| |
| |
 | Temario: | Algunas de las asignaturas que se pueden escoger son:CAPÍTULO 1.INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL1.1 La inteligencia de las máquinas
1.1.1 Definiciones de sistema inteligente
1.1.2 El término Inteligencia Artificial
1.2 Estrategias de la IA
1.3 Breve visión histórica de la IA
1.3.1 Hitos en la evolución de la IA
1.3.2 Desarrollos históricos de la IA
1.4 Futuro de la IA
1.5 Comentarios bibliográficosCAPÍTULO 2.RESOLUCIÓN DE PROBLEMAS MEDIANTE BÚSQUEDA 2.1 La definición del problema
2.2 El espacio de estados
2.2.1 Representación en el espacio de estados
2.3 Estrategias de búsqueda
2.4 Búsqueda a ciegas
2.4.1 Recorrido en amplitud
2.4.2 Recorrido en profundidad
2.5 Búsqueda heurística
2.5.1 Ascensión a la cima o gradiente
2.5.2 Primero el mejor
2.5.3 Búsqueda avara
2.5.4 Algoritmo A*
2.5.5 Algoritmos genéticos
2.6 Verificación de restricciones
2.7 Búsqueda con adversarios
2.7.1 Algoritmo del minimax
2.7.2 Poda alfabeta
2.8 Comentarios bibliográficos CAPÍTULO 3.FORMALISMOS DE REPRESENTACIÓN DEL CONOCIMIENTO3.1 Introducción
3.2 Base de conocimiento
3.2.1 Procesamiento simbólico
3.2.2 Aproximación no simbólica
3.3 Representación del conocimiento
3.3.1 Representación procedural
3.3.2 Representación relacional
3.3.3 Representación jerárquica
3.4 Lógica clásica
3.4.1 La evolución de la lógica
3.4.2 Lógica proposicional
3.4.3 Lógica de predicados
3.5 Reglas
3.6 Marcos
3.6.1 Los guiones
3.7 Redes semánticas
3.8 La lógica de la incertidumbre
3.8.1 Redes bayesianas
3.8.2 Lógica borrosa (fuzzy)
3.9 Comentarios bibliográficos CAPÍTULO 4.RAZONANDO CON EL CONOCIMIENTO 4.1 Razonamiento según los distintos paradigmas de representación ??
4.2 Sistemas basados en conocimiento
4.2.1 Estructura de los sistemas de reglas
4.2.2 Activación de la inferencia
4.3 Encadenamiento hacia adelante
4.3.1 Estrategias de control
4.4 Encadenamiento hacia atrás
4.5 Razonamiento borroso
4.6 Características de la inferencia basada en reglas
4.7 Inferencias y aprendizaje
4.8 Comentarios bibliográficosCAPÍTULO 5.INGENIERÍA DEL CONOCIMIENTO: MODELOS EN CommonKADS 5.1 Introducción
5.2 Concepto de conocimiento
5.3 Modelos de conocimiento
5.4 Roles del proceso
5.5 Terminología
5.6 Breve reseña de otros sistemas de modelado del conocimiento
5.7 Modelado del contexto
5.7.1 Estudio de viabilidad: organización
5.7.2 Análisis de impacto y mejora: modelos de tarea y agente
5.8 Comentarios bibliográficos CAPÍTULO 6.INGENIERÍA DEL CONOCIMIENTO:EL CONOCIMIENTO EN CommonKADS 6.1 Introducción
6.2 Aspectos del conocimiento
6.3 Naturaleza del conocimiento
6.4 Esquema general del modelo de conocimiento
6.4.1 Conocimiento de dominio
6.4.2 Conocimiento de inferencia
6.4.3 Conocimiento de tarea
6.5 Técnicas de adquisición del conocimiento
6.5.1 Técnicas manuales
6.5.2 Técnicas semiautomáticas
6.5.3 Técnicas automáticas
6.6 Comentarios bibliográficosCAPÍTULO 7.INGENIERÍA DEL CONOCIMIENTO:PLANTILLAS DE TAREAS 7.1 Introducción
7.2 Reusabilidad de los modelos
7.2.1 Tipos de tareas
7.2.2 Tareas de análisis
7.2.3 Tareas de síntesis
7.3 Catálogo de Plantillas de Tareas
7.3.1 Clasificación
7.3.2 Diagnóstico
7.3.3 Monitorización
7.3.4 Valoración
7.3.5 Predicción
7.3.6 Síntesis
7.3.7 Diseño
7.3.8 Planificación CAPÍTULO 8.INGENIERÍA DEL CONOCIMIENTO: MODELO DE COMUNICACIÓN8.1 Introducción
8.2 Visión general del modelo de comunicación
8.3 El plan de comunicación
8.3.1 Construcción del diagrama de diálogo
8.3.2 Control sobre las transacciones
8.4 Transacciones entre agentes CAPÍTULO 9.INGENIERÍA DEL CONOCIMIENTO:MODELO DE DISEÑO 9.1 Introducción
9.2 Diseño preservando la estructura
9.2.1 Paso 1: Diseño de la arquitectura del sistemaCAPÍTULO 10.APRENDIZAJE: POR OBSERVACIÓN10.1 Introducción
10.2 Concepto de aprendizaje
10.2.1 Inferencia inductiva
10.2.2 Inferencia deductiva
10.3 Procesos de aprendizajeCAPÍTULO 11 .APRENDIZAJE: REDES NEURONALES11.1 Introducción
11.2 El perceptrón
11.2.1 Perceptrón para dos clases separables
11.2.2 Algoritmo del perceptrón
11.2.3 Ejemplo de aplicación CAPÍTULO 12 .PERCEPCIÓN VISUAL: GENERALIDADES 12.1 Introducción
12.2 Proceso de percepción visual artificial
12.3 Formación de imágenes digitales
12.4 Preprocesamiento: suavizado y realzado
12.4.1 Suavizado de imágenes
12.4.2 Realzado de imágenes CAPÍTULO 13.PERCEPCIÓN: VISIÓN ESTEREOSCÓPICA 13.1 Introducción
13.2 El sistema de visión estereoscópica
13.3 Geometría del sistema estereoscópico y obtención de la distancia ?
13.4 Correspondencia estereoscópica
13.4.1 Restricciones aplicables para la correspondenciaCAPÍTULO 14.APLICACIÓN: UN CASO DE ESTUDIO14.1 Introducción
14.2 Descripción del problema
14.3 Modelado del contexto
14.4 Modelado de concepto CAPÍTULO 15 .PROCESAMIENTO DEL LENGUAJE NATURAL: ANÁLISIS LÉXICO Y SINTÁCTICO 15.1 Introducción
15.2 Análisis léxico
15.3 Análisis sintáctico CAPÍTULO 16.PROCESAMIENTO DEL LENGUAJE
NATURAL: ANÁLISIS SEMÁNTICO Y CONTEXTUAL16.1 Introducción
16.2 Análisis semántico: modelo estructural
16.2.1 Interpretación guiada por la sintaxis
16.2.2 Interpretación guiada por la semántica
16.3 Características del lenguaje de la forma lógica
Proyecto final.Solicitar información y programación desarrollada del Master.Ahora puede graduarse en la Universidad en los Títulos de Bachelor, Master y Doctor aportando curricularmente acreditaciones que valoren su cultura, trabajo y experiencia vivida Ocultar Ver temario completo |  | Objetivos: | Ofrecer una formación especializada en el área elegida, dentro del campo de la Inteligencia Artificial y del Conocimiento.Este Master cubre los tópicos relacionados con los paradigmas de la Inteligencia Artificial (IA) e Ingeniería del Conocimiento (IC). La unificación de estos paradigmas en un Master único, junto con su enfoque pragmático, hace de él una referencia apropiada para su uso tanto en la docencia universitaria como en los desarrollos a nivel industrial. Ocultar Ver objetivos completos | |
| |
| Titulación: | Master Executive en Inteliegencia Artificial y Ciencias del Conocimiento | | Convocatoria: | No disponible | | Plazo de matriculación: | Abierto | | Observaciones: | Finalizado el Master el alumno recibe la Certificación que acredita los estudios realizados: Master Executive en Inteliegencia Artificial y Ciencias del Conocimiento. | | Requisitos: | Titulados universitarios
Profesionales de la Ingeniería especailizados en Intelegencia Artificial y del Conocimiento interesados en ampliar conocimientos a nivel de Maestría.
Personas de otras áreas académicas interesados en desarrollarse profesionalmente en el campo de la Inteligencia y el Conocimiento Artificial. | |
| Información | | Solicita información gratis al centro | | |
|
| |