Silabo 2023-I Desarrollo de Sistemas Inteligentes A
Silabo 2023-I Desarrollo de Sistemas Inteligentes A
Silabo 2023-I Desarrollo de Sistemas Inteligentes A
CÓDIGO: USAT-PM0401-D-01
VERSIÓN: 04
FACULTAD DE INGENIERÍA
I. DATOS INFORMATIVOS
1.4 Créditos: 2
N° de horas teóricas: 0
N° de horas totales: 4
III. COMPETENCIA(S)
Desarrolla sistemas inteligentes basados en lógica difusa, algoritmos genéticos y redes neuronales, en
base a problemas complejos de ingeniería.
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.
Indicadores Evaluación
Indicadores Evaluación
V. 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:
- 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.
- 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.
Unidad(es) en la(s) N° de
Evaluación Peso
que se trabaja evaluaciones
VII. REFERENCIAS
• 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
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.•
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.• 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
contenidos.- Propone ejercicios para
que diseñen algoritmos y desarrollen
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.
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)
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.• Evaluación sumativa:El
estudiante diseña algoritmos y
desarrolla programas utilizando
algoritmos de lógica difusa. Es
evaluado con la resolución
problemas planteados.
Unidad didáctica N° 02: Sistemas inteligentes usando Algoritmos genéticos.
13 / 21 de junio 3.4 Aplicaciones y casos desarrollados de Redes • • Del docente:- Expone los
Neuronales contenidos de la sesión.- Desarrolla
ejemplos relacionados con los
14 / 28 de junio contenidos.- Propone ejercicios para
que diseñen algoritmos y desarrollen
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.
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
ejemplos relacionados con los (Resolución de
16 / 12 de julio contenidos.- Propone ejercicios para Probemas)
que diseñen algoritmos y desarrollen • Practica
programas por medio de un taller.• Calificada 3
Del estudiante:- Diseña algoritmos y (Rubrica)
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.• Evaluación sumativa:El
estudiante diseña algoritmos y
desarrolla programas utilizando
funcionalidades de redes neuronales
artificiales. Es evaluado con el
cuestionario relacionado a la
practica.