciencia
• Problemas que resuelve y no resuelve la IA
• Aplicaciones prácticas de la IA
• Taller de Discusión: IA: Riesgos y Beneficios
Lectura Complementaria: La IA y las necesidades humanas
Tema 2. Áreas de la inteligencia artificial.
• Conceptos básicos: Introducción.
• Estado del arte de la IA (perspectiva)
• Fundamentos de algunas áreas de la IA
• Taller de Discusión: Rol de los datos en IA
Lectura Complementaria: El juego y la IA
Tema 3. Búsqueda.
• Conceptos básicos: Introducción.
• Problemas de búsqueda
• Técnicas de búsqueda ciega
• Técnicas de búsqueda heurística
• Técnicas de búsqueda óptima
• Técnicas de búsqueda con adversarios
• Taller de Discusión: La búsqueda de datos en línea con IA
Lectura Complementaria: GPU en la IA
Tema 4. Tratamiento del Lenguaje Natural.
• Conceptos básicos: Introducción.
• El lenguaje natural: Ventajas y Desventajas
• Análisis léxico y morfológico
• Análisis sintáctico y semántico
• Procesamiento del lenguaje natural
• Taller de Discusión: El lenguaje natural a través de la Web.
Lectura Complementaria: Modelos Estadísticos
Página 3 de 5
Tema 5. Aprendizaje.
• Conceptos básicos: Introducción.
• Aprendizaje memorístico
• Aprendizaje a través de consejos
• Aprendizaje mediante experiencia en la resolución de problemas
• Aprendizaje a partir de ejemplos de inducción
• Aprendizaje basado en explicaciones
• Descubrimiento
• Analogía
• Aprendizaje con redes neuronales
• Taller de Discusión: Estilos de Aprendizaje (Aprender a Aprender).
Lectura Complementaria: Modelo Robert Gagné
• Tema 6. Investigaciones y Aplicaciones
• Automatización de Procesos basados en IA
• La IA en el escenario médico
• Contribuciones y Fallas de la IA: 10 grandes hitos
• La IA y la búsqueda de vida inteligencia en el espacio
• La IA en el desarrollo de mecanismos robóticos y autocontrolados
Lectura Complementaria: La IA y la Nube
Ensayos Reflexivos
Los ensayos son una síntesis individual de 2 páginas del contenido del tema
analizado. El formato de los ensayos se puede ajustar parcialmente al establecido
por la IEEE o seguir un formato libre según sea preferido. Se espera que en este
documento el estudiante realice una autoevaluación de su aprendizaje y pueda auto
diagnosticar cuáles son sus debilidades y que debe fortalecer.
Página 4 de 5
Momentos de Desarrollo del Curso
Inicio de Prueba
Módulo Sumativa
Fin de
Módulo
Desarrollo de Contenido
Entrega de
Ensayos
Evaluación Estudio de
Inicial Casos
Proyecto del Curso.
El proyecto del curso es un trabajo en grupo que consiste en la aplicación práctica
del contenido a situaciones cotidianas, en donde se refleje el manejo y comprensión
de los aspectos vinculados a la teoría de control, por medio de simulaciones a través
de Matlab.
Bibliografía Recomendada.
• Inteligencia Artificial, Un Enfoque Moderno
Stuart Russell.
Prentice Hall, 2 edición
ISBN 978-84-205-4003-0
• Inteligencia Artificial e Ingenieria Del Conocimiento.
Gonzalo Pajares
McGraw-Hill Education
ISBN 978-84-789-7676-8
• Ingeniería del Conocimiento.
Alonso Betanzos
Pearson Educación,
ISBN 842-05-4192-3
• Artificial Intelligence.
Elaine Rich
McGraw-Hill Education
ISBN 978-00-7052-2633.
Página 5 de 5
