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 AUL-015 Día II: Miércoles 3-4 en AUL-015 Día III: Viernes 3-4 en AUL-104
I 08/01: Presentación del curso. ¿Qué es la Inteligencia Artificial? 10/01: Problema de búsqueda en grafos implícitos. Modelo de espacio de estados. Representación de grafos explícitos e implícitos. 12/01: Árboles de búsqueda. Duplicados. Búsqueda tipo grafo vs. búsqueda tipo árbol.
II 15/01: Búsqueda en amplitud (Breadth-first search). Búsqueda de costo uniforme (Uniform-cost search). 17/01: 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). Heurísticas y propiedades. 19/01: PSVN. Discusión proyecto 1.
III 22/01: Greedy best-first search. Best-first search. A*. Iterative Deepening A* (IDA*). Weighted A* e IDA*. Hill climbing. 24/01: Derivación de heurísticas. Bases de datos de patrones (Pattern data bases (PDBs)). 26/01: Construcción de PDBs con PSVN. Discusión proyecto 1.
IV 29/01: Branch-and-bound. Branch-and-bound para TSP. 31/02: Clase invitada: Búsqueda bidireccional. MM. NBS. 02/02: No hay clases por asistencia a AAAI-18.
V 05/02: No hay clases por asistencia a AAAI-18. 07/02: No hay clases por asistencia a AAAI-18. 09/02: No hay clases por asistencia a AAAI-18.
VI 12/02: Feriado Carnaval. 14/02: Descomposición de problemas. Grafos AND/OR. Criterios de costo. Algoritmo AO*. Modelo no determinístico. Políticas, ejecuciones y soluciones. Algoritmos. 16/02: Entrega proyecto 1. Árboles de juego. Valor del juego y variación principal. Algoritmos minimax, Negamax, poda αβ (αβ-pruning), Scout, y Negascout. Discusión proyecto 2.
VII 19/02: Satisfacción de restricciones (CSP). Modelo. Espacio de búsqueda. Algoritmo básico de backtracking. Ordenamiento de variables y valores. Forward checking. Bactracking no cronológico. Propagación de restricciones. Consistencia de arco: AC3 y AC4. 21/02: Consistencia de nivel superior. Consistencia fuerte. Inferencia y tratabilidad en CSPs. 23/02: Discusión proyecto 2.
VIII 26/02: Sintáxis y semántica de LP. Problema de inferencia y SAT. CNF vs. DNF. SAT vs. SAT-CNF. Backtracking simple. Selección del branching literal. Unit propagation. DPLL. Apredizaje de claúsulas. Random re-starts. 28/02: Implementación de UP. Heurísticas para selección de literal. Inferencia en SAT. 02/03: Discusión proyecto 2.
IX 05/03: Inferencia en LPO. Sintáxis y semántica de LPO. Regla de inferencia. Principio de refutación. Forma clausal y algoritmo de transformación a forma clausal. 07/03: Clases canceladas por CD. 09/03: Entrega proyecto 2.
X 12/03: Formas instanciadas. Semi-decidibilidad. Unificación. Algoritmo de resolución. Estrategias de resolución. 14/03: Tutorial sobre planificación automática. 16/03: Discusión proyecto 3.
XI 19/03: Tutorial sobre planificación automática. 21/03: Tutorial sobre planificación automática. 23/03: Examen.
XII 02/04: Entrega proyecto final. 04/04: Fin de curso. 06/04: Fin de curso.

Recursos

Bibliografía

Versiones Anteriores

Last Modified 17 Apr 2018