DIPLOMATURA EN INTELIGENCIA ARTIFICIAL

Director: Lic. Gerardo Rossel
Cuerpo Docente: Lic. Andrea Manna, Lic. Sergio Amitrano, Lic. Ariel Arbiser, Lic. Claudio Tirelli

La Diplomatura en Inteligencia Artificial tiene como objetivo proveer a los alumnos las tecnologías emergentes y el estado del arte en el campo de los sistemas inteligentes, permitiendo a partir del conocimiento adquirido, identificar oportunidades de aplicación en el área empresarial. Además permite completar la formación previa con los conocimientos científicos/técnicos necesarios para la utilización exitosa de las tecnologías relacionadas. El concepto de Agentes Inteligentes atraviesa todos los módulos como elemento unificador.

OBJETIVOS

* Actualizar los conocimientos en las nuevas tendencias en tecnología informática
* Dar a conocer las herramientas que aumenten la competitividad en el campo laboral
* Posibilitar la mejora continua en la prestación de servicios de los profesionales de tecnología informática.

Módulo 1. Bases de la inteligencia Artificial

Introducción. ¿Qué es Inteligencia Artificial? . Reseña Histórica, Agentes Inteligentes y Sistemas Multiagentes. Representación del Conocimiento: Redes Semánticas, Frames, Lógica como herramienta de representación del conocimiento. Lenguajes para Inteligencia Artificial. Prolog.
Cláusulas de Horn Unificación. Resolución. Listas. Estructuras. Control y Negación. Aspectos teóricos de la programación lógica.

Modulo 2 Resolución de Problemas por Búsqueda Inteligente

Resolución de Problemas Mediante Búsqueda. Best First, Depth First, Iteractive Deepening Search
HillClimbing y Simulated Annealing. Búsqueda Heurística: A*, Grafos AND/OR
Adversary Search. Alpha-Beta Cut off Procedure. Minimax. Implementación de los algoritmos de búsqueda.

Modulo 3 Sistemas Expertos

Sistemas Expertos Deterministas. Sistemas Expertos en Prolog. Clasificación de los sistemas expertos. Sistemas Expertos con Factores de Certeza. Introducción a las Redes Probabilísticas y Redes Bayesianas. Repaso de teoría de probabilidad. Construcción de Modelos Probabilísticos
Criterios de Separación en grafos. Modelos de Independencia. Dependencia Condicional.
Factorizaciones de una Función de Probabilidad Propagación en redes probabilísticas.
Herramientas para la modelización de Redes Bayesianas.

Modulo 4. Teoría de Juegos

Introducción ¿Qué es Teoría de Juegos? Definiciones Básicas: jugadores, estrategias, resultados, etc. Forma Normal y Extensiva de un juego. Dominación iterativa. Equilibrio de Nash.
Conjuntos de Información. Herramientas de Modelización: Gambit. Transformación de Harsanyi. Funciones de Utilidad. Estrategias Mixtas. Minimax y Maximin.

Modulo 5. Sistemas Inteligentes de Inspiración Biológica

Introducción a los Algoritmos Genéticos. Motivación Biológica. Teorema del Esquema (Schema Teorema). Mecanismos de Muestreo. Algoritmos de Población Variables. Operadores Genéticos específicos del dominio y Algoritmos de Reparación. Estrategias de Evolución Optimización Multiobjetivo. Redes Neuronales. Perceptrones. Redes de Prealimentación (Backpropagation).
Memoria Asociativa. Memoria de Hopfield. Aplicaciones de redes neuronales.

Modulo 6 Agentes Inteligentes y Sistemas Muliagentes

Concepto de agencia. Noción Débil y Fuerte. Arquitecturas de Agentes Inteligentes. BDI
Multiagent Systems y Sociedad de Agentes. Modelo rol/comunidad/grupo. Movilidad. Planificación y solución distribuida de problemas. Tomas de decisión racional distribuida.
Métodos formales en Inteligencia Artificial Distribuida. Metodologías para el desarrollo de agentes.
Agent Design Patterns

Módulo 7 Tópicos Avanzados

CLP (Constraint Logic Programing). Programación Lógica Inductiva. Razonamiento Basado en Casos. Razonamiento Difuso. Fuzzy Petri Nets . Razonamiento No Monótono en FPN
Redes Funcionales. Redes Funcionales vs Redes Neuronales. Modelo de redes funcionales.

Modalidad y duración

Semipresencial. La carga horaria de cada módulo es de 16 horas. Cada módulo contará dos encuentros presenciales de 4 horas cada uno y el seguimiento mediante UAI-On Line.
Se entregarán las transparencias y material de lectura.
Cada módulo puede cursarse por separado (el orden númerico es el recomendado).

Requisitos de aprobación de cada módulo: Asistencia a las instancias presenciales obligatoria.
Aprobación de un trabajo final o examen.

Requisitos de admisión: Conocimientos de algoritmos y estructuras de datos.

Certificación: La diplomatura contará con un Examen/TP final integrador para los que hayan aprobado los módulos.

Informes

Localización Centro: San juan 983, tel 4-300-2147
Horarios de 9 a 19 hs.  
E-mail: uai@vaneduc.edu.ar

En Buenos Aires
Chacabuco 90 - Piso 6º
(C 1069 AAB) Capital Federal
Tel : 4342-7788 (y rotativas)
Fax: 4342-7654
Horarios de 9 a 19 hs.  
E-mail: uai.extension@vaneduc.edu.ar

o complete el siguiente formulario y le estaremos enviando la información solicitada: