CI5437: Inteligencia Artificial I (Pregrado)

Blai Bonet
Matemáticas y Sistemas, 215-A
Departamento de Computación
Universidad Simón Bolívar

bonet AT ldc DOT usb DOT ve
Tel: +58 (212) 906-3263
Web: http://www.ldc.usb.ve/~bonet (http://bonetblai.github.io)

Sinopsis

Curso introductorio a la Inteligencia Artificial (IA): puede ser tomado como electiva libre o como inicio de cadena en IA. Se estudian los modelos y algoritmos básicos para espacios de búsqueda determinística (OR), búsqueda no-determinística (AND/OR), árboles de juego. Introducción a las áreas de SAT, CSP y planificación automática. Inferencia en lógica proposicional y lógica de primer órden (resolución). Introducción al manejo de incertidumbre probabilística.

Evaluación

Objetivos y Cronograma (tentativo)

Semana  Día I: Lunes 3-4 en ENE-115 Día II: Miércoles 3-4 en ENE-115 Día III: Viernes 3-4 en ENE-115
I 12/09: No hay clase en aula. 14/09: Presentación del curso. ¿Qué es la Inteligencia Artificial? 16/09: No hay clase en aula.
II 19/09: Problema de búsqueda en grafos implícitos. Modelo de espacio de estados. Representación de grafos explícitos e implícitos. 21/09: Casos de estudio. Árboles de búsqueda. Árboles de búsqueda canónicos para análisis. 23/09: Duplicados. Búsqueda tipo grafo vs. búsqueda tipo árbol. Búsqueda en amplitud (Breadth-first search). Búsqueda de costo uniforme (Uniform-cost search).
III 26/09: Búsqueda en profundidad (Depth-first search). Búsqueda en profundidad iterativa (Depth-first iterative deepening). Búsqueda en profundidad iterativa de costo uniforme (Iterative deepening uniform-cost search). Estructuras de datos para algoritmos de búsqueda. 28/09: Heurísticas. Propiedades. Greedy best-first search. Best-first search. A*. 30/04: Introducción a PSVN. Proyecto 1.
IV 03/10: Derivación de heurísticas. Bases de datos de patrones (Pattern data bases). IDA*. 05/10: Hill climbing. Weighted A* e IDA*. Construcción de PDBs con PSVN. 07/10: Branch-and-bound. Branch-and-bound para TSP.
V 10/10: Descomposición de problemas. Grafos AND/OR. Criterios de costo. Algoritmo AO*. 12/10: Feriado. 14/10: Problemas no determinísticos. Políticas, ejecuciones y soluciones. Algoritmos: AO* para problemas acíclicos, AO* basado en ejecuciones para soluciones fuertes, algoritmo para soluciones cíclicas fuertes.
VI 17/10: Árboles de juego. Valor del juego y variación principal. Algoritmos minimax, Negamax, y poda αβ (αβ-pruning). 19/10: Algoritmos Scout y Negascout. 21/10: No hay clase en aula. Entrega Proyecto 1.
VII 24/10: No hay clase en aula. 26/10: No hay clase en aula. 28/10: No hay clase en aula.
VIII 31/10: Satisfacción de restricciones (CSP). Modelo. Espacio de búsqueda. Algoritmo básico de backtracking. Ordenamiento de variables y valores. Forward checking. Bactracking no cronológico. 02/11: Propagación de restricciones. Consistencia de arco y superior. Consistencia fuerte. Inferencia en CSPs. 04/11: Sintáxis y semántica de LP. Regla de inferencia. SAT y SAT-CNF. CNF vs. DNF. Forma clausal. Condicionamiento. Backtracking simple. Selección del branching literal. Backtracking con selección de literal y terminación. Unit propagation. DPLL.
IX 07/11: Análisis de fallas. Apredizaje de claúsulas. Random re-starts. Clausura por resolución. Inferencia en SAT. 09/11: Inferencia en LPO. Sintáxis y semántica de LPO. Regla de inferencia. Principio de refutación. Forma clausal y algoritmo de transformación a forma clausal. 11/11: Formas instanciadas. Semi-decidibilidad. Unificación, Algoritmo de resolución, Estrategias de resolución.
X 14/11: Tutorial sobre planificación automática. 16/11: Tutorial sobre planificación automática. 18/11: Tutorial sobre planificación automática.
XI 21/11: Tutorial sobre planificación automática. 23/11: Tutorial sobre planificación automática. 25/11: Tutorial sobre planificación automática.
XII 28/11: Repaso para el examen. 30/11: Examen. 02/12: Fin de curso.

Recursos

Bibliografía

Versiones Anteriores

Last Modified 15 Dic 2016