Overview
Class Central Tips
El razonamiento formal juega un papel importante en la inteligencia artificial. Hay dos maneras principales de formalizar razonamiento: una que enfatiza la deducción (lógica), y otra que enfatiza la incertidumbre (teoría de la probabilidad). En este curso vamos a cubrir una introducción tanto a la lógica (vamos a cubrir tres lógicas) como a la teoría de la probabilidad (vamos a cubrir tres modelos gráficos probabilísticos).
Algunas tareas requieren programación básica en Python: El alumno deberá completar código al que se le ha eliminado una parte.
Syllabus
- Lógica proposicional
- En este módulo de razonamiento lógico podrás familiarizarte con la lógica proposicional. Verás una primera manera de formalizar razonamiento y los problemas NP-completos, que son arquetípicos en inteligencia artificial.
- Lógica proposicional parte 2
- En este módulo de razonamiento lógico podrás familiarizarte con la lógica proposicional. Verás una primera manera de formalizar razonamiento y los problemas NP-completos, que son arquetípicos en inteligencia artificial.
- Lógica temporal y Lógica de predicados
- En este módulo de razonamiento lógico podrás familiarizarte con la lógica temporal para entender los conceptos básicos de los "verificadores de modelos" y con la lógica de predicados para sentar las bases de varias técnicas de inteligencia artificial.
- Teoría de la probabilidad
- En este módulo de razonamiento probabilístico estarás familiarizado con dos modelos gráficos probabilísticos: las redes bayesianas y las cadenas de Markov.
- Teoría de la probabilidad (parte 2)
- En este módulo de razonamiento probabilístico estarás familiarizado con un modelo gráfico probabilístico: los procesos de decisión de Markov.
- Teoría de la probabilidad (parte 3)
- En este módulo de razonamiento probabilístico estarás familiarizado con un modelo gráfico probabilístico: los procesos de decisión de Markov.
Taught by
David Rosenblueth