TOPICO


Cb-95-021. TÉCNICAS DE COMPUTACIÓN INTELIGENTE PARA LA SOLUCIÓN DE PROBLEMAS REALES.

 
PROFESOR: Dr. Argelio V. De la Cruz Rivera
Tel. 57-29-60-00 Ext. 56589
e-mail: argelio@pollux.cic.ipn.mx

 
OBJETIVOS GENERALES:


 
DIRIGIDO A:

  1. Todos aquellos cuyo trabajo está enfocado al desarrollo de sistemas computacionales como base para la solución de problemas reales.

  2. Especialistas en diversos dominios del conocimiento, como por ejemplo: la medicina, la economía, las ciencias terrestres, la educación y la industria en general, que enfrentan la necesidad de resolver problemas de toma de decisiones, diagnóstico y/o pronóstico.


 
CONOCIMIENTOS PREVIOS

Para la participación y aprovechamiento óptimo del curso no se necesitan conocimientos previos por parte de los participantes.

 
CONTENIDO TEMÁTICO:

 
I. COMPUTACIÓN INTELIGENTE.

1.1. Introducción. Breve reseña histórica.
1.2. Inteligencia Artificial. Conceptos generales.
1.3. Inteligencia Artificial y Sistemas Expertos.
1.4. Aprendizaje Automático.
1.5. Análisis Exploratorio de Datos.
1.6. Otras disciplinas dentro de la Computación Inteligente.
1.7. Aspectos generales del diseño y construcción de Sistemas Basados en Conocimientos.
1.8. Construcción del primer ejemplo práctico.

 
II. CONSTRUCCIÓN DEL CONCEPTO DE SISTEMA INTELIGENTE.

2.1. Base de Conocimientos.
2.2. Conceptos en una Base de Conocimientos. Proposiciones.
2.3. Reglas de producción Generalizadas.
2.4. Estructura de control.
2.5. Toma de decisiones con incertidumbre.
2.6. Concepto de Sistema Consultor.
2.7. Desarrollo de ejemplos prácticos de aplicación.

 
III. REPRESENTACIONES DEL CONOCIMIENTO.

3.1. Relaciones de Sentido para los procesos de análisis.
3.2. Variables.
3.2.1. Conceptos Generales. Textos, atributos, valores y parámetros.
3.2.2. Inferencia a partir de valores Numéricos.
3.2.3. Interacción Cualitativas con el usuario.
3.2.4. Relación de Comparación.
3.2.5. Razonamiento No Monótono.
3.3. Estructuras para la organización de los problemas.
3.3.1. Base de control.
3.3.2. Funcionamiento de la Base de Control.
3.4. Elaboración y presentación de los resultados.
3.4.1. Reglas de Conclusiones.
3.4.2. Proceso de elaboración de las conclusiones.
3.4.3. Reglas de apoyo.
3.5. Desarrollo de ejemplos prácticos de aplicación.

IV. EXTRACCIÓN DE CONOCIMIENTOS A PARTIR DE BASES DE DATOS

4.1. Análisis Exploratorio de Datos.
4.1.1. Reconocimiento de Patrones.
4.1.1.1. Medidas de la Semejanza.
4.1.1.2. Reconocimiento No Supervisado de Patrones.
4.1.1.3. Reconocimiento Supervisado.
4.1.2. Selección de Variables.
4.1.3. Generación Automatizada de Hipótesis (GUHA).
4.1.3.1. El GUHA y la lógica.
4.1.3.2. Hipótesis de Asociación.
4.1.3.3. Hipótesis de Implicación.
4.1.3.4. Ejemplos de Aplicación.
4.2. Aprendizaje Automático.
4.2.1. Arboles de Decisión.
4.2.2. Aprendizaje Inductivo.
4.2.3. Generación de Reglas.

V. UTILIZACION CONJUNTA DE DATOS Y CONOCIMINETOS

5.1. Estructuras para la representación de conocimientos para la utilización conjunta de datos y conocimientos.
5.1.1. Cuantificación en Bases de Datos.
5.1.2. Análisis de tendencias.
5.1.3. Variables Bases de Datos.
5.2. Sistemas Multimedia Inteligente.
5.2.1. Sobre el concepto de Hipermedia.
5.2.2. Representaciones del conocimiento para la utilización de elementos multimedia.
5.2.3. Hipermedia Inteligente.
5.3. Reconocimiento de Patrones con Inteligencia Artificial.
5.3.1. Generación de Bases de Conocimientos a partir de la Informaciones de Aprendizaje.
5.3.2. La combinación de los métodos de Reconocimiento de Patrones.
5.3.3. Inferencia sobre estructuras híbridas basadas en datos y conocimientos.

VI. HERRAMIENTAS COMPUTACIONALES

6.1. Sistemas de Adquisición y Manejo de Conocimientos.
6.1.1. Medio ambiente.
6.1.2. Adquisición de conocimientos.
6.1.3. Manejo de conocimientos.
6.2. Sistemas Consultantes.
6.2.1. Organización general.
6.2.2. Presentación del sistema y la Base de Conocimientos.
6.2.3. Interacción Hombre-Máquina.