Silabo 2023-I Desarrollo de Sistemas Inteligentes A

SISTEMA DE GESTIÓN DE LA CALIDAD
CÓDIGO: USAT-PM0401-D-01
VERSIÓN: 04
FACULTAD DE INGENIERÍA
PROGRAMA DE ESTUDIOS DE INGENIERÍA DE SISTEMAS Y COMPUTACIÓN
SÍLABO DE DESARROLLO DE SISTEMAS INTELIGENTES
I. DATOS INFORMATIVOS
1.1 Asignatura: DESARROLLO DE SISTEMAS INTELIGENTES
1.2 Código: 1207701000IN
1.3 Ciclo del plan de estudios: VII
1.4 Créditos: 2
1.5 Tipo de asignatura: (X) Obligatorio ( ) Electivo
1.6 Prerrequisito: INTELIGENCIA ARTIFICIAL
N° de horas teóricas: 0
1.7 Número de horas semanales: N° de horas prácticas: 4
N° de horas totales: 4
1.8 Duración: Del (27/03) al (15/07/2023)
1.9 Semestre académico: 2023-I
1.10 Grupo Horario: A
MARLON EUGENIO VILCHEZ RIVAS

1.11 Docente coordinador:
[email protected]
MARIANA CHAVARRY CHANKAY

1.12 Docente(s):
[email protected]
II. SUMILLA
La asignatura de Desarrollo de sistemas inteligentes corresponde al área de formación especializada y

tiene naturaleza práctica.
Es de carácter obligatorio y se propone que el estudiante desarrolle sistemas inteligentes basados en
lógica difusa, algoritmos genéticos y redes neuronales, para resolver problemas complejos en diferentes
sectores.
Comprende: El desarrollar sistemas con funcionalidad que incluya: Inteligencia, Sistematización, Objetivo,
Capacidad sensorial, Conceptualización, Reglas de actuación, Memoria, Aprendizaje. La asignatura está
relacionada con el eje transversal de Responsabilidad social universitaria.
III. COMPETENCIA(S)
3.1 Competencia(s) de perfil de egreso
La asignatura DESARROLLO DE SISTEMAS INTELIGENTES, que corresponde al área de estudios de

Especialidad, contribuye al logro del perfil de egreso, específicamente a la(s) competencia(s):
- Resolución de problemas con rigor científico: (RESPRO) Reconoce, distingue, analiza y contextualiza la
problemática surgida de lo que investiga, de lo que le plantea el entorno tanto humano, familiar como
social; luego, elabora teorías que planteen soluciones innovadoras, con rigor científico y criterio ético, que
se concreten en acciones de mejora.
- Responsabilidad con el entorno social y ambiental: (RESAMB) Conoce e identifica problemas del entorno
social y ambiental para establecer, con criterio científico y ético, planes de acción que impacten
positivamente en la sociedad y en el ambiente, que sean continuamente evaluados y fomenten el
desarrollo sostenible.
- CE3: Desarrollar software que brinde soporte a los procesos organizacionales y la toma de decisiones,
mediante la aplicación de estándares de calidad, modelos, metodologías y herramientas modernas, en
consideración a las normativas vigentes.
3.2 Logro(s) de la asignatura
Desarrolla sistemas inteligentes basados en lógica difusa, algoritmos genéticos y redes neuronales, en
base a problemas complejos de ingeniería.
IV. UNIDADES DIDÁCTICAS
Unidad didáctica N° 01: Sistemas Inteligentes usando Lógica Difusa
Resultado de aprendizaje N° 01 (RA1):

Desarrolla un sistema inteligente mediante el uso de la lógica difusa y en relación a un Contenidos
problema complejo propuesto.
RA1 = IND1(0.30) + IND2(0.70)
Indicadores Evaluación
1.1 Exposición del Silabo.
1.2 Evaluación diagnóstica.
Descripción Peso Evidencia Peso Instrumentos 1.3 Introducción al curso
1.4 Sistemas inteligentes, Definición,
1.5 Fundamentos.
IND1: Define los 1.6 Arquitectura, Componentes
Prom.
conceptos de Sistemas 30.00 Trabajo Colaborativo 1. Simple Cuestionario 1.7 Tipos de inferencia.
inteligentes. 1.8 Lógica Difusa: Definición.
1.9 Población y Universo.
1.10 Algoritmo Difuso.
IND2: Construye un Trabajo de Laboratorio 40.00 Resolución de 1.11 Aplicaciones y casos desarrollados de
sistema inteligente 1. Probemas lógica difusa (Parte 1).
difuso en base a 70.00 1.12 Aplicaciones y casos desarrollados de
problemas complejos lógica difusa (Parte 2-3).
propuestos. Practica Calificada 1 60.00 Rubrica
Unidad didáctica N° 02: Sistemas inteligentes usando Algoritmos genéticos.

Desarrolla un sistema inteligente mediante el uso de algoritmos genéticos y en relación a Contenidos
un problema complejo propuesto.
RA2 = IND3(0.30) + IND4(0.70)
Descripción Peso Evidencia Peso Instrumentos 2.1 Algoritmos genéticos: Definición.

2.2 Algoritmo principal.
2.3 Cromosoma y Población.
IND3: Formaliza una 2.4 Cruzamiento y mutación
Prom. 2.5 Condición de parada del algoritmo.
solución basada en 30.00 Trabajo Colaborativo 2. Simple Cuestionario
algoritmos genéticos. 2.6 Inteligencia en un algoritmo genético.
2.7 Aplicaciones y casos desarrollados de
algoritmos genéticos (parte 1).
IND4: Construye un Trabajo de Laboratorio Resolución de 2.8 Aplicaciones y casos desarrollados de
40.00 algoritmos genéticos (parte 2).
sistema inteligente a 2 Probemas
través de algoritmos 2.9 Aplicaciones y casos desarrollados de
70.00 algoritmos genéticos (parte 3).
genéticos y en relación
a problemas Practica Calificada 2 60.00 Rubrica
complejos propuestos
Unidad didáctica N° 03: Sistemas inteligentes usando Redes Neuronales Artificiales.

Desarrolla un sistema inteligente mediante el uso de redes neuronales artificiales y en Contenidos
relación a un problema complejo propuesto.
RA3 = IND5(0.30) + IND6(0.70)
Descripción Peso Evidencia Peso Instrumentos
IND5: Explica cuando

usar un sistema 3.1 Redes Neuronales: Definición.
Prom.
inteligente mediante 30.00 Trabajo Colaborativo 3. Simple Cuestionario 3.2 Tipos de entrenamiento.
redes neuronales 3.3 Algoritmos de entrenamiento.
artificiales. 3.4 Aplicaciones y casos desarrollados de
Redes Neuronales
3.5 Introducción a Redes Neuronales con
IND6: Construye un Trabajo de Laboratorio Resolución de tensorflow, pytorch.
40.00
sistema inteligente 3 Probemas
mediante el uso de
redes neuronales 70.00
artificiales y en relación
a un problema Practica Calificada 3 60.00 Rubrica
complejo propuesto.
V. ESTRATEGIAS DIDÁCTICAS
Para el desarrollo de la asignatura se emplearán las siguientes estrategias didácticas:
• Conferencia:
Es la presentación de un tema lógicamente estructurado por el cual el docente, valiéndose de todos los
recursos de un lenguaje didáctico adecuado, presenta a los alumnos un tema nuevo, definiéndolo,
analizándolo y explicándolo.
• Taller :
Permite la aplicación práctica de la materia, mediante la resolución de ejercicios, problemas o casos
planteados, solicitando a los estudiantes que desarrollen soluciones mediante la ejercitación de rutinas, la
aplicación de procedimientos y la interpretación de los resultados.
Se empleará para ello lenguajes de programación Python, Aplicación Jupyter Notebook gestionada a
través de la distribución Anaconda, tareas en el aula virtual USAT.
VI. EVALUACIÓN
6.1 Criterios de evaluación
La calificación para todas las asignaturas, se realizará en la escala vigesimal, es decir, de cero (00) a veinte
(20). La nota aprobatoria mínima es catorce (14).
La evaluación será formativa y sumativa, se aplicará evaluaciones de entrada y de salida, considerando las
evidencias (por ejemplo informes, exposiciones sobre textos académicos) e instrumentos que se
emplearán para la evaluación de cada una de ellas. Por ejemplo: listas de cotejo, escalas estimativas,
rúbricas, pruebas de ensayo etc.
Normatividad:
- El tiempo de tolerancia para el ingreso a las sesiones de clases es de 10 minutos.
- La asistencia a clases es obligatoria y responsabilidad del estudiante, la misma que será registrada por
el docente en cada sesión en el aula virtual.
- Para justificar la inasistencia, el estudiante deberá presentar una solicitud virtual dirigida al Director de
Escuela, dentro de los dos (2) días hábiles siguientes de ocurrida la inasistencia.
- De proceder la justificación, el Director de Escuela comunica al docente de la asignatura a la que no

asistió el estudiante, para conocimiento. El docente de la asignatura consignará este hecho como
inasistencia justificada, de acuerdo a lo estipulado en el sílabo.
- El límite de inasistencias justificadas acumuladas es del 30 %. La justificación de la inasistencia no

otorga derecho al estudiante de recuperar las clases perdidas. Respecto a las evaluaciones que no pudo
rendir y que estuvieron programadas en la fecha que no asistió, estas serán reprogramadas.
- La comprobación de todo tipo o intento de fraude en cualquier forma de evaluación será considerada
falta grave, se registrará la calificación de cero (00) en la evaluación respectiva. El docente deberá
informar este hecho al Director de Escuela para el inicio de las acciones disciplinarias correspondientes.
6.2 Sistema de calificación
Fórmula para la obtención de la nota de resultado de aprendizaje (RA)
RA = promedio (Calificaciones obtenidas en sus indicadores)
Unidad(es) en la(s) N° de
Evaluación Peso
que se trabaja evaluaciones
Resultado de aprendizaje N° 01 (RA1) I 0.40 03
Resultado de aprendizaje N° 02 (RA2) II 0.30 03
Resultado de aprendizaje N° 03 (RA3) III 0.30 03
Total de evaluaciones programadas 09
Fórmula para la obtención de la nota final de la asignatura (NF)
NF = RA1(0.40) + RA2(0.30) + RA3(0.30)
VII. REFERENCIAS
7.1 Referencias USAT

• Cruz, Pedro Ponce. Inteligencia artificial con aplicaciones a la ingeniería. Alfaomega, 2011.
• García Serrano, A. Inteligencia artificial: fundamentos, práctica y aplicaciones. 2a ed. México, D. C.
Alfaomega, 2017. 285 p.
• García, Julio J. Rubio, Pedro R. Muro Medrano, and Jose A. Bañares Bañares. "Inteligencia Artificial e
Ingeniería del Conocimiento I." Zaragoza: Departamento de Informática e Ingeniería de Sistemas (1998).
• Giarratano, J. Sistemas expertos: principios y programación. 3a. ed. México, D.F. International Thomson,
2001. 596 p.
• Hilera, J. Redes Neuronales Artificiales: Fundamentos, modelos y aplicaciones.: AlfaOmega. Colombia,
2000.
• Méndez, José Palma, and Roque Marín Morales. "Inteligencia artificial." Métodos, técnicas y (2008).
• Ponce Cruz, P. Inteligencia artificial con aplicaciones a la ingeniería. Mexico, D. F. Alfaomega, 2010. 348 p.
• Russel, S., & Norvig, P. (2013). Artificial intelligence: a modern approach. London: Pearson Education
Limited
• Sell P, Sistemas expertos para principiantes. Grupo Noriega Editores, México, 1993.
7.2 Referencias complementarias
• Nilsson, J. Inteligencia artificial: una nueva síntesis. McGraw-Hill Interamericana, España, 2000.
• Palma Méndez, J. Inteligencia artificial: métodos, técnicas y aplicaciones. McGraw-Hill Interamericana,
España 2008.
• ACOSTA, Adan, et al. "Nuevas tecnologías como factor de cambio ante los retos de la inteligencia
artificial y la sociedad del conocimiento." Revista ESPACIOS 41.05 (2020). Recuperado de:
http://www.revistaespacios.com/a20v41n05/20410525.html
• Márquez Díaz, Jairo. "Inteligencia artificial y Big Data como soluciones frente a la COVID-19." Revista de
Bioética y Derecho 50 (2020): 315-331. Recuperado de:
http://scielo.isciii.es/scielo.php?pid=S1886-58872020000300019&script=sci_arttext&tlng=pt
• Salvador, Víctor Lope, Xhevrie Mamaqi, and Francisco Javier Vidal Bordes. "La Inteligencia Artificial:
desafíos teóricos, formativos y comunicativos de la datificación." Icono14 18.1 (2020): 58-88. Recuperado
de:
https://dialnet.unirioja.es/servlet/articulo?codigo=7305479
7.3 Investigaciones de docentes
VIII. PROGRAMACIÓN DE ACTIVIDADES

Unidad didáctica N° 01: Sistemas Inteligentes usando Lógica Difusa
Sesión Contenidos Actividades Evaluaciones

(N° / dd-mm)
1 / 29 de marzo 1.1 Exposición del Silabo. • • Del docente:- Expone los

1.2 Evaluación diagnóstica. contenidos de la sesión.- Desarrolla
1.3 Introducción al curso ejemplos relacionados con los
1.4 Sistemas inteligentes, Definición,
1.5 Fundamentos. contenidos.- Propone ejercicios para
1.6 Arquitectura, Componentes que diseñen algoritmos y desarrollen
1.7 Tipos de inferencia. programas por medio de un taller.•
Del estudiante:- Diseña algoritmos y
desarrolla programas para dar
solución a los ejercicios propuestos
utilizando en lenguajes de
programación Python, Aplicación
Jupyter Notebook gestionada a
través de la distribución Anaconda.-
Formula consultas y/o interrogantes
sobre el desarrollo de los temas
tratados.
2 / 5 de abril 1.8 Lógica Difusa: Definición. • • Del docente:- Expone los • Trabajo
1.9 Población y Universo. contenidos de la sesión.- Desarrolla Colaborativo 1.
1.10 Algoritmo Difuso. ejemplos relacionados con los (Cuestionario)
contenidos.- Propone ejercicios para
que diseñen algoritmos y desarrollen
programas por medio de un taller.•
tratados.• Evaluación sumativa:El
estudiante diseña algoritmos y
desarrolla programas utilizando
lógica difusa. Es evaluado con el
cuestionario relacionado al trabajo.
3 / 12 de abril 1.11 Aplicaciones y casos desarrollados de lógica • • Del docente:- Expone los
difusa (Parte 1). contenidos de la sesión.- Desarrolla
ejemplos relacionados con los
tratados.
4 / 19 de abril 1.12 Aplicaciones y casos desarrollados de lógica • • Del docente:- Expone los • Trabajo de
difusa (Parte 2-3). contenidos de la sesión.- Desarrolla Laboratorio 1.
ejemplos relacionados con los (Resolución de
contenidos.- Propone ejercicios para Probemas)
que diseñen algoritmos y desarrollen • Practica
programas por medio de un taller.• Calificada 1
Del estudiante:- Diseña algoritmos y (Rubrica)
algoritmos de lógica difusa. Es
evaluado con la resolución
problemas planteados.
Unidad didáctica N° 02: Sistemas inteligentes usando Algoritmos genéticos.

(N° / dd-mm)
5 / 26 de abril 2.1 Algoritmos genéticos: Definición. • • Del docente:- Expone los

2.2 Algoritmo principal. contenidos de la sesión.- Desarrolla
tratados.
6 / 3 de mayo 2.3 Cromosoma y Población. • • Del docente:- Expone los • Trabajo

2.4 Cruzamiento y mutación contenidos de la sesión.- Desarrolla Colaborativo 2.
2.5 Condición de parada del algoritmo. ejemplos relacionados con los (Cuestionario)
2.6 Inteligencia en un algoritmo genético.
tratados.
7 / 10 de mayo 2.7 Aplicaciones y casos desarrollados de • • Del docente:- Expone los

algoritmos genéticos (parte 1). contenidos de la sesión.- Desarrolla
tratados.
8 / 17 de mayo 2.8 Aplicaciones y casos desarrollados de • • Del docente:- Expone los

algoritmos genéticos (parte 2). contenidos de la sesión.- Desarrolla
tratados.
9 / 24 de mayo 2.9 Aplicaciones y casos desarrollados de • • Del docente:- Expone los • Trabajo de
algoritmos genéticos (parte 3). contenidos de la sesión.- Desarrolla Laboratorio 2
contenidos.- Propone ejercicios para Probemas)
funcionalidades de algoritmos
genéticos. Es evaluado con el
cuestionario relacionado a la
practica.
Unidad didáctica N° 03: Sistemas inteligentes usando Redes Neuronales Artificiales.

(N° / dd-mm)
10 / 31 de mayo 3.1 Redes Neuronales: Definición. • • Del docente:- Expone los

3.2 Tipos de entrenamiento. contenidos de la sesión.- Desarrolla
11 / 7 de junio contenidos.- Propone ejercicios para
tratados.
12 / 14 de junio 3.3 Algoritmos de entrenamiento. • • Del docente:- Expone los • Trabajo

contenidos de la sesión.- Desarrolla Colaborativo 3.
ejemplos relacionados con los (Cuestionario)
tratados.
13 / 21 de junio 3.4 Aplicaciones y casos desarrollados de Redes • • Del docente:- Expone los
Neuronales contenidos de la sesión.- Desarrolla
14 / 28 de junio contenidos.- Propone ejercicios para
tratados.
15 / 5 de julio 3.5 Introducción a Redes Neuronales con • • Del docente:- Expone los • Trabajo de
tensorflow, pytorch. contenidos de la sesión.- Desarrolla Laboratorio 3
16 / 12 de julio contenidos.- Propone ejercicios para Probemas)
funcionalidades de redes neuronales
artificiales. Es evaluado con el
cuestionario relacionado a la
practica.

Silabo 2023-I Desarrollo de Sistemas Inteligentes A

Cargado por

Copyright:

Formatos disponibles

Silabo 2023-I Desarrollo de Sistemas Inteligentes A

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Silabo 2023-I Desarrollo de Sistemas Inteligentes A

Cargado por

Copyright:

Formatos disponibles

SISTEMA DE GESTIÓN DE LA CALIDAD

PROGRAMA DE ESTUDIOS DE INGENIERÍA DE SISTEMAS Y COMPUTACIÓN

SÍLABO DE DESARROLLO DE SISTEMAS INTELIGENTES

1.1 Asignatura: DESARROLLO DE SISTEMAS INTELIGENTES

1.2 Código: 1207701000IN

1.3 Ciclo del plan de estudios: VII

1.5 Tipo de asignatura: (X) Obligatorio ( ) Electivo

1.6 Prerrequisito: INTELIGENCIA ARTIFICIAL

1.7 Número de horas semanales: N° de horas prácticas: 4

1.8 Duración: Del (27/03) al (15/07/2023)

1.9 Semestre académico: 2023-I

1.10 Grupo Horario: A

MARLON EUGENIO VILCHEZ RIVAS

MARIANA CHAVARRY CHANKAY

La asignatura de Desarrollo de sistemas inteligentes corresponde al área de formación especializada y

3.1 Competencia(s) de perfil de egreso

La asignatura DESARROLLO DE SISTEMAS INTELIGENTES, que corresponde al área de estudios de

3.2 Logro(s) de la asignatura

IV. UNIDADES DIDÁCTICAS

Unidad didáctica N° 01: Sistemas Inteligentes usando Lógica Difusa

Resultado de aprendizaje N° 01 (RA1):

Resultado de aprendizaje N° 02 (RA2):

Descripción Peso Evidencia Peso Instrumentos 2.1 Algoritmos genéticos: Definición.

Unidad didáctica N° 03: Sistemas inteligentes usando Redes Neuronales Artificiales.

Resultado de aprendizaje N° 03 (RA3):

Descripción Peso Evidencia Peso Instrumentos

IND5: Explica cuando

Para el desarrollo de la asignatura se emplearán las siguientes estrategias didácticas:

- El tiempo de tolerancia para el ingreso a las sesiones de clases es de 10 minutos.

- De proceder la justificación, el Director de Escuela comunica al docente de la asignatura a la que no

- El límite de inasistencias justificadas acumuladas es del 30 %. La justificación de la inasistencia no

6.2 Sistema de calificación

Fórmula para la obtención de la nota de resultado de aprendizaje (RA)

RA = promedio (Calificaciones obtenidas en sus indicadores)

Resultado de aprendizaje N° 01 (RA1) I 0.40 03

Resultado de aprendizaje N° 02 (RA2) II 0.30 03

Resultado de aprendizaje N° 03 (RA3) III 0.30 03

Total de evaluaciones programadas 09

Fórmula para la obtención de la nota final de la asignatura (NF)

NF = RA1(0.40) + RA2(0.30) + RA3(0.30)

7.1 Referencias USAT

7.2 Referencias complementarias

7.3 Investigaciones de docentes

VIII. PROGRAMACIÓN DE ACTIVIDADES

Sesión Contenidos Actividades Evaluaciones

1 / 29 de marzo 1.1 Exposición del Silabo. • • Del docente:- Expone los

Sesión Contenidos Actividades Evaluaciones

5 / 26 de abril 2.1 Algoritmos genéticos: Definición. • • Del docente:- Expone los

6 / 3 de mayo 2.3 Cromosoma y Población. • • Del docente:- Expone los • Trabajo

7 / 10 de mayo 2.7 Aplicaciones y casos desarrollados de • • Del docente:- Expone los

8 / 17 de mayo 2.8 Aplicaciones y casos desarrollados de • • Del docente:- Expone los

Sesión Contenidos Actividades Evaluaciones

10 / 31 de mayo 3.1 Redes Neuronales: Definición. • • Del docente:- Expone los

12 / 14 de junio 3.3 Algoritmos de entrenamiento. • • Del docente:- Expone los • Trabajo

También podría gustarte