INTRODUCCIÓN
Este es un ejercicio realizado en clase el día 17 de junio del 2014 el cual consistía en hacer un árbol genealógico de cada estudiante aquí un ejemplo pequeño.
BASE DE CONOCIMIENTO
padre(ramon,jose).
padre(ramon,merly).
padre(ramon,maria).
padre(ramon,ulbio).
padre(jose,jesus).
padre(jose,matias).
REGLAS
hermano(X,Y):-padre(Z,X),padre(Z,Y).
abuelo(Z,Y):-padre(Z,y),padre(X,Y).
primo(X,Y):-hermano(A,B), padre(A,X), padre(B,Y).
jueves, 17 de julio de 2014
TEMA 3: Búsqueda con Información Parcial
19 DE JUNIO DE 2014
INTRODUCCIÓN
En los temas anteriores asumimos que el entorno
es totalmente observable y determinista y que el agente conoce cuales son los
efectos de cada acción. Por lo tanto, el agente puede calcular exactamente cuál
es el estado resultado de cualquier secuencia de acciones y siempre sabe en qué
estado está. Su percepción no proporciona ninguna nueva información después de
cada acción. ¿Qué pasa cuando el conocimiento de los estados o acciones es
incompleto? Encontramos que diversos tipos de factores incompletos conducen a tipos de problemas distintos;
El objetivo de esta clase es poder diferenciar en que campos son aplicables estos métodos de búsqueda y sus debilidades ante situaciones que puedan presentarse en el mundo real.DESARROLLO
Búsqueda con información parcial
1.
Problemas sin sensores (también llamados problemas
conformados): si
el
agente no tiene ningún sensor, entonces (por lo que
sabe) podría estar en uno de
los posibles estados iniciales, y cada acción por lo tanto podría
conducir a uno
de los
posibles estados sucesores.
Para resolver problemas sin sensores, buscamos en el espacio de estados de creencia
mas que en los estados físicos. El estado inicial es un estado de creencia, y cada acción
aplica un estado de creencia en otro estado de creencia. Una acción se aplica a un estado
de creencia uniendo los resultados de aplicar la acción a cada estado físico del estado de
creencia. Un camino une varios estados de creencia, y una solución es ahora un camino
que conduce a un estado de creencia, todos de cuyos miembros son estados objetivo.
Problemas de
contingencia: si
el entorno es parcialmente observable o si las acciones son inciertas, entonces
las percepciones del agente proporcionan nueva información después de cada acción.
Cada percepción posible define una contingencia que debe de planearse. A un
problema se le llama entre adversarios si la incertidumbre está causada por las acciones de
otro agente.
Los problemas de contingencia a a menudo permiten soluciones puramente secuenciales, por ejemplo, considere el mundo de la ley de Murphy totalmente absoluto, las contingencias surgen cuando el agente realiza una acción, ejemplo aspirar, caminar, o otra acción para el cual el agente esta destinado.
Conclusiones
- En los problemas sin sensores, no hay ningún sensor que nos diga en que estado nos
- encontramos,Por lo tanto, no conocemos el estado inicial, lo que se supone es, que a determinado aperador le corresponde determinada acción.
- El problema de contingencia en un agente se encontrará en una secuencia fija de acciones es garantizar la solución de un problema, par es a esto necesario utilizar una especie de “sensor” durante la fase de ejecución por lo cual el agente calcula un árbol de acciones.
Bibliobrafia
˜Russell,
S. Norvig, P. 2004.
INTELIGENCIA A HTXFKCIAI, UN ENFOQIJE MUDERNO.2 ed. PEARSON EDUCACIONS,.S A. Formato PDF. Pag.
67-88.
Leer más: http://www.monografias.com/trabajos97/sobre-inteligencia-artificial/sobre-inteligencia-artificial.shtml#bibliograa#ixzz39q6S0KvR
http://www.slideshare.net/uni_fcys_sistemas/inteligencia-artificial-en-las-industrias (Autor: Chavez, Ariel. Tomado el 10/04/2013)
http://www.slideshare.net/uni_fcys_sistemas/la-i-a-en-la-agricultura (Autores: Ayestas, Carlos. Sarantez, Eddy. Tomado el 10/04/2013)
Leer más: http://www.monografias.com/trabajos97/sobre-inteligencia-artificial/sobre-inteligencia-artificial.shtml#bibliograa#ixzz39q6S0KvR
TEMA 2: ESTRATEGIAS DE BÚSQUEDA NO INFORMADA
5 DE JUNIO 2014
ESTRATEGIAS DE BÚSQUEDA NO INFORMADA
INTRODUCCIÓN
.jpg)
ESTRATEGIAS DE BÚSQUEDA NO INFORMADA
INTRODUCCIÓN
El término significa que ellas no tienen información adicional acerca
de los estados más allá de la que
proporciona la definición del problema
dado que
ellas pueden hacer es generar
los
sucesores y distinguir
entre un estado
objetivo
de uno que no lo es. Las estrategias que saben
si un estado no objetivo
es <es mas prometedor> que otro se llaman búsqueda informada o BÚSQUEDA heurística; Todas las estrategias se distinguen por
el
orden de expansión de los nodos.
Búsqueda
primero en anchura
˜La
búsqueda primero en anchura
se puede
implementar Llamando a
la BÚSQUEDA-ARBOLES con una
frontera vacía que
sea una cola primero en entrar primero en salir-(FIFO),
asegurando que los
nodos primeros
visitados serán los primeros expandidos.
Evaluación de la Eficiencia
1. No es completo, pues si entra en una rama infinita, el algoritmo no termina nunca.
2. No es optimo, pues devuelve la primera solución que encuentra, que no tiene por que ser la optima.
3. Complejidad en tiempo: O(bm)
4. Complejidad en espacio: O(bm) si para cada nodo expandimos todos sus descendientes o O(m) si expandimos los nodos uno a uno.
Búsqueda
primero en profundidad
˜La
búsqueda
primero en profundidad siempre expande
el nodo
mas
profundo en la
frontera actual del Árbol
de búsqueda.
˜Esta
estrategia puede implementarse por
la BÚSQUEDA-ARBOLES por una cola
ultimo en entrar primero en
salir (LIFO), también conocida como
una pila.
Evaluación de la Eficiencia
1. No es completo, pues si entra en una rama infinita, el algoritmo no termina nunca.
2. No es optimo, pues devuelve la primera solución que encuentra, que no tiene por que ser la optima.
3. Complejidad en tiempo: O(b m)
4. Complejidad en espacio: O(bm) si para cada nodo expandimos todos sus descendientes o O(m) si expandimos los nodos uno a uno.
Búsqueda de Costo Uniforme
Para cada nodo j se tiene su costo asociado desde el nodo inicial hasta dicho nodo j, calculado como
g(j) = g(i) + C[i, j] donde C[i, j] es el costo de aplicar un operador para pasar del nodo i al j.
Ahora la frontera es una cola ordenada seg ́n el coste, de menor a mayor. Por lo tanto, antes de llegar a la solución se estudiaran todos los nodos con menor coste que los nodos del camino optimo.
Evaluación de la Eficiencia
1. Es completo siempre que los costes sean positivos (en caso contrario el algoritmo podría quedar en un bucle infinito, pues el costo del camino sera cada vez menor).
2. Complejidad en tiempo y espacio.
Sea c∗ el costo de la solución optima y sean todos los costos ci ≥ ε > 0. As ́ la complejidad en tiempo y espacio ∈ O (b(c*/ε ))
CONCLUSIONES
Los métodos de búsqueda no informada son esenciales cuando no se tiene idea de una solución a determinados problemas, en los que solo se tiene una información básica de parámetros que se le da al agente como conocimiento inicial.
El escoger un método dependerá de las condiciones del problema ya que cada uno tiene sus beneficios como desventajas.
BIBLIOGRAFIA
˜Russell,
S. Norvig, P. 2004.
INTELIGENCIA A HTXFKCIAI, UN ENFOQIJE MUDERNO.2 ed. PEARSON EDUCACIONS,.S A. Formato PDF. Pag.
67-88.
miércoles, 16 de julio de 2014
TEMA 1: AGENTES QUE PLANIFICAN
22 DE MAYO 2014
INTRODUCCIÓN
El objetivo de esta unidad
es tratar de entender cómo funcionan los agentes resolventes de problemas en
donde veremos como un agente puede encontrar una secuencia de acciones para
alcanzar un objetivo, cuando ninguna acción simple lo hará. Los agentes más simples
vistos en el capítulo anterior fueron agentes reactivos los cuales sus acciones están basadas a una
acción directa. En esta parte los agentes basados en objetivos pueden tener
éxito considerando las acciones de sus resultados.
En esta unidad trataremos
los siguientes temas como son agente que planifican, estrategias de búsqueda
informada, y búsqueda con información parcial, que utilizan
Una secuencia llamada
búsqueda que no es mas que un algoritmo que toma como entrada un problema y
devuelve una solución de la forma de secuencia de acciones.
DESARROLLO
Agente Resolvente-Problemas.
Los agentes resolventes-problemas deciden qué hacer para encontrar secuencias de acciones que conduzcan a los estados deseables. Comenzamos definiendo con presicion los elementos que constituyen el «problema» y su <<solución>> Entonces, describimos diferentes algoritmos de propósito general que podamos utilizar para resolver estos problemas y así comparar las ventajas de cada algoritmo. Los algoritmos son no informados, en el sentido que no dan información sobre el problema salvo su definición.
Este capítulo describe una clase de
agente basado en objetivos llamado agente re-solvente-problemas. Los agentes resolventes-problema
deciden qué hacer para encontrar secuencias de acciones que conduzcan a los estados deseables.
RESOLVER PROBLEMAS MEDIANTE BÚSQUEDA
˜Se supone que los agentes inteligente deben maximizar la medida de rendimiento esto puede simplificarse algunas veces si el agente puede elegir un objetivo y trata de satisfacerlo.
EJERCICIO
Imagine
un agente en la ciudad de Calceta,
Manabí, decide disfrutar de un viaje de vacaciones,
la medida de rendimiento
del agente contiene muchos
factores: desea
mejorar su bronceado, tomar fotos, disfrutar
de la vida nocturna
, evitar resacas, etcétera. El problema de decisión es complejo
implica muchos elementos y por eso
lee cuidadosamente las guías
de viaje. Ahora, supongamos
que el agente
tiene un billete no reembolsable para viajar
a Canoa
al día siguiente.
VIAJE A CANOA PLANTEAMIENTO
˜El
agente elija el objetivo de
conseguir Canoa
˜La
formulación
del
objetivo. basado en la situación
actual y la medida de
rendimiento del agente.
˜La
Formulación
del
problema es el proceso de decidir qué
acciones y estados tenemos que
considerar.
PROCESO
˜Este
proceso de hallar esta secuencia se Ilama
búsqueda.
un
algoritmo de búsqueda
toma como entrada un problema
y devuelve
una solución
de la forma secuencia de SOLUCIÓN una
vez que encontramos
una solución,
se procede a ejecutar- las acciones que Ejecución ésta
recomienda. Esta
es la llamada fase de
ejecución. Así.
tenemos un diseño simple de un
agente «formular, buscar,
ejecutar>
DEFINIR BIEN EL PROBLEMA Y POSIBLES SOLUCIONES
q El
estado
inicial en el que
comienza el agente.
q acciones disponibles
por el agente.
q El
test
objetivo, el cual determina si un estado es
un estado objetivo
q Una
función costo
del camino que asigna un costo numérico a cada
camino.
Gráfico de Búsqueda de soluciones
Conclusiones
El objetivo principal de un agente Resolvente-Problemas esta basado en objetivos llamado nodo objetivo, por lo tanto un agentes
resolventes-problema deciden qué hacer para encontrar secuencias de acciones
que conduzcan a los estados deseables, evaluando las acciones que el agente puede realizar.
BIBLIOGRAFÌA
˜Russell,
S. Norvig, P. 2004.
INTELIGENCIA A HTXFKCIAI, UN ENFOQIJE MUDERNO.2 ed. PEARSON EDUCACIONS,.S A. Formato PDF. Pag.
67-88.
RESUMEN BREVE INTELIGENCIA ARTIFICIAL I
INTRODUCCIÓN
En esta parte de este blog vamos a dar un breve repaso de los temas tratados en IA 1 , el objetivo principal es sentar las base de inteligencia artificial para continuar con la segunda parte IA 2.
En esta parte de este blog vamos a dar un breve repaso de los temas tratados en IA 1 , el objetivo principal es sentar las base de inteligencia artificial para continuar con la segunda parte IA 2.
INTELIGENCIA ARTIFICIAL
AGENTE
RACIONAL
Definición
de agente racional
•En
cada
posible secuencia de percepciones , un agente racional deberá aprender aquellas
acciones que supuestamente maximice su medida de rendimiento , basándose en las
evidencias aportadas por la secuencia de percepciones y en el conocimiento que
el agente mantiene almacenado. ( Ruseell,S.
Norvig,
P)
Omnisciencia,
aprendizaje y autonomía
•Omnisciencia:
un agente omnisciente conoce de su acción y actúa de acuerdo con él.•Racionalidad:
un agente racional maximiza el rendimiento esperado.•
Autonomía:
un agente autónomo debe saber aprender a determinar como tiene que compensar el
conocimiento incompleto o parcial inicial que se la dio.
Agentes
planificadores
•Desde
principios
de los ‘70, la comunidad de IA especializada en planificación se ha preocupado
del problema de diseño de agentes artificiales capaces de actuar en un entorno .
•La
planificación se puede ver como una forma de programación
automática:
el diseño de un curso de acción que satisfará un cierto objetivo
•Dentro
de la
IA
simbólica,
se
ha asumido que
algún tipo
de sistema planificador debe formar parte de los componentes centrales de
cualquier agente artificial
•La
idea básica es dotar al agente planificador:
representación del
objetivo a alcanzar
representación de
las acciones que puede realizar
representación del entorno
Capacidad
de
generar un plan
para
alcanzar el objetivo
•Problemas
y soluciones bien definidos
Un problema puede definirse, formalmente, por cuatro componentes:
•El estado inicial en el cual comienza el agente.
•Una descripción de las posibles acciones disponibles por el agente.
•El test objetivo, el cual determina si un estado es un estado objetivo.
•Una función costo del camino que asigna un costo numérico a cada camino.
•El estado inicial en el cual comienza el agente.
•Una descripción de las posibles acciones disponibles por el agente.
•El test objetivo, el cual determina si un estado es un estado objetivo.
•Una función costo del camino que asigna un costo numérico a cada camino.
Formular los problemas
abstracción.
Se le llama al proceso
de
eliminar
detalles de
una representación
Además
de
abstraer la descripción
del
estado, debemos abstraer sus acciones.
Agentes
resolventes-problemas
•Elegir
un
objetivo
•Formulación
del
objetivo.
•Búsqueda
•Solución
•Tase
de
ejecución.
BIBLIOGRAFÌA
•Russell,
S. Norvig,
P. 2004. INTELIGENCIA A HTXFKCIAI, UN
ENFOQIJE MUDERNO.2 ed.
PEARSON EDUCACIONS,.
A. Formato PDF. Pag
42-44.
EJERCICIO
3 DE JUNIO DE 2014
Ejercicio de clases: BUSTE ZAMBRANO JOSE ORLANDO.
Definiciones.
Estado.- Es la
situación en la que el agente se puede
encontrar en los posibles estados del mundo.
Espacio de estados.- son las acciones definidas por las
funciones sucesoras del estado inicial hacia la cada uno de los nodos.
Árbol de búsqueda.-
un árbol de búsqueda es un grafo que define el estado inicial y aquellas
funciones sucesoras que están dentro del problema en forma de nodos hacía una
posible solución.
Nodo de búsqueda.- el
nodo de búsqueda es el nodo raíz donde se encuentra el estado inicial del
problema.
Objetivo.- objetivo es la solución del problema que se
plantea el agente, limita la meta que intenta alcanzar el agente.
Acción.- acción es cada una de las situaciones que puede
realizar el agente.
Función sucesor.- es toda aquella acciones que el agente
puede realizar par a alcanzar la función objetivo.
Factor de ramificación.- es el número máximo de nodo sucesores que puede alcanzar
un grafo.
Función sucesor en términos acciones legales y resultado.
FUNCION-SUCESOR (acción legal[a], sucesor [X])
Función sucesor en términos resultados y acciones legales.
FUNCION-SUCESOR (sucesor [X], acción legal[a])
v
Un espacio de estado finito siempre determina un
árbol de búsqueda finito.
v
Un estado de espacio finito es un árbol siempre
y cuando contengan niveles de profundidad y ramificaciones producidas por los
nodos.
a)
formulación del problema:
Estado: misioneros y caníbales en un lugar
del rio.
Estado inicial: ningún misionero o caníbal
al otro lado del rio.
Función sucesor: pasar un caníbal al otro
lado.
Test objetivo: conseguir que todos estén al
otro lado sin dejar alguna vez a un grupo de misioneros en un lugar excedido en
número por los caníbales.
|
Orilla 0
|
Rio, barco
|
Orilla 1
|
|
mmm, ccc
|
mmm, ccc
|
|
|
Nodo inicial 3c,3m,1
|
Nodo objetivo 0c,0m`,0
|
Búsqueda por profundidad;
………….
No es buena idea comprobar los estados repetidos porque se
volvería un problema muy extenso, pero
garantizaría la optimización de la solución.
c) se nos hace difícil porque estamos adiestrado a pensar de
una manera que descartamos aquellas
posibilidades que a primera vista no presentan la respuesta que buscamos.
Se demuestra que la búsqueda de costo uniforme y la búsqueda
primero en anchura con costos constantes son más óptima cuando se utiliza con
el algoritmo de BUSQUEDA-GRAFOS porque
estas no permiten descartar una solución óptima.
La BUSQUEDA-GRAFOS,
utilizando profundidad interactiva
genera un camino subóptimo al
comprobar si un camino recién descubierto a un nodo es mejor que el
original, de esta manera revisa las profundidades y los costos del camino descendiente de ese nodo.
SILABO
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ
MANUEL FÉLIX LÓPEZ
CARRERA DE INFORMÁTICA
SÍLABO
DEL CURSO
INTELIGENCIA
ARTIFICIAL II (CIENCIAS PROFESIONALIZANTES)
PERIODO
SEMESTRAL: Abril 2014 / Agosto 2014
1. CÓDIGO Y NÚMERO DE CRÉDITOS:
CÓDIGO: II0701
NÚMERO DE CRÉDITOS: 3 créditos
(2 TEORÍA + 1 PRÁCTICA).
SEMESTRE: Séptimo. PARALELO: A
2.
DESCRIPCIÓN
DEL CURSO.
Inteligencia
Artificial II es una materia que permite al estudiante adquirir conocimientos
básicos de estructuras y estrategias de
búsquedas en espacio d estado, técnicas para el desarrollo de juegos
inteligentes, la programación lógica y
su aplicación en la resolución de problemas del mundo real.
3. PRE-REQUISITOS Y CO-REQUISITOS:
PRE-REQUISITO: II0601
INTELIGENCIA ARTIFICIAL I
CO-REQUISITO:
4.
TEXTO Y OTRAS REFERENCIAS REQUERIDAS PARA EL
DICTADO DEL CURSO
TEXTO
GUÍA:
Russell,
S., Norvig, P. 2008. Inteligencia
Artificial Un Enfoque Moderno. Segunda Edición. Pearson Education. España
BIBLIOGRAFÍA
COMPLEMENTARIA
Palma M., José; Marin M. Roque. 2008. Inteligencia artificial, técnicas métodos y aplicaciones. Primera
Edición. Mc Graw Hill. Chile.
Russel , S. 2008. Inteligencia
Artificial Un enfoque moderno. Pearson. España
Vera, H. 2010. Curso de
Inteligencia Artificial. Universidad Nacional Mayor San Marcos, Perú.
Bratko, I. 2011. Prolog Programming for Artificial
Intelligence (International Computer Science Series). Cuarta
Edición. Estados Unidos.
5. OBJETIVOS GENERALES DEL CURSO (RESULTADOS O
LOGROS DE APRENDIZAJE DEL CURSO)
Los estudiantes serán capaces de
demostrar sus conocimientos del contenido de inteligencia artificial II, través
de los siguientes logros:
a. (C4) Asociar los conceptos de teoría
de grafos con un modelo matemático para comprender el funcionamiento básico de las
técnicas de búsquedas de espacios de estado.
b.
(C4) Señalar
las características de los algoritmos búsqueda informada y no informada para entender su funcionamiento.
c.
(C3) Emplear los principales algoritmos de
búsqueda en espacios de estados en la resolución de problemas del mundo real.
d.
(C3) Resolver
problemas de juego humano - máquina a través de técnicas de búsqueda entre
adversarios.
e. (C4) Analizar la teoría que sustenta
la programación lógica mediante PROLOG para en el futuro profundizar en temas
de sistemas inteligentes.
|
TEMÁTICA
|
CONTENIDO
|
HORAS TEÓRICAS
|
HORAS PRÁCTICA
|
TRABAJO AUTÓNOMO
|
LOGRO DE APRENDIZAJE
|
|
TEMA 1: RESOLVER
PROBLEMAS MEDIANTE BÚSQUEDA
|
1.1.
Agentes que planifican.
1.2.
Estrategias de búsqueda no
informada.
1.3.
Búsqueda con información parcial.
|
11
|
6
|
17
|
a,b,c
|
|
TEMA 2: BÚSQUEDA
INFORMADA Y EXPLORACIÓN
|
2.1.
Estrategias de búsqueda informada.
2.2.
Funciones heurísticas.
2.3.
Algoritmo de búsqueda local y
problemas de optimización.
2.4.
Búsqueda local en espacios
continuos.
2.5.
Agentes de búsqueda online y
ambientes desconocidos.
|
9
|
6
|
15
|
b,c
|
|
TEMA 3:
BÚSQUEDA ENTRE ADVERSARIOS.
|
3.1.
Juegos.
3.2.
Decisiones óptimas en juegos.
3.3.
El procedimiento minimax
3.4.
El procedimiento alfa-beta.
3.5.
Decisiones en tiempo real
imperfectas.
|
8
|
4
|
12
|
d
|
|
TEMA 4:
LENGUAJE DE PROGRAMACIÓN PROLOG
|
4.1. Elementos de prolog: And, Or, Not.
4.2.
Sintaxis del Lenguaje de
Programación Prolog.
4.3.
Reglas y Hechos, predicados en
Prolog.
4.4.
Listas. Consultas en Prolog
|
4
|
0
|
4
|
e
|
|
|
TOTAL
|
32
|
16
|
48
|
a, b, c, d, e
|
7. HORARIO DE CLASES.
16 Semanas
por el semestre, más una semana cultural, 3 clases por semana de 60 minutos
cada una.
Martes:
Dos horas de clases en el aula 306. (18h00 a 20h00)
Jueves: Una hora de clases en el aula 305. (18h00 a 19h00)
8. CONTRIBUCIÓN DEL CURSO EN LA FORMACIÓN DEL
INGENIERO EN INFORMÁTICA
|
NÚMERO
|
OBJETIVOS EDUCACIONALES DE LA CARRERA
|
CONTRIBUCIÓN
|
DESCRIPCIÓN
|
|
1
|
Maneja las herramientas de software
de última tecnología en el ámbito de su profesión que se encuentren en el
mercado.
|
Alta
|
El contenido de esta materia aporta en la formación del
Ingeniero en Informática, ya que mediante las estrategias de búsquedas en
espacio de estados se pueden resolver problemas del mundo real, así como la
utilización de algoritmos para el desarrollo de juegos inteligentes.
|
|
2
|
Implementa redes y sistemas de
comunicación con su respectivo soporte.
|
*****
|
|
|
3
|
Brinda mantenimiento preventivo y correctivo
a diferentes equipos y sistemas computacionales en instituciones y empresas
públicas y privadas.
|
*****
|
|
|
4
|
Desarrolla sistemas informáticos de
hardware y/o software para la solución eficiente y eficaz de problemas de
procesamiento automático de datos y de información, en los campos productivos
y de servicios de la región y país con proyección internacional.
|
*****
|
|
|
5
|
Cursa un programa de cuarto nivel en
una de las áreas relacionadas a su formación
|
*****
|
9.
RELACIÓN
DEL CURSO CON EL CRITERIO RESULTADO DE APRENDIZAJE.
|
SIGLAS
|
RESULTADO
|
CONTRIBUCIÓN
|
EL ESTUDIANTE DEBE
|
|
a
|
Aplica procedimientos y funciones
matemáticas y físicos en el diseño,
implementación y mantenimiento de sistemas informáticos; ya sea a nivel de
hardware, software; o como una combinación de ambos.
|
*****
|
*****
|
|
b
|
Participa en proyectos de investigación, innovación o
desarrollo, mediante la experimentación y el análisis e interpretación de
datos y resultados, en el área de informática.
|
*****
|
*****
|
|
c
|
Identifica las necesidades de
sistemas informáticos que permitan automatizar procesos y tareas, para
personas naturales o jurídicas.
|
*****
|
****
|
|
d
|
Desarrolla sistemas de
procesamiento, transmisión de información o automatización, seleccionando el
método de ingeniería y las herramientas más adecuadas de acuerdo a cada caso.
|
Alta
|
c. (C3) Emplear los principales algoritmos de
búsqueda en espacios de estados en la resolución de problemas del mundo real.
|
|
e
|
Maneja adecuadamente las
herramientas informáticas de última generación, para el almacenamiento,
procesamiento, y transmisión de datos
e información.
|
Media
|
****
|
|
f
|
Integra grupos de trabajo
profesional y multidisciplinarios en la solución de problemas relacionados a
su competencia.
|
*****
|
****
|
|
g
|
Demuestra comportamiento ético en su
trabajo, así como conocimientos de la legislación relacionada al campo de
profesión.
|
*****
|
****
|
|
h
|
Comunica efectivamente, de forma
oral, escrita o digital, información sobre su trabajo, en idioma español o en
un idioma extranjero.
|
*****
|
****
|
|
i
|
Participar en actividades de
capacitación, así como cursos de formación continua que le sirvan de actualización profesional
|
*****
|
****
|
|
j
|
Identifica los aspectos actuales de
su entorno, no solo de su profesión sino también en los campos social,
cultural y económico.
|
*****
|
****
|
|
k
|
Transmite los conocimientos y
experiencias profesionales, mediante la enseñanza en capacitación, cursos de
formación o en todo el proceso educativo.
|
*****
|
****
|
10. EVALUACIÓN DEL CURSO.
|
PARÁMETROS
DE EVALUACIÓN
|
TEMÁTICA
|
NÚMERO
DE INSTRUMENTOS DE EVALUACIÓN
|
|
Exposiciones u Otros
|
1,2,3,4
|
4
|
|
Trabajo Grupal
|
1,2,3
|
3
|
|
Trabajo de Investigación
|
1
|
1
|
|
Lecciones Escrita
|
1,2
|
2
|
|
Evaluación final
|
|
1
|
11. RESPONSABLE DE LA ELABORACIÓN DEL SÍLABO Y
FECHA DE PRESENTACIÓN Y REVISIÓN:
|
Docente:
Ing.
Hiraida Santana.
|
Coordinador de Año:
|
Auditor/a (Par Académico):
|
|
Fecha:
Mayo del 2014.
|
Fecha:
|
Fecha:
|
|
Firma:
|
Firma:
|
Firma:
|
Suscribirse a:
Comentarios (Atom)