intel-igència artificial
? La guía teórica definitiva para el examen de IA.Resumen compacto con las definiciones y fórmulas clave.Contenido:Búsqueda Heurística: Diferencias entre distancias (Euclídea, Manhattan, Chebyshev) y funcionamiento de A* vs Greedy.Juegos Adversarios: Lógi
? Software completo de planificación de horarios. Solución al problema de Constraint Satisfaction Problem (CSP). Algoritmos de optimización para asignar recursos (aulas, profes, horas). Lectura de datos y generación de salidas (txt/csv). Código modular
? Implementación de un Agente de Aprendizaje por Refuerzo. Script en Python para entrenar un agente mediante Q-Learning. Gestión de estados, acciones y recompensas (Rewards). Actualización de la Q-Table. Simulaciones de entrenamiento y validación.
? Informe del Proyecto de Satisfacción de Restricciones (CSP). Diseño de un sistema inteligente para generar horarios universitarios automáticamente. Detalles técnicos: Modelado de restricciones duras (aulas, solapamientos) y blandas (preferencias). Alg
? Documentación de Machine Learning (Reinforcement Learning).Estudio del algoritmo Q-Learning en entornos estocásticos (GridWorld y Ajedrez).Puntos clave:Ajuste de hiperparámetros: Tasa de aprendizaje ($\alpha$) y factor de descuento ($\gamma$).Estrategia
? Motor de juego implementado con IA. Código funcional para agentes inteligentes en juegos por turnos. Implementación recursiva de Minimax y Poda Alfa-Beta. Agente Expectimax para entornos con incertidumbre. Funciones de evaluación de tablero personali
⚔️ Práctica de Juegos de Suma Cero (Adversarial Search). Informe sobre la toma de decisiones en entornos competitivos. Algoritmos analizados: Minimax: Teoría de juegos básica. Poda Alfa-Beta: Optimización para reducir el árbol de búsqueda. Expectimax:
♟️ Informe sobre Algoritmos de Búsqueda Informada. Documentación de la implementación del algoritmo A (A-Star)* aplicado a un problema de ajedrez (Jaque Mate). Contenido: Definición de la Heurística (Distancia Manhattan) para optimizar la búsqueda. Anál
? Código fuente de la Práctica 1 (Search). Implementación en Python del algoritmo A*. Clase Node y gestión de la frontera (Priority Queue). Funciones heurísticas programadas. Solucionador de problemas de caminos mínimos en grafos de estados.
He publicado nuevos apuntes de 3º intel-igència artificial: proyecto-IA.docx
He publicado nuevos apuntes de 3º intel-igència artificial: TALLER-PRACTICO-DE-INTELIGENCIA-ARTIFICIAL-Back-y-Perceptron.pdf
He publicado nuevos practicas de 3º intel-igència artificial: avances-de-las-redes-neuronalesElidaPuello.pdf
¡Estás al día!
Has visto todos los archivos