Programa Asignatura Unidad Académica Responsable: Departamento de Informática y Ciencias de la Computación CARRERA a las que se imparte: Ingeniería Civil Informática I.- IDENTIFICACION Nombre: Representación del Conocimiento Código: 503568 Créditos: 4 Prerrequisitos: Modalidad: presencial Calidad: obligatorio Semestre en el plan de estudios: Trabajo Académico Horas Teóricas: 3 Horas Prácticas: 2 Horas de otras actividades 8

Créditos SCT: 7 Duración: semestral

Horas Laboratorio:

II.- DESCRIPCION Este curso es una introducción a técnicas y metodología avanzadas en la representación del conocimiento, poniendo especial énfasis en representación usando variantes de la lógica clásica: lógicas descriptivas, lógicas no-monótonas, lógica difusa, etc., así como también, el uso de estas bases de conocimiento mediante lenguajes de consulta, razonamiento automático (demostradores de teoremas, verificadores de modelos, tablas semánticas, etc.). Se analizarán diferentes implementaciones que ayudan a crear, consultar y trabajar con bases de conocimiento y de las diferentes aplicaciones prácticas de estas tecnologías. Conocimientos básicos de lógica son necesarios para tomar este curso. Esta asignatura contribuye con las siguientes competencias del perfil de egreso:   

Aplicar principios de matemáticas, ciencias de la ingeniería y ciencias de la computación, a problemas de ingeniería informática. Comprender, desenvolverse y comunicarse efectivamente en los ambientes laborales delimitados por la responsabilidad profesional y ética. Involucrarse en procesos de auto-aprendizaje continuo que le permita adaptarse a la evolución de la teoría y tecnología.

III.- RESULTADOS DE APRENDIZAJE ESPERADOS Al finalizar el curso los alumnos deben ser capaces de: 1. Formalizar y representar conocimiento en lógicas proposicional, de primer orden, descriptiva, y no-monotonicas y difusas. 2. Razonar con estas lógicas. 3. Describir aplicaciones de estas lógicas de representación del conocimiento en distintas áreas de informática como inteligencia artificial y bases de datos.

4.

Utilizar sistemas de razonamiento automático (como Otter, DLV, Pellet, FaCt++).

IV.- CONTENIDOS 1. 2. 3. 4. 5. 6. 7. 8.

Introducción: aplicaciones de representación del conocimiento Repaso de Lógica proposicional y de primer orden: lenguaje, semántica, consecuencia lógica y razonamiento automático Razonamiento y lógicas no-monótonas Razonamiento abductivo y diagnostico automático Lógica descriptivas Revisión de creencias Razonamiento probabilístico Lógica difusa

V.- METODOLOGIA El curso contará con clases teóricas y prácticas. El alumno deberá tener una participación activa dentro del curso a través de trabajos prácticos y discusión de materiales. VI.- EVALUACION La asignatura consta de al menos tres evaluaciones usando alguna(s) de las siguiente(s) modalidades: evaluaciones escritas, tareas y proyectos. VII.- BIBLIOGRAFIA Y MATERIAL DE APOYO Básicos:  

Ronald Brachman and Hector Levesque. “Knowledge Representation and Reasoning”. Morgan Kauffmann Publishers, 2004. 413 pp., ISBN-13 978-1-55860932-7, ISBN-10 1-55860-932-6. Frank van Harmelen, Vladimir Lifschitz and Bruce Porter (Eds.). Handbook of Knowledge Representation, Volume 1. Elsevier, 2008. 1034 pp., ISBN-13 978-0-44452211-5, ISBN-10 0-444-52211-5.