leyenda:
RN : Stuart J. Russell and Peter Norvig. Artificial intelligence : a modern approach
ML : Tom Mitchell. Machine Learning.
IAUPC : curso de IA en la UPC
MLUPC : curso de Aprendizaje en la UPC

semana 10 agosto

día 1 : presentación, preliminares e introducción, breve historia de la IA

lectura básica: RN cap 1. Introducción
filminas: usaremos brainstorming on whiteboard, definiciones diversas de IA y las filminas de introducción de IAUPC
para ampliar:

• artículo de la wikipedia sobre IA
  
• what is Artificial Intelligence?
  

día 2 : filosofía, psicología, neurociencia

lectura básica: ensayo de John McCarthy What has AI in common with Philosophy?
filminas: pizarrón
para ampliar:

• 
  
• algunas de las charlas de Aaron Sloman
  
• un fabuloso curso de Psicología Computacional (ojo! es de nivel avanzado, pero comprensible)
  
• artículo de la wikipedia sobre computational neuroscience
  

semana 17 agosto

día 3 : representación del conocimiento: estructuras estáticas (frames, ontologías)

lectura básica: RN cap. 10 Knowledge Representation
lectura alternativa: capítulos 7 a 11 del apunte de IAUPC
filminas: Introducción a la representación del conocimiento, Frames y Ontologías de IAUPC
para ampliar:


semana 24 agosto

día 4 : representación del conocimiento: búsqueda, satisfacción de restricciones

lectura básica: RN Part II Problem Solving
lectura alternativa: Parte I del apunte de IAUPC
filminas: todas de IAUPC: introducción a la búsqueda, búsqueda heurística, búsqueda local, satisfacción de restricciones
para ampliar:

• 
  
• punteros a diversos tipos de búsqueda en el artículo sobre búsqueda de la wikipedia
  
• búsqueda en los AITopics de la AAAI

día 5 : razonamiento lógico

lectura básica: RN Part III
filminas: filminas de UPenn sobre agentes lógicos, métodos de prueba para lógica proposicional y lógica de primer orden
para ampliar:

primera sesión del seminario: ¿hasta dónde puede / debe llegar la Inteligencia Artificial?

sesión práctica 1: ontologías

día viernes 28 de agosto de 11 a 13, lab 30
algunos punteros: representación de un dominio con ontologías



semana 31 agosto

día 6 : razonamiento aproximado

lectura básica: RN Part V
filminas: inferencia en lógica de primer orden, filminas sobre incertidumbre (también pueden ver las filminas sobre métodos probabilísticos y redes bayesianas de IAUPC)
para ampliar:

• el curso Decision Making Under Uncertainty, con una buena selección de materiales, filminas y handouts
  
• una aplicación web para inferir redes bayesianas

día 7 : agentes inteligentes, planificación

atención día martes 1 de septiembre, aula 15
lectura básica: RN cap 2, 11 y 12
filminas: filminas sobre planning y sobre decision making under uncertainty de Fahiem Bacchus, en la Universidad de Toronto
para ampliar: curso sobre planning del ISI

día 8 : agentes inteligentes, planificación: sistemas de diálogo

lectura básica: RN cap 11 y 12
específicamente sobre sistemas de diálogo: capítulo 24, "Dialog and Conversational Agents", dentro de Jurafsky y Martin (2008) Speech and Language Processing, Prentice Hall, o si no también pueden ver el capítulo 17 "Defining a Conversational Agent", dentro de Allen (1995) Natural Language Understanding, Benjamin/Cummings Publishing Company.
filminas: hoy no vamos a usar filminas con proyector, pero sí voy a basar la clase en algunas filminas. Empezaremos con una introducción a los conceptos básicos sobre sistemas de diálogo, luego pasaremos a mostrar un sistema de diálogo basado en la teoría de estado de información, GoDIS, después hablaremos cómo se puede mejorar la aproximación de estados finitos con aprendizaje por refuerzo, y finalmente veremos un ejemplo de sistema de diálogo que funciona como un probador de teoremas, tratando de obtener del usuario la información que le falta para comprobar si un circuito está bien armado.
El contenido de la clase está basado aproximadamente en los siguientes papers:

• 
  
• Staffan Larsson, Peter Ljunglöf, Robin Cooper, Elisabet Engdahl, Stina Ericsson (2000): GoDis - An Accommodating Dialogue System. In Proceedings of ANLP/NAACL-2000 Workshop on Conversational Systems. (pp. 7-10, 4 pages)
  
• Oliver Lemon and Olivier Pietquin. Machine Learning for Spoken Dialogue Systems. Interspeech, 2007. o bien, alternativamente: J. Schatzmann, K. Weilhammer, M. Stuttle, S. Young. (2006). A Survey of Statistical User Simulation Techniques for Reinforcement-Learning of Dialogue Management Strategies. Knowledge Engineering Review 21(2): 97-126.
  
• Ronnie W. Smith, D. Richard Hipp, Alan W. Biermann: An architecture for voice dialog systems based on prolog style theorem proving, Computational Linguistics, Volume 21, Number 3, September 1995.
  

y también vamos a ver un videito sobre un sistema de diálogo actual.
para ampliar:

• 
  
• el trindikit, un kit de herramientas libres para armar sistemas de diálogo o bien trabajar sobre algunos sistemas ya existentes, con extensa documentación. También tiene una breve definición introductoria.
  
• un curso sobre diálogo de este mismo año, donde se pasa revista a muchas aproximaciones para construir sistemas de diálogo, desde las más simples.
  
• una lista de interfaces con lenguaje hablado.
  

sesión práctica 2: razonar sobre ontologías

algunos punteros: razonar sobre la ontología


semana 7 septiembre

día 9 : aprendizaje, cuestiones cognitivas y psicológicas

lectura básica: Douglas, R. & Sejnowski, T. 2007. Future Challenges for the Science and Engineering of Learning. National Science Foundation Workshop Report.
filminas:
para ampliar:

• 
  
• Workshop on Machine Learning Meets Human Learning en NIPS 2008
  

día 10 : introducción al aprendizaje automático

lectura básica: ML capítulo 1 (alternativamente, RN Part VI)
filminas: filminas de introducción a Machine Learning de R. Mooney, de la Universidad de Texas, basadas en el capítulo 1 de ML, con algunas actualizaciones y ampliaciones
para ampliar:

• 
  
• Tom M. Mitchell. 2006. The Discipline of Machine Learning.
  

semana 14 septiembre

día 11: inducción de árboles y reglas de decisión

lectura básica: ML capítulo 3
filminas: filminas sobre Decision Trees de Mooney (UTexas)
para ampliar:

día 12 : vecinos más cercanos

lectura básica: ML capítulo 8
filminas: filminas sobre Instance-Based Learning, basadas en las que hizo Mitchell para su capítulo 8, de la universidad de Iasi (Rumanía)
para ampliar:

deberían concretar citas para hablar de sus proyectos de la materia
(obligatorio para estudiantes de postgrado)
ya tenemos en línea un calendario para concretar citas

semana 21 septiembre -- SEMANA DEL ESTUDIANTE

día 13 : trabajo individual sobre la aplicación práctica

día 14 : trabajo individual sobre la aplicación práctica

semana 28 septiembre

día 15 : redes neuronales

lectura básica: ML capítulo 4
filminas:
para ampliar:

día 16 : aprendizaje bayesiano

lectura básica: ML capítulo 6
filminas:
para ampliar:

semana 5 octubre

día 17 : métodos de kernel

lectura básica: un tutorial reciente: Hofmann, Schölkopf, Smola. 2008. Kernel Methods in Machine Learning. Annals of Statistics.
filminas: tutorial sobre SVMs y kernel methods de Nello Cristianini en ICML'2001
para ampliar: materiales en kernel-machines.org, se puede empezar por los tutoriales sobre svms

día 18 : active learning, reinforcement learning

lectura básica: RN cap 20, ML capítulo 13
filminas: vamos a usar las filminas de un tutorial sobre active learning en ICML09
para ampliar:

• 
  
• repositorio de materiales sobre reinforcement learning
  
• un curso sobre reinforcement learning, con materiales y links a varios otros cursos muy recomendables
  
• un repaso sobre el trabajo ya existente en active learning
  

semana 12 octubre

día 19 : FERIADO

día 20 : introducción al aprendizaje no supervisado y semi-supervisado

lectura básica: el apartado FAQ del repaso de trabajos sobre aprendizaje semi-supervisado de Xiaojin Zhu
filminas: introducción al aprendizaje semi-supervisado, un tutorial de Xiaojin Zhu en ICML'07
para ampliar:

• 
  
• un ejemplo revelador sobre por qué hay que mirar los datos antes de empezar a trabajar con ellos
  
• un texto muy clarito explicando y motivando Exploratory Data Analysis
  
• el capítulo sobre Exploratory Data Analysis del Engineering Statistics Handbook
  
• listado de trabajos sobre aprendizaje semi-supervisado en procesamiento del lenguaje natural
  

semana 19 octubre

día 21 : relevancia, significancia, interpretación y evaluación de resultados

lectura básica: ML capítulo 5
filminas:
para ampliar:

día 22 : clustering

lectura básica: cap. 14. Clustering, en Christopher Manning and Hinrich Schütze. 1999. Statistical Methods for Natural Language Processing. MIT Press.
filminas:
para ampliar:

semana 26 octubre

día 23 : reglas de asociación

lectura básica:
filminas: filminas para el capítulo 6 Association Analysis: Basic Concepts and Algorithms, de Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Introduction to Data Mining. (también se pueden ver las filminas sobre conceptos básicos de reglas de asociación de Pier Luca Lanzi)
para ampliar:

día 24 : selección de características

lectura básica: cap. Introduction de Isabelle Guyon, Steve Gunn, Masoud Nikravesh, and Lofti Zadeh, (eds). 2006. Feature Extraction, Foundations and Applications. Series Studies in Fuzziness and Soft Computing, Physica-Verlag, Springer.
filminas:
para ampliar:

• 
  
• Huan Liu; Lei Yu. 2005. Toward integrating feature selection algorithms for classification and clustering. IEEE Transactions on Knowledge and Data Engineering, Volume 17, Issue 4, April 2005
  
• Workshop on New challenges for feature selection in data mining and knowledge discovery 2008, ECML PKDD 2008
  
• Special Issue on Variable and Feature Selection of the Journal of Machine Learning Research, 2003.
  

semana 2 noviembre

día 25 : bootstrapping

lectura básica:
filminas:
para ampliar:

día 26 : simulación, con artista invitado: Gabriel Infante Lopez sobre Avida

lecturas:
filminas: Gerhard Jäger. 2006. Evolutionary Game Theory as a framework for modelling language evolution, VI Winter Workshop on Economics and Philosophy, Universidad Nacional de Educación a Distancia, Madrid.
para ampliar:
Gabriel nos hablará sobre el software para el estudio de la evolución de la vida Avida. Algunos artículos de divulgación al respecto: su artículo en la wikipedia y otro.

semana 9 noviembre

día 27 : artista invitado o tema invitado

lectura básica:
filminas:
para ampliar:

día 28 : artista invitado o tema invitado

lectura básica:
filminas:
para ampliar:

semana 16 noviembre

día 29 : revisitamos los aspectos cognitivos y filosóficos presentados en la primera semana, con artistas invitados, si puede ser!

lectura básica:
filminas:
para ampliar:

día 30 : cierre de la materia

con café y galletitas