2.1.15 AI/Representación Lógica y Razonamiento

Temas:
Non Core

Aprendizaje esperado (Learning Outcomes):
NonCore:

  1. Traducir una oración en lenguaje natural (por ejemplo, inglés) a una declaración de lógica de predicados [Aplicar]
  2. Convertir una declaración lógica a forma causal [Aplicar]
  3. Aplicar resolución a un conjunto de declaraciones lógicas para responder a una consulta [Aplicar]
  4. Comparar y contrastar los modelos más comunes utilizados para la representación estructurada del conocimiento, destacando sus fortalezas y debilidades [Evaluar]
  5. Identificar los componentes del razonamiento no monótono y su utilidad como mecanismo representacional para sistemas de creencias [Evaluar]
  6. Comparar y contrastar las técnicas básicas para representar la incertidumbre [Evaluar]
  7. Comparar y contrastar las técnicas básicas para la representación cualitativa [Evaluar]
  8. Aplicar cálculo de situaciones y eventos a problemas de acción y cambio [Aplicar]
  9. Explicar la distinción entre razonamiento temporal y espacial, y cómo se interrelacionan [Explicar]
  10. Explicar la diferencia entre técnicas de razonamiento basadas en reglas, basadas en casos y basadas en modelos [Explicar]
  11. Definir el concepto de un sistema de planificación y cómo difiere de las técnicas de búsqueda clásicas [Definir]
  12. Describir las diferencias entre planificación como búsqueda, planificación basada en operadores y planificación proposicional, proporcionando ejemplos de dominios donde cada una es más aplicable [Describir]
  13. Explicar la distinción entre inferencia monótona y no monótona [Explicar]

Generado por Ernesto Cuadros-Vargas , Sociedad Peruana de Computación-Peru, basado en el modelo de la Computing Curricula de IEEE-CS/ACM