糖心vlog官网观看

El razonamiento formal juega un papel importante en la inteligencia artificial. Hay dos maneras principales de formalizar razonamiento: una que enfatiza la deducci贸n (l贸gica), y otra que enfatiza la incertidumbre (teor铆a de la probabilidad). En este curso vamos a cubrir una introducci贸n tanto a la l贸gica (vamos a cubrir tres l贸gicas) como a la teor铆a de la probabilidad (vamos a cubrir tres modelos gr谩ficos probabil铆sticos).

Algunas tareas requieren programaci贸n b谩sica en Python: El alumno deber谩 completar c贸digo al que se le ha eliminado una parte.

El curso trata de resoluci贸n autom谩tica de problemas por medio de algoritmos de b煤squeda.

Aprender谩s a abstraer un problema como un grafo de estados-acciones y a dimensionar su complejidad por medio de la identificaci贸n de par谩metros. Adem谩s, te mostraremos c贸mo analizar el consumo de recursos computacionales de los algoritmos para seleccionar o adaptar el m谩s apropiado al problema. Nos interesa que puedas aplicar los algoritmos a problemas concretos. Te acompa帽aremos en la implementaci贸n de los algoritmos en el lenguaje de programaci贸n Python y te mostraremos algunos ejemplos de su aplicaci贸n a ciertos problemas modelo. Al final podr谩s probar tus algoritmos en un espacio de b煤squeda interesante: el resolver el cubo de Rubik.

La computaci贸n evolutiva (evolutionary computation, EC), aplica la teor铆a de la evoluci贸n natural y la gen茅tica en la adaptaci贸n evolutiva de estructuras computacionales, proporcionando un medio alternativo para atacar problemas complejos en diversas 谩reas, como la ingenier铆a, econom铆a, qu铆mica, medicina y, porque no, las artes. Una poblaci贸n de posibles soluciones de un problema dado es an谩loga a una poblaci贸n de organismos vivos que evolucionan cada generaci贸n, al recombinar los mejores individuos de la poblaci贸n y transmitir sus caracter铆sticas de dichos individuos padres, a sus descendientes. En este campo, diferentes esquemas de m茅todos evolutivos se han desarrollado, los cuales difieren en el tipo de estructuras que conforman la poblaci贸n.

Algoritmos evolutivos (AE), como tambi茅n se le conoce al c贸mputo evolutivo (EC), se definen como m茅todos de optimizaci贸n y b煤squeda, los cuales est谩n inspirados y tratan de imitar de manera parcial los procesos de la evoluci贸n natural, y mantienen una poblaci贸n de estructuras que evolucionan de acuerdo a reglas de selecci贸n y otros operadores gen茅ticos, como cruzamiento y mutaci贸n (B盲ck, 1996). Los algoritmos evolutivos no son los 煤nicos m茅todos de optimizaci贸n propuestos a partir de sistemas biol贸gicos. Se tiene una variedad de algoritmos de optimizaci贸n, que tratan de imitar el comportamiento de sistemas naturales, como las colonias de hormigas, algoritmos culturales y optimizaci贸n por c煤mulos de part铆culas, entre otros. De aqu铆 surge lo que se conoce como algoritmos bioinspirados, ya que toman sus bases a partir de la estructura de procesos y sistemas biol贸gicos: la evoluci贸n, la selecci贸n natural, comportamiento social de animales, como las hormigas, abejas, peces. B脛CK, T. (1996) Evolutionary Algorithms in Theory and Practice. Oxford University Press. DARWIN, C. (1859) On the Origin of Species by Means of Natural Selection, or the Preservation of Favoured Races in the Struggle for Life, John Murray.

Los seres vivos han evolucionado en entornos cambiantes, por lo que han desarrollado mecanismos que les permiten exhibir comportamiento adaptativo. Usando el m茅todo sint茅tico, podemos construir sistemas artificiales adaptativos que implementen dichos mecanismos, con lo cual tambi茅n podemos incrementar nuestra comprensi贸n de los sistemas naturales.

En este curso veremos diversos conceptos que se han aplicado en la inteligencia artificial con or铆genes en la biolog铆a y en la cibern茅tica. Construyendo sobre ejemplos de sistemas vivos, revisaremos diversos algoritmos que permiten a los sistemas adaptarse y de esta manera enfrentar a la complejidad y cambios de su entorno. Tambi茅n cubriremos temas relacionados con la robustez, la cual complementa a la adaptaci贸n. Finalmente, veremos algunas aplicaciones de este tipo de inteligencia artificial. En el proyecto final, se desarrollar谩 un sistema artificial que exhiba comportamiento adaptativo.

驴Qu茅 es la creatividad? 驴Pueden ser creativas las computadoras? 驴C贸mo, cu谩ndo y con qu茅 objetivo surgi贸 esta nueva 谩rea de investigaci贸n? 驴Hasta d贸nde hemos llegado en la creaci贸n de sistemas 鈥渃reativos鈥� y qu茅 teor铆as, metodolog铆as y t茅cnicas podemos usar para programar y evaluar este tipo de sistemas en generaci贸n de narrativas, m煤sica, descubrimiento cient铆fico, artes visuales, etc茅tera?

Analizaremos 茅stas y otras preguntas, y discutiremos sobre sus implicaciones a lo largo del curso. Asimismo, conforme avances en las lecciones, ir谩s construyendo poco a poco tu propio agente artificial creativo. Es indispensable que cuentes con conocimientos b谩sicos en programaci贸n (Python) y algoritmos gen茅ticos.

En el proyecto culminante del programa especializado Introducci贸n a la Inteligencia Artificial, los estudiantes aplicar谩n conceptos adquiridos durante el programa en un problema de su elecci贸n.

El proyecto involucrar谩 el desarrollo de un programa de software y la escritura de un ensayo. Se extender谩 por lo menos uno de los temas cubiertos en el programa especializado, realizando una implementaci贸n, compar谩ndolo con otras t茅cnicas y reportando los resultados en un ensayo. La evaluaci贸n ser谩 por pares. Los objetivos del proyecto son: * Aplicar el conocimiento adquirido durante el programa especializado a un dominio particular. * Implementar tecnolog铆a de IA con un prop贸sito espec铆fico. * Comparar la soluci贸n desarrollada con existentes. * Reportar los resultados en un ensayo estructurado (m谩ximo 10 p谩ginas).