Sistemas Expertos Introducción Arquitectura - Motor de Inferencias. Ingeniería Electrónica Ingeniería del Conocimiento

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Sistemas Expertos Introducción Arquitectura - Motor de Inferencias. Ingeniería Electrónica Ingeniería del Conocimiento"

Transcripción

1 Sistemas Expertos Introducción Arquitectura - Motor de Inferencias Ingeniería Electrónica Ingeniería del Conocimiento

2 Inicio de los Sistemas Expertos 60 s Se buscaban soluciones generales 70 s Los sistemas son más eficientes en dominios acotados La calidad y cantidad de conocimiento son esenciales para una buena performance Es importante independizar el conocimiento del dominio, del mecanismo de inferencia.

3 Sistemas basados en conocimiento (SBC-KBS) Definiciones. Sistemas que resuelven problemas aplicando una representación simbólica de la experiencia humana. Jackson. Sistemas que representan el conocimiento sobre el dominio en forma explícita y separada del resto del sistema. Waterman.

4 Sistemas basados en conocimiento (SBC-KBS) Definiciones. Sistemas de software capaz de soportar la representación explícita del conocimiento de un dominio específico y de explotarlo a través de mecanismos apropiados de razonamiento para proporcionar un comportamiento de alto nivel en la resolución de problemas. Guida y Taso

5 Sistemas Expertos: Definición. Es un sistema de cómputo capaz de simular la conducta inteligente de un experto humano en un dominio específico y especializado, con el objeto de resolver problemas. Sistema de computación Hardware + software Simulación Conducta inteligente Experto Fuente de pericia humana en el dominio Dominio limitado Específico y especializado

6 Experiencia humana vs. SE. PERICIA ARTIFICIAL Permanente Siempre accesible Fácil de documentar Estable, confiable Costo manejable Fragilidad de las máquinas Sin inspiración Conocimiento técnico Estática - Dinámica Dominios estrechos PERICIA HUMANA Perecedera No siempre accesible No documentable Variable, flexible Costosa Fragilidad humana Creativa Sentido común Dinámica (aprendizaje) Dominios más extensos Los humanos son imprescindibles!!!

7 SE/SBC: Tareas Síntesis: Clasificación, diagnóstico Tareas abordadas Análisis: Planificación, diseño o modelado Las áreas de aplicación son muy variadas!!! Los SBC abordan problemas complejos en dominios específicos en los que el peso de las heurísticas para acotar el espacio de búsqueda es importante.

8 MYCIN PROSPECTOR INTERNIST CASNET Primeros Sistemas Expertos Stanford (Buchanan - Shortliffe 1976): Diagnóstico y tratamiento de enfermedades infecciosas (aprox. 500 reglas). Introduce factores de certeza. Stanford-US Geological Survey (Duda-Gashning- Hart, 1979): Evaluación de yacimientos minerales y petrolíferos. (aprox 1600 reglas). Probabilidades condicionales y Teorema de Bayes. Pittsburg (Pople-Myers, 1977): Diagnóstico en Medicina interna. CADUCEUS: Analiza relaciones causales. Rutgens (Kulikowsky-Weiss-Safir, 1977): Oftalmología. Aplica un modelo causal para el diagnóstico de glaucoma. Conocimiento inexacto Razonamiento experto Modelos causales R1 MOLGEN Carnegie Mellon (Mc Dermott): Configuración de ordenadores VAX (aprox 500 reglas). Descompone el diseño en distintos niveles de abstracción. Stanford (Stefik): Diseño de experimentos genéticos. Utiliza abstracción. Reducción espacio de búsqueda

9 Habilidades que se esperan de un SE Manipular con fluidez descripciones simbólicas. Buena perfomance, comparable al menos a la de los especialistas. Interfaz amigable, adecuada a las necesidades de la aplicación. Habilidad para manipular conocimiento incompleto e impreciso. Capacidad de explicar sus decisiones a los usuarios. Posibilidad de justificar sus conclusiones.

10 Periodo industrial de la IA Década de los 80 Importante apoyo económico a los esfuerzos de I+D. Gran cantidad de SE en distintos dominios. Problemas con la metodología de desarrollo Limitaciones propias del tipo de sistema. Comparable a la Crisis de los SI pero posterior CRISIS

11 Ingeniería del Conocimiento (IC) Crisis SI Desarrollo de la Ingeniería del Software Crisis SBC Desarrollo de la Ingeniería del Conocimiento La Ingeniería del Software consiste en la aplicación de una aproximación sistemática, disciplinada y cuantificable al desarrollo, funcionamiento y mantenimiento del software. (IEEE, 1999) La IC tiene los mismos objetivos respecto de los SBC

12 SBC: Ventajas El conocimiento no se pierde. Reducción del espacio de búsqueda con heurísticas para que el problema sea tratable en un tiempo razonable. Manejo de conocimiento incierto e incompleto. Posibilidad de justificar el razonamiento seguido. Hacer el conocimiento disponible en ambientes hostiles o con carencia de especialistas. Aumento de fiabilidad, evitando que prevalezcan las últimas experiencias. Modificación sencilla de la BC por su característica modular.

13 SBC: Inconvenientes La adquisición del conocimiento es difícil y cara. La reutilización del conocimiento en contextos diferentes no es simple. Falta de creatividad y sentido común. Obstáculos para el aprendizaje y la adaptación. Quedan inmersos en el campo de los Sistemas Inteligentes. Se trabaja sobre metodología de desarrollo Se los combina con otras tecnologías

14 Estructura básica de un SE/SBC. Ingeniero del conocimiento Experto del dominio K A T Base de Conocimientos Motor de Inferencias I n t e r f a c e U s u a r i o

15 Estructura básica de un SE/SBC Base de Conocimientos Su estructura de datos queda definida en términos del esquema de representación elegido para incorporar el conocimiento del dominio de trabajo. Separados entre sí Motor de Inferencias Es la estructura de control de un SE, contiene el programa que gestiona la BC y otros mecanismos necesarios para administrar un sistema de naturaleza interactiva.

16 REPRESENTACION DEL CONOCIMIENTO

17 PREMISA FUNDAMENTAL DE IA: Para que un sistema informático demuestre un comportamiento inteligente en la solución de problemas, debe poseer gran cantidad de conocimientos y un potente mecanismo de razonamiento. IMPORTANCIA DE UNA ADECUADA REPRESENTACION DEL CONOCIMIENTO

18 CONOCIMIENTO DEL MUNDO : (en IA) Es la habilidad para construir un modelo de los objetos, sus vinculaciones y de las acciones que pueden realizar. REPRESENTACION DEL CONOCIMIENTO Es la expresión mediante algún lenguaje, de un modelo que exprese el conocimiento sobre el mundo.

19 Conocimiento Definición El conocimiento es una mezcla de experiencia, información y saber hacer que actúa como marco para la incorporación de nuevas experiencias y guia la acción. Se utiliza para alcanzar una meta Genera nuevo conocimiento Resulta en gran medida dependiente de la tarea y del dominio de aplicación.

20 Niveles de representación: Nivel del conocimiento Hechos, comportamiento y objetivos de los agentes. Debe existir correspondencia Nivel simbólico Símbolos manipulables por un sistema Adecuación representacional Adecuación inferencial La representación elegida influye directamente en la eficacia y eficiencia de la solución lograda

21 Representación:Modelado de un sistema Modelo Conceptual No computable Adquisición del conocimiento Conceptos y relaciones Métodos de inferencia Modelo Formal Semicomputable Representa simbólicamente y organiza el conocimiento. Determina el mecanismo de inferencia adecuado.

22 Representación: Modelado de un sistema Modelo Computable Operacional Bases de Conocimiento Mecanismos de inferencia Mecanismos de control Las tareas de adquisición y modelado son difíciles y costosas. Existen esquemas de representación útiles en dominios variados. Los Sistemas Basados en Conocimiento los combinan.

23 ELEMENTOS BASICOS QUE INTERVIENEN EN EL DISEÑO DE UN SISTEMA BASADO EN EL CONOCIMIENTO (KBS) Lenguaje formal para expresar conocimiento Forma de efectuar razonamientos COMPONENTE MEDULAR DE UN KBS (Agente) BASE DE CONOCIMIENTOS (KB) Es un conjunto de representaciones de hechos acerca del mundo Conjunto de sentencias del lenguaje para la representación del conocimiento

24 UNA KB DEBE PERMITIR CON EFICIENCIA: AÑADIR YMODIFICAR SENTENCIAS BC PREGUNTAS RESPUESTAS MECANISMO DE INFERENCIAS

25 PROPIEDADES DE UN BUEN FORMALISMO DE REPRESENTACION: ADECUACION REPRESENTACIONAL ADECUACION INFERENCIAL EFICIENCIA INFERENCIAL EFICIENCIA EN LA ADQUISICION- MODIFICACION Rich & Knight

26 DISTINTOS PARADIGMAS: DECLARATIVO Descripción del estado del mundo PROCEDIMENTAL Expresión de las transformaciones de estados ORIENTADO A OBJETOS Descripción de los objetos existentes

27 DISTINTOS FORMALISMOS FORMALISMOS LOGICOS SISTEMAS DE PRODUCCION FORMALISMOS ESTRUCTURADOS: REDES SEMANTICAS FRAMES OBJETOS ONTOLOGÍAS

28 FORMALISMOS LOGICOS Constituyen sistemas formales en los cuales: SINTAXIS Y SEMANTICA ESTA BIEN DEFINIDA HAY UNA TEORIA DE LA DEMOSTRACION Completa y Consistente LA LOGICA DE 1 er ORDEN Es la base de la mayoría de los esquemas de representación

29 FORMALISMOS LOGICOS Conocimiento es representado mediante un conjunto de fórmulas bien formadas (fbfs) en algún sistema lógico (proposicional - predicados - multivaluada...) Los mecanismos de inferencia son los métodos deductivos del sistema lógico (Resolución en predicados)

30 DISTINTOS SISTEMAS LOGICOS: LOGICA PROPOSICIONAL LOGICA DE PREDICADOS LOGICAS NO-CLASICAS MULTIVALUADAS (Fuzzy Logic) MODALES OBJETIVO: ESTABLECER LA VALIDEZ DE DISTINTOS RAZONAMIENTOS - OBTENER CONCLUSIONES DE UN CONJUNTO DE FORMULAS

31 Sintaxis Alfabeto PROPOSICIONAL Σ PROP que consiste de: i) variables proposicionales p 0, p 1,p 2,... ii) conectivos,,,, iii) símbolos auxiliares: (, )

32 Introducción Informal Proposición: Una oración afirmativa de la cual podemos decir que es verdadera o falsa (pero no ambas!!) Ejemplos de Proposiciones: Ayer llovió en Rosario. El sol gira alrededor de la tierra = es primo. El auto no arranca.

33 más proposiciones... Si ayer llovió en Rosario, entonces el intendente se mojó. El sol gira alrededor de la tierra o la tierra gira alrededor del sol = 6 y 6 es impar El auto no arranca y las luces encienden.

34 Traducción al lenguaje Lógico Las oraciones compuestas se traducen usando los conectivos Ejemplos: El auto no arranca y las luces encienden (p 0 p 1 ). Si las luces encienden, entonces la batería está ok (p 1 p 2 ) = 6 o 6 es impar (p 3 p 4 ).

35 Todo perro es un mamífero y Rex es un perro, luego Rex es un mamífero.. x (Perro(x) Mamífero (x) Perro (Rex) Mamífero (Rex) x. P(x) P(Rex) La corrección de este razonamiento depende de la relación entre los sujetos de las proposiciones. Lógica proposicional NO es suficientemente expresiva para captar esta relación

36 Por qué lógica de predicados? Lógica proposicional : bajo poder expresivo Muchas expresiones usuales no son representables En proposicional: p (una prop. atómica) «Rex es un perro» En predicados: Sujeto: Rex Propiedad: Ser Perro Perro(Rex)

37 Lenguaje de lógica de predicados símbolos para denotar objetos - sb. de constante (ej. Rex, 2, π) - sb. de variable (ej. x, y, z) - sb. de función (ej. +, *, Padre) etc que permiten crear nuevos nombres de objetos símbolos de propiedades y de relaciones (Es-perro) conectivos cuantificadores

38 Ejemplos de traducción Si algunos perros son mamíferos, luego todos son mamíferos ( x) (P(x) M(x)) x (P(x) m(x)) Todo número es par o impar ( x) (N(x) P(x) I(x)) Ningún número es a la vez par e impar ( x) (P(x) I(x))

39 PROLOG: Una implementación de programación lógica LOGICA DE PREDICADOS + DEDUCCIÓN AUTOMÁTICA (RESOLUCION) Dada la BC y una fórmula α podemos probar que» BC - α Podemos contestar perro (Rex)? preguntas como X / perro (X)?

40 LOGICA DE PREDICADOS COMO FORMALISMO DE REPRESENTACION VENTAJAS: Es un formalismo bien establecido con una sintaxis y semántica bien definida y que maneja fácilmente aspectos cuantificación. Automatización de la deducción LIMITACIONES: Existen límites en el poder expresivo: posibilidades, incertidumbre, Problemas en la implementación de otros tipos de razonamientos (aproximados, no-monótonos).

41 Representación del Conocimiento Otros formalismos

42 DISTINTOS FORMALISMOS FORMALISMOS LOGICOS SISTEMAS DE PRODUCCION FORMALISMOS ESTRUCTURADOS: REDES SEMANTICAS FRAMES OBJETOS

43 OTROS FORMALISMOS Newell & Simon Sistemas de producción Utilizan elementos de la lógica Salen del marco estrictamente formal más flexibles más eficientes Pierden propiedades fundamentales como la consistencia y completitud.

44 SE basados en reglas de producción Sistemas de producción Newell y Simon (1972): Al resolver problemas, las personas utilizan su memoria a largo plazo (permanente) que aplican a situaciones actuales contenidas en su memoria a corto plazo (transitoria). Esto puede generar modificaciones en la última. BC (Reglas) Memoria de trabajo (Hechos) Mundo Exterior Motor de Inferencias

45 Los sistemas de producción

46 Sistemas de producción Los procesos del dominio se representan como acciones independientes que son integradas por el mecanismo de inferencias para resolver una tarea más general. ARQUITECTURA BASE DE CONOCIMIENTO Base de Hechos Base de Reglas Motor de Inferencias

47 SE basados en reglas de producción Reglas de producción IF < CONDICION > THEN < ACCION> Son gránulos de conocimiento. Reúnen información relativa a las condiciones de disparo y a los efectos resultantes del disparo. Son estructuras bidireccionales. SI?X ES MAMIFERO Y?X COME CARNE ENTONCES?X ES CARNIVORO.

48 Ventajas: SE basados en reglas de producción Naturaleza modular: encapsular y expandir. El conocimiento es fácil de Explicaciones sencillas: El registro de reglas disparadas permite presentar la cadena de razonamiento asociada. Semejanza con el proceso cognitivo humano: modelo natural del razonamiento humano. Dificultades: Completitud y consistencia como responsabilidad del desarrollador. Se necesitan otras estructuras para lograr una visión global del conocimiento del dominio. Se las combina con otros formalismos de representación.

49 Sistemas de producción Se utilizan Reglas de Producción para representar el conocimiento IF <premisa> THEN <conclusión y/o acción> Son los elementos de deducción básicos El proceso de inferencia se basa fundamentalmente en la Regla de Inferencia de la lógica denominada MP A B, A / B

50 Reglas de producción Es el modelo formal para representar un elemento mínimo de conocimiento IF <premisa> THEN <conclusión y/o acción> Puede especificar Conclusión Acción Estrategia La premisa puede tener conectivos lógicos <premisa> = <cláusula 1 AND/OR...AND/OR cláusula k >

51 Reglas de producción- Ejemplos Si un animal come carne entonces es carnívoro. Si un animal tiene dientes agudos y garras entonces es carnívoro. Si un animal es carnívoro y es de color marrón-claro y tiene el pelaje franjas negras, entonces es un tigre.

52 Reglas de producción- Ejemplos Sintaxis Reglas en KAPPA-PC MakeRule( Rtigre, [], animal:grupo #= carnívoro And animal:color #= leonado And animal:pelaje #= franjas_negras, animal:especie = tigre );

53 Sistemas de producción Cada regla es independiente del resto de las reglas en la BC. Las reglas no tienen porque estar ordenadas en la BC. Las reglas se pueden agrupar por nociones semánticas en módulos o grupos. El metaconocimiento puede ser expresado mediante reglas: metareglas

54 Sistemas de producción. Un ejemplo de regla Un especialista que participa en el desarrollo de un sistema basado en conocimiento relativo al diagnóstico de una falla en un auto, podrá expresar: si el motor no arranca y las luces no encienden, entonces la falla está en la batería.

55 Sistemas de producción. Un ejemplo de regla A partir de esta expresión, se puede definir la regla de producción asociada a las proposiciones como: If el motor no arranca And las luces no encienden, Then la falla está en la batería.

56 Sistemas de producción. Un ejemplo

57 Sistemas de producción. Un conjunto de reglas If el motor no arranca And las luces no encienden Then falla la batería. If el motor no arranca And las luces encienden And llega combustible Then falla el sistema de ignición. If el motor no arranca And las luces encienden And no llega combustible Then falla el sistema de combustible.

58 El desarrollo de las reglas de producción para construir la KB. Debe observarse que las reglas no están identificadas, por ejemplo: con una numeración correlativa.

59 El desarrollo de las reglas de producción para construir la KB. Cada una de estas re-glas aparece como un gránulo de conoci-miento que es inde-pendiente de las restantes reglas, con lo cual, la ampliación de la KB puede realizarse sin mayor problema.

60 El desarrollo de las reglas de producción para construir la KB. Sin embargo, desde el punto de vista del motor de inferencia, estas reglas deben estar relacionadas para que puedan ser interpretadas adecuadamente durante el proceso de inferencia. Por ejemplo; la premisa el motor no arranca

61 El desarrollo de las reglas de producción para construir la KB. Lo mismo ocurre con las luces no encienden, en la segunda y tercera reglas. Por consiguiente, este es el único requisito que requiere el agregado de nuevas reglas.

62 Sistemas de producción Como razonamos??? Utilizando un MECANISMO DE INFERENCIA (MOTOR DE INFERENCIA) El cual determina de que forma utilizar las reglas para alcanzar el objetivo planteado

63 La ejecución del proceso de inferencia en los KBS Supóngase que se observa una falla en motor del auto y se constata que: no arranca el motor, ni encienden las luces, y llega combustible. Desde el enfoque del KBS, es necesario ingresar esta información en la memoria de trabajo, para obtener una solución o respuesta al problema. Entonces, la interfaz de este KBS, deberá proveer unos cuadros de un diálogo orientado, que permita ingresar las observaciones del caso.

64 La ejecución del proceso de inferencia en los KBS

65 La ejecución del proceso de inferencia en los KBS La respuesta seleccionada en el primer cuadro de diálogo, origina la plantilla el motor no arranca, que ingresará a la memoria de trabajo del KBS.

66 La ejecución del proceso de inferencia en los KBS Continuando con el diálogo orientado, ingresarán otras dos plantillas a la memoria de trabajo: las luces no encienden y llega combustible.

67 La ejecución del proceso de inferencia en los KBS El proceso de ejecución que realiza el motor de inferen-cia, consiste en tomar cada una de estas plantillas, y explorar la KB buscando coincidencias en las premisas de cada una de las reglas. Con la primera plantilla, el motor no arranca, encuentra que hay una concordancia en las tres reglas.

68 La ejecución del proceso de inferencia en los KBS Con la segunda plantilla las luces no encienden, solo hay concordan-cia en la primera regla, y la segunda y tercera reglas quedan descartadas. La primera regla se desencadena, y produce entonces la conclusión: falla la batería, y el problema queda resuelto.

69 La ejecución del proceso de inferencia en los KBS Por último cabe observar que este proceso de comparación que explora cada una de las reglas, es prácticamente independiente del orden en que se encuentren dispuestas las mismas en la KB. Este proceso de inferencia en los KBS, es denominado: sistema de inferencia por filtrado (pattern maching inference system), o simplemente, filtrado.

70 Sistemas de producción Direcciones de búsqueda: Motor de Inferencia Hacia delante, Forward Chaining o guiada por los hechos. Hacia atrás, Backward Chaining o guiada por los objetivos. Para seleccionar las reglas candidatas en cada estado utiliza el EMPAREJAMIENTO, FILTRADO o MATCHING.

71 VENTAJAS Sistemas de producción Flexibles. Sencillos de modificar y extender. A los expertos les resulta simple pensar en reglas. PROBLEMAS Completitud y consistencia. El conocimiento se separa en pequeños gránulos. Es común que se los combine con otros formalismos.

72 Sistemas estructurados ESTRUCTURAS DE RANURA Y RELLENO (slot and filler) REDES SEMANTICAS (Quillan 67/68) FRAMES (Minsky, 75) OBJETOS ( Década 80)

73 Redes semánticas Idea: el significado de un concepto depende del modo en que se encuentre conectado a otros conceptos Representación: mediante un grafo dirigido donde los nodos representan objetos y los arcos relaciones entre los conceptos REX PERRO MAMIFERO INSTANCIA ES-UN

74 Redes semánticas - Ejemplo ES-UN Estudiante -LCC Estudiante -UNR ES-UN Estudiante -FCEIA ES-UN Estudiante -IEca TIENE Legajo INSTANCIA Pedro García Juan Perez Prom1 INSTANCIA TIENE INSTANCIA Promedio Prom2 INSTANCIA INSTANCIA TIENE TIENE Legajo P-1233/5

75 Redes semánticas - Arcos Etiquetas de los arcos es-un relación subclase-clase instancia relación objeto-clase parte-de relación componente-objeto Generalización Instanciación Agregación definidas por el usuario Descripción Dominio de aplicación

76 Sistemas basados en Redes semánticas Base de conocimiento En esta representación una BC es una colección de estos grafos Las modificaciones se refieren a inserción o eliminación de nodos y sus relaciones.

77 Redes semánticas Como razonamos??? Búsqueda de intersección Encontrando relaciones entre objetos Cual es la conexión entre Rex y mamífero? Es Juan Pérez un estudiante de la UNR? Cuál es el promedio de Pedro García? Utiliza fundamentalmente la estructura jerárquica

78 Marcos (frames) Una red semántica representa conexiones entre entidades Problemas más complejos Asignar más estructura a los nodos y a las conexiones Marcos No existe una distinción clara entre una Red semántica y un sistema de Marcos

79 Marcos (frames) Idea: Estructura para atender la representación del conocimiento asociado a situaciones estereotipadas (Minsky) Representación: Es una colección de atributos (ranuras - slots) con valores asociados (y posibles restricciones entre valores, llamados facetas)

80 Marcos - Estructura ENCABEZADO NOMBRE ES-UN INSTANCIA ATRIBUTO1 (slots) ATRIBUTOn VALOR1 VALORn valores por defecto procedimientos relación con otros marcos

81 Marcos - Ejemplo Estudiante FCEIA ES-UN Estudiante UNR TIENE Legajo (letra/numerodigito) TIENE Promedio (procedimiento) Estudiante Ing.Eca. ES-UN ESTUDIANTE FCEIA Juan Perez INSTANCIA Estudiante Ing.Eca. TIENE Promedio = 6,80 DIRECCION... (Defecto Rosario) TEL... TRABAJA NO (Defecto No)

82 Sistemas de Marcos MC Actores Interpreta: Si (*)Nombre: Conj Caracteres (*)Peliculas: (0..100) (*)Fecha1 a Pelicula: Instancia MC Actriz Sexo: F (*)ParejaMiticaCon: Instancia MI Nombre:L.Bacall Peliculas: 42 ParejaMiticaCon: Instancia MC Actor Sexo: M (*)ParejaMiticaCon: Instancia MI Nombre: H.Bogart Fecha1 a Pelicula: ParejaMiticaCon: MC Fecha (*)Dia: (1..31) (*)Mes: (0..120) (*)Año: MI Dia: 27 Mes: 3 Año: 1944 Instancia

83 Sistemas de Marcos Marcos Clase Marcos Instancia Propiedades Slots definidos en los marcos Clase Representan conceptos, o situaciones genéricas descriptos por propiedades comunes Elementos específicos. Sus propiedades se asocian con información de cada individuo De Clase: Atributos genéricos de un concepto, con valores comunes a todas sus ocurrencias. De Instancia: Atributos con valores particulares para cada ocurrencia del concepto (*).

84 Sistemas de Marcos Consideraciones al definir los Slots: Evitar redundancias aprovechando la herencia. Poseer información suficiente para identificar el marco clase. En un marco clase se puede definir un slot de instancia en base a otro marco clase. Los slots de instancia pueden tener uno o varios valores. En los marcos clase se pueden redefinir slots heredados para representar excepciones a la herencia.

85 Sistemas de Marcos Facetas Modelan características de slots y relaciones Algunas facetas declarativas usuales: Tipo de Slot: Tipo de datos de los valores, puede apuntar a otro marco. Cardinalidad: Cantidad de valores posibles. Valores permitidos: tipo de datos, rango o puntero a otro marco. Valores por defecto: Para slots de instancia si quedan sin definir.

86 Marcos Facetas/Métodos Hay facetas ligadas a métodos de uso frecuente, asociados a cambios o utilización de los valores de las ranuras: When_needed: Formas de conseguir el valor cuando se lo necesita y no está disponible. Before_changed: Restricciones propias del dominio. After_changed: Acciones pertinentes asociadas a los cambios de valor de la ranura. When_accessed: Acciones pertinentes cuando la ranura es accedida de alguna forma.

87 Sistemas de Marcos BASE DE CONOCIMIENTO Conjunto de marcos relacionados mediante los valores de los slots (atributos) INFERENCIA Utilizar la estructura jerárquica para heredar propiedades (valores de slots). Tener procedimientos (reglas) para hallar valores de los slots.

88 Sistemas de Marcos Tienen mucha tradicion en IA y son antecesores de los objetos Los sistemas de marcos agregan expresividad a las redes semánticas y permiten representar conocimiento declarativo y procedimental. Marcos se utilizan para estructurar el conocimiento en Kappa-PC

89 Objetos Los vemos más como una forma de representar el mundo que como un paradigma de programación Los encontramos en muchas herramientas dentro del área. Tienen ciertas características en común con los agentes.

90 Objetos Década del 80 Pensados como gran aporte para el Reuso BALA DE PLATA Actualmente se apunta a relaciones arquitecturales entre clases para lograr Evolución y Mantenibilidad Patrones de diseño

91 Objetos OBJETO: Es una entidad que tiene un comportamiento. ESTADO INTERNO MENSAJES que es capaz de responder. ENCAPSULAMIENTO Permite la utilización de clases con implementaciones intercambiables. INTERFAZ Un PROGRAMA OO es una red de objetos cooperantes, que interactúan entre sí, enviándose mensajes.

92 Objetos Una CLASE es una definición de las características comunes de un conjunto de objetos semejantes. ESTRUCTURA: Conjunto de variables de clase e instancia. CLASE INTERFAZ: conjunto de métodos. Los objetos concretos buscan en su clase la definición cuando reciben un mensaje.

93 Objetos Las CLASES se organizan en jerarquías modelizando el dominio Esquema de colaboración entre objetos (explícito en el código) De Estructura: Más estática. HERENCIA De Comportamiento: Ocurre en ejecución. Cuando un objeto recibe un mensaje, busca el código en su clase, y si no lo encuentra recorre la jerarquía.

94 Cómo elegir la mejor representación??? No hay receta establecida!!! Frente a cada problema a resolver: Analizar las características del conocimiento involucrado. Recurrir a la combinación de formalismos.

Sistemas Expertos Introducción Arquitectura - Motor de Inferencias. Ana Casali Andrea Torres Ingeniería del Conocimiento -EIE

Sistemas Expertos Introducción Arquitectura - Motor de Inferencias. Ana Casali Andrea Torres Ingeniería del Conocimiento -EIE Sistemas Expertos Introducción Arquitectura - Motor de Inferencias Ana Casali Andrea Torres Ingeniería del Conocimiento -EIE IC - MODULOS INTRODUCCION SISTEMAS BASADOS EN CONOCIMIENTO RAZONAMIENTO APROXIMADO

Más detalles

Representación del Conocimiento Otros formalismos. Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial.

Representación del Conocimiento Otros formalismos. Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial. Representación del Conocimiento Otros formalismos Licenciatura en Ciencias de la Computación. Introducción a la Inteligencia Artificial. Conocimiento Definición El conocimiento es una mezcla de experiencia,

Más detalles

Sistemas Expertos Arquitectura - Motor de Inferencias. Ingeniería Electrónica Ingeniería del Conocimiento

Sistemas Expertos Arquitectura - Motor de Inferencias. Ingeniería Electrónica Ingeniería del Conocimiento Sistemas Expertos Arquitectura - Motor de Inferencias Ingeniería Electrónica Ingeniería del Conocimiento Estructura básica de un SE. Ingeniero del conocimiento Experto del dominio K A T Base de Conocimientos

Más detalles

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL MÓDULO 3: REPRESENTACIÓN DEL CONOCIMIENTO 3.1. INTRODUCCIÓN La IA involucra la construcción de programas que resuelvan problemas que, de ser resueltos por seres

Más detalles

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL: LOS SISTEMAS EXPERTOS

INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL: LOS SISTEMAS EXPERTOS Introducción a los Sistemas Expertos 1 INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL: LOS SISTEMAS EXPERTOS ÍNDICE 1. INTRODUCCIÓN. EVOLUCIÓN HISTÓRICA 2. DEFINICIÓN Y CARACTERÍSTICAS DE LOS SE. 3. TIPOS Y

Más detalles

TEMA 3 (parte 3). Representación del Conocimiento

TEMA 3 (parte 3). Representación del Conocimiento TEMA 3 (parte 3). Representación del Conocimiento Francisco José Ribadas Pena INTELIGENCIA ARTIFICIAL 5 Informática ribadas@uvigo.es 1 de diciembre de 2009 FJRP ccia [Inteligencia Artificial] 3.3 Representaciones

Más detalles

INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA. Dr. Ramón GARCIA MARTINEZ

INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA. Dr. Ramón GARCIA MARTINEZ INGENIERIA DEL CONOCIMIENTO UBICACION HISTORICA Dr. Ramón GARCIA MARTINEZ INTELIGENCIA ARTIFICIAL Es la disciplina que estudia la forma de diseñar procesos que exhiban características que comunmente se

Más detalles

Representación del conocimiento. Diferencia entre información y conocimiento (1) Diferencia entre información y conocimiento (2) Notas

Representación del conocimiento. Diferencia entre información y conocimiento (1) Diferencia entre información y conocimiento (2) Notas Todo problema es más sencillo de resolver si disponemos de conocimiento específico sobre él Este conocimiento dependiente del dominio se combina con el conocimiento general sobre cómo resolver problemas

Más detalles

Page 1. Contenido. Generalidades (1) Pontificia Universidad Católica del Perú Facultad de Ciencias e Ingeniería INTELIGENCIA ARTIFICIAL

Page 1. Contenido. Generalidades (1) Pontificia Universidad Católica del Perú Facultad de Ciencias e Ingeniería INTELIGENCIA ARTIFICIAL Contenido Pontificia Universidad Católica del Perú Facultad de Ciencias e Ingeniería Sección n Informática INTELIGENCIA ARTIFICIAL Capítulo 2 Representación del conocimiento Características del conocimiento

Más detalles

Tema 1 Introducción a los Sistemas Basados en el Conocimiento

Tema 1 Introducción a los Sistemas Basados en el Conocimiento Tema 1 Introducción a los Sistemas Basados en el Conocimiento Sistemas Basados en el Conocimiento Grado en Ingeniería Informática 1 Referencias Ingeniería del Conocimiento. A. Gómez, N. Juristo, C. Montes,

Más detalles

Informe del Trabajo Final. Introducción a la Inteligencia Artificial. Sistema experto de Nutrición

Informe del Trabajo Final. Introducción a la Inteligencia Artificial. Sistema experto de Nutrición Informe del Trabajo Final Introducción a la Inteligencia Artificial Sistema experto de Nutrición Alumnas: Silvana P. Saura Valeria B. Gerling Legajo: S-2704/9 Legajo: G-2919/0 Profesoras: Ana Casali, Rosa

Más detalles

Componentes de los SBC

Componentes de los SBC Componentes de los SBC Componentes de los SBC Queremos construir sistemas con ciertas características: Resolución de problemas a partir de información simbólica Resolución mediante razonamiento y métodos

Más detalles

UNIVERSIDAD DE VALENCIA ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DEPARTAMENTO DE DIRECCIÓN DE EMPRESAS

UNIVERSIDAD DE VALENCIA ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DEPARTAMENTO DE DIRECCIÓN DE EMPRESAS UNIVERSIDAD DE VALENCIA ESCUELA UNIVERSITARIA DE ESTUDIOS EMPRESARIALES DEPARTAMENTO DE DIRECCIÓN DE EMPRESAS INFORMATICA APLICADA A LA GESTIÓN DE EMPRESAS Curso 1998-99 SISTEMAS EXPERTOS Salvador Climent

Más detalles

Representación del conocimiento mediante lógica formal Introducción a PROLOG

Representación del conocimiento mediante lógica formal Introducción a PROLOG Representación del conocimiento mediante lógica formal Introducción a PROLOG Representación del conocimiento Lo que nos interesa es la representación, es decir, la modelización del conocimiento Orientaciones:

Más detalles

UNIDAD I: LÓGICA PROPOSICIONAL

UNIDAD I: LÓGICA PROPOSICIONAL UNIDAD I: LÓGICA PROPOSICIONAL ASIGNATURA: INTRODUCCIÓN A LA COMPUTACIÓN CARRERAS: LICENCIATURA Y PROFESORADO EN CIENCIAS DE LA COMPUTACIÓN DEPARTAMENTO DE INFORMÁTICA FACULTAD DE CIENCIAS FÍSICO MATEMÁTICA

Más detalles

Inteligencia artificial

Inteligencia artificial Inteligencia artificial Sistemas de producción/razonamiento R n : SI condición ENTONCES acción condición = {afirmaciones simples-identidad objeto} acción = {conclusión identificación del objeto} Pares

Más detalles

Índice. http://www.dicampus.es

Índice. http://www.dicampus.es Módulo 2 UML Índice Introducción a UML Lenguaje Unificado de Modelado (UML) Diagramas UML Diagramas de casos de uso Diagramas estructurales: Clases Diagramas estructurales: Objetos Diagramas de interacción:

Más detalles

CICLO SUPERIOR DESARROLLO DE APLICACIONES MULTIPLATAFORMA

CICLO SUPERIOR DESARROLLO DE APLICACIONES MULTIPLATAFORMA CICLO SUPERIOR DESARROLLO DE APLICACIONES MULTIPLATAFORMA PROGRAMACIÓN DIDACTICA ANUAL Parte específica del módulo: 0485. Programación Departamento de Familia Profesional de Informática Curso: 2014-15

Más detalles

TEMA 1. Introducción

TEMA 1. Introducción TEMA 1. Introducción Francisco José Ribadas Pena, Santiago Fernández Lanza Modelos de Razonamiento y Aprendizaje 5 o Informática ribadas@uvigo.es, sflanza@uvigo.es 28 de enero de 2013 1.1 Aprendizaje automático

Más detalles

Módulo Profesional 01: Bases de datos (código: 0484).

Módulo Profesional 01: Bases de datos (código: 0484). Módulo Profesional 01: Bases de datos (código: 0484). Actividades de enseñanza-aprendizaje que permiten alcanzar los objetivos del módulo. Interpretar diseños lógicos de bases de datos. Realizar el diseño

Más detalles

Diagramas del UML. A continuación se describirán los diagramas más comunes del UML y los conceptos que representan: Diagrama de Clases

Diagramas del UML. A continuación se describirán los diagramas más comunes del UML y los conceptos que representan: Diagrama de Clases El UML está compuesto por diversos elementos gráficos que se combinan para conformar diagramas. Debido a que el UML es un lenguaje, cuenta con reglas para combinar tales elementos. La finalidad de los

Más detalles

INTELIGENCIA ARTIFICIAL. Reglas de Producción. Eduardo Morales / L. Enrique Súcar

INTELIGENCIA ARTIFICIAL. Reglas de Producción. Eduardo Morales / L. Enrique Súcar INTELIGENCIA ARTIFICIAL Reglas de Producción Eduardo Morales / L. Enrique Súcar Introducción Normalmente se asocia la inteligencia con regularidades y el comportamiento inteligente parece que ejecuta reglas.

Más detalles

Roberto Sobreviela Ruiz. Ingeniería de los Sistemas Basados en el Conocimiento. IERL 2.0. IAAA Experimental Representation Language Manual de Usuario.

Roberto Sobreviela Ruiz. Ingeniería de los Sistemas Basados en el Conocimiento. IERL 2.0. IAAA Experimental Representation Language Manual de Usuario. Roberto Sobreviela Ruiz Ingeniería de los Sistemas Basados en el Conocimiento. IERL 2.0 IAAA Experimental Representation Language Manual de Usuario. 1 Índice de contenidos INTRODUCCIÓN...4 1.- RESUMEN...4

Más detalles

Análisis del Sistema de Información

Análisis del Sistema de Información Análisis del Sistema de Información ÍNDICE DESCRIPCIÓN Y OBJETIVOS... 2 ACTIVIDAD ASI 1: DEFINICIÓN DEL SISTEMA... 6 Tarea ASI 1.1: Determinación del Alcance del Sistema... 6 Tarea ASI 1.2: Identificación

Más detalles

Métricas. Valentin Laime. Calidad de Software

Métricas. Valentin Laime. Calidad de Software Calidad de Software: Métricas Valentin Laime Calidad de Software 10/29/2014 1 Métricas Que miden Beneficios Medidas Productividad Calidad Futuras Estimaciones Directas Indirectas Defecto/fallo Vs. Error

Más detalles

Programación orientada a objetos TEMA 1 INTRODUCCIÓN AL PARADIGMA ORIENTADO A OBJETOS POO

Programación orientada a objetos TEMA 1 INTRODUCCIÓN AL PARADIGMA ORIENTADO A OBJETOS POO Programación orientada a objetos TEMA 1 INTRODUCCIÓN AL PARADIGMA ORIENTADO A OBJETOS Cristina Cachero Pedro J. Ponce de León (1 Sesión) Versión 0.7 POO Indice El progreso de la abstracción Definición

Más detalles

LENGUAJES DE PROGRAMACIÓN

LENGUAJES DE PROGRAMACIÓN 7 LENGUAJES DE PROGRAMACIÓN 7.1. Lenguajes de programación. Evolución. El soporte lógico, o software, de una computadora es el conjunto de programas asociados a dicha computadora. Hemos visto en el tema

Más detalles

Lógica Proposicional Cálculo Proposicional de Orden Cero (Cero)

Lógica Proposicional Cálculo Proposicional de Orden Cero (Cero) Introducción a la Computación (TFA) Lógica Proposicional Cálculo Proposicional de Orden Cero (Cero) Teoría de Lógica Proposicional - Autor: Ana Garis Modificaciones: E. Benegas Temas a Desarrollar - Motivaciones

Más detalles

Aprendizaje automático

Aprendizaje automático Aprendizaje automático Machine Learning 1 Aprendizaje automático Definición de aprendizaje Primer problema: desconocemos los mecanismos que rigen el aprendizaje humano Por esto las definiciones hacen hincapié

Más detalles

Tema: Agentes en la Inteligencia Artificial.

Tema: Agentes en la Inteligencia Artificial. Sistemas Expertos e Inteligencia Artificial. Guía No. 3 1 Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Tema: Agentes en la Inteligencia Artificial.

Más detalles

Estructura de clases. Estructura de Objetos. Arquitectura de módulos. Arquitectura de procesos

Estructura de clases. Estructura de Objetos. Arquitectura de módulos. Arquitectura de procesos 3.3 EL MÉTODO DE BOOCH. 3.3. Introducción. El método cuenta con una notación expresiva y bien definida que le permite al diseñador comunicar sus ideas y concentrarse en problemas más serios. Para la captura

Más detalles

Introducción. Paradigma de Lógica Gran importancia en la I.A. Origen: prueba de teoremas y razonamiento deductivo. Lógica.

Introducción. Paradigma de Lógica Gran importancia en la I.A. Origen: prueba de teoremas y razonamiento deductivo. Lógica. Tema 2: Lógica y Razonamiento Automático tico Introducción Lógica Proposicional Lógica de Predicados Axiomas Unificación Razonamiento automático e Inferencias lógicas Resolución Regla de Inferencia Refutación

Más detalles

Sistemas expertos: viabilidad de su aplicación al derecho

Sistemas expertos: viabilidad de su aplicación al derecho Sistemas expertos: viabilidad de su aplicación al derecho BLANCA LÓPEz-MUÑIZ DE MENDIZÁBAL Jefa del Area de Informática Jurídica de la Dirección General del Régimen Jurídico del Ministerio para las Administraciones

Más detalles

Tema 1 Introducción a la Ingeniería de Software

Tema 1 Introducción a la Ingeniería de Software Tema 1 Introducción a la Ingeniería de Software Curso Ingeniería de Software UMCA Profesor Luis Gmo. Zúñiga Mendoza 1. Software En la actualidad todo país depende de complejos sistemas informáticos. Podemos

Más detalles

Ontologías y OWL. Fundamentos de la Web Semántica. Definición. Ontologías. Ontologías. DL estructurales. Pablo R. Fillottrani. DL proposicionales OWL

Ontologías y OWL. Fundamentos de la Web Semántica. Definición. Ontologías. Ontologías. DL estructurales. Pablo R. Fillottrani. DL proposicionales OWL y Pablo R. Fillottrani Depto. Ciencias e Ingeniería de la Computación Universidad Nacional del Sur Segundo Cuatrimestre 2013 Definición Definición Definición una ontología es una especificación formal

Más detalles

PROGRAMA DESCRIPTIVO DE LAS ASIGNATURAS DE LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN. Nivel Básico

PROGRAMA DESCRIPTIVO DE LAS ASIGNATURAS DE LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN. Nivel Básico PROGRAMA DESCRIPTIVO DE LAS ASIGNATURAS DE LA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN Nivel Básico FORMACIÓN HUMANA Y SOCIAL (FGUM-001) En este curso, se fortalece la formación integral y pertinente

Más detalles

Introducción. Lógica de proposiciones: introducción. Lógica de proposiciones. P (a) x. Conceptos

Introducción. Lógica de proposiciones: introducción. Lógica de proposiciones. P (a) x. Conceptos Introducción César Ignacio García Osorio Lógica y sistemas axiomáticos 1 La lógica ha sido históricamente uno de los primeros lenguajes utilizados para representar el conocimiento. Además es frecuente

Más detalles

INGENIERÍA A DEL CONOCIMIENTO: SISTEMAS EXPERTOS

INGENIERÍA A DEL CONOCIMIENTO: SISTEMAS EXPERTOS INGENIERÍA A DEL CONOCIMIENTO: SISTEMAS EXPERTOS Sistema experto: Sistema informático diseñado para resolver problemas de un área específica, y al que de algún modo se le ha dotado de una competencia similar

Más detalles

cont.) Parte 3 TEMA 2 (cont

cont.) Parte 3 TEMA 2 (cont Tema 2: Representación Estructurada del Conocimiento pp. 1 TEMA 2 (cont cont.) Parte 3 SISTEMAS DE REPRESENTACIÓN ESTRUCTURADOS Y SISTEMAS BASADOS EN EL CONOCIMIENTO Tema 2: Representación Estructurada

Más detalles

A. Subcampos basados en el contenido.

A. Subcampos basados en el contenido. ARTIFICIAL INTELLIGENCE. AN ILLUSTRATIVE OVERVIEW Aaron Sloman School of Computer Science The University of Birmingham http://www.cs.bham.ac.uk/~axs/courses.ai.html Las áreas de aplicación de la Inteligencia

Más detalles

INGENIERÍA de REQUERIMIENTOS

INGENIERÍA de REQUERIMIENTOS INGENIERÍA de REQUERIMIENTOS Unidad IV Análisis de Requerimientos Verificación Validación Negociación - Trazabilidad Quality Function Deployment (QFD) 1 1 Análisis Verificación y Validación de Requerimientos

Más detalles

Capítulo 1: Fundamentos: Lógica y Demostraciones Clase 1: Lógica Proposicional

Capítulo 1: Fundamentos: Lógica y Demostraciones Clase 1: Lógica Proposicional Capítulo 1: Fundamentos: Lógica y Demostraciones Clase 1: Lógica Proposicional Matemática Discreta - CC3101 Profesor: Pablo Barceló P. Barceló Matemática Discreta - Cap. 1: Fundamentos: Lógica y Demostraciones

Más detalles

Las reglas se parecen un poco a las vistas relacionales. Especifican relaciones virtuales que no están

Las reglas se parecen un poco a las vistas relacionales. Especifican relaciones virtuales que no están BASES DE DATOS DEDUCTIVAS Introducción: El interés de los Sistemas de Gestión de Bases de Datos Deductivas tiende a incrementarse conforme se amplía su campo de aplicación (Gestión, Sistemas Expertos).

Más detalles

Inteligencia Artificial II. Razonamiento con ontologías

Inteligencia Artificial II. Razonamiento con ontologías Inteligencia Artificial II Curso 2008 09 Trabajo de curso Razonamiento con ontologías Antonio Jiménez Mavillard Enunciado Una ontología es una representación formal de un determinado dominio o área de

Más detalles

Yalù Galicia Hernàndez. Yalú Galicia Hdez. (FCC/BUAP)

Yalù Galicia Hernàndez. Yalú Galicia Hdez. (FCC/BUAP) Yalù Galicia Hernàndez Yalú Galicia Hdez. (FCC/BUAP) 1 Introducción Qué es la Programación Orientada a Objetos? Conceptos básicos Abstracción Jerarquía Encapsulación Objeto Clase Herencia Polimorfismo

Más detalles

Tema 13. Metodologías en el desarrollo de Sistemas de Software. Prof. Oscar Adolfo Vallejos

Tema 13. Metodologías en el desarrollo de Sistemas de Software. Prof. Oscar Adolfo Vallejos Tema 13 Metodologías en el desarrollo de Sistemas de Software Prof. Oscar Adolfo Vallejos Desarrollo de Sistemas de Software Objetivo Conceptos en el contexto más amplio de Software e Ingeniería de Software

Más detalles

ELEMENTOS DE LÓGICA Y TEORÍA DE CONJUNTOS. Dra. Patricia Kisbye Dr. Alejandro L. Tiraboschi

ELEMENTOS DE LÓGICA Y TEORÍA DE CONJUNTOS. Dra. Patricia Kisbye Dr. Alejandro L. Tiraboschi ELEMENTOS DE LÓGICA Y TEORÍA DE CONJUNTOS Dra. Patricia Kisbye Dr. Alejandro L. Tiraboschi 3 INTRODUCCIÓN Estas notas han sido elaboradas con el objetivo de ofrecer al ingresante a las carreras de la

Más detalles

CAPÍTULO 1. INTRODUCCIÓN

CAPÍTULO 1. INTRODUCCIÓN CAPÍTULO 1. INTRODUCCIÓN 1.1 INTRODUCCIÓN Tiempo atrás se pensaba que algunos problemas como la demostración de teoremas, el reconocimiento de la voz y el de patrones, ciertos juegos (como el ajedrez o

Más detalles

2. Conceptos básicos Abstracción La abstracción como un proceso mental natural La abstracción en el desarrollo de software

2. Conceptos básicos Abstracción La abstracción como un proceso mental natural La abstracción en el desarrollo de software 2. Conceptos básicos Hoy en día las aplicaciones son demasiado voluminosas y complejas para ser manejadas por una sola persona. Las aplicaciones de software son complejas porque modelan la complejidad

Más detalles

Nombre de la asignatura: Inteligencia Artificial. Créditos: 2-2 - 4. Aportación al perfil

Nombre de la asignatura: Inteligencia Artificial. Créditos: 2-2 - 4. Aportación al perfil Nombre de la asignatura: Inteligencia Artificial Créditos: 2-2 - 4 Aportación al perfil Diseñar e implementar interfaces hombre- máquina y máquinamáquina para la automatización de sistemas. Identificar

Más detalles

Unidad II: Diseño de Bases de Datos y el modelo E-R. 2.1 El Proceso de Diseño

Unidad II: Diseño de Bases de Datos y el modelo E-R. 2.1 El Proceso de Diseño Unidad II: Diseño de Bases de Datos y el modelo E-R. 2.1 El Proceso de Diseño El proceso de diseño para una base de datos consta básicamente de 7 pasos, los cuáles se describen en la siguiente imagen.

Más detalles

Proyecto Tutelkán Tutelkan Reference Process (TRP) Versión 2.0

Proyecto Tutelkán Tutelkan Reference Process (TRP) Versión 2.0 Proyecto Tutelkán Tutelkan Reference Process (TRP) Versión 2.0 Parte 3: TRP Avanzado MAYO 2009 Tabla de Contenidos PREFACIO...5 DESARROLLO Y MANTENCIÓN DE SOFTWARE...6 DESARROLLO DE REQUERIMIENTOS...7

Más detalles

Pilares de la Orientación a Objetos

Pilares de la Orientación a Objetos Pilares de la Orientación a Objetos Pilares de la Orientación a Objetos Abstracción Relaciones Herencia Encapsulamiento Abstracción La Abstracción es la propiedad que permite seleccionar las características

Más detalles

CONSTRUCCION DE SISTEMAS EXPERTOS

CONSTRUCCION DE SISTEMAS EXPERTOS CONSTRUCCION DE SISTEMAS EXPERTOS TECNICAS DE EDUCCION DEL CONOCIMIENTO Dr. Ramón GARCIA MARTINEZ GRAFOS ARQUETÍPICOS En muchos dominios de conocimiento, puede reconocerse una estructura de representación

Más detalles

La importancia del desarrollo para el buen diseño del software

La importancia del desarrollo para el buen diseño del software La importancia del desarrollo para el buen diseño del software RESUMEN N L González Morales. 1 En este ensayo se examinan los temas vistos en clase que son Desarrollo de Orientado a Objetos y Arquitectura

Más detalles

Departamento de Informática Universidad de Valladolid Campus de Segovia TEMA 7: VALIDACIÓN

Departamento de Informática Universidad de Valladolid Campus de Segovia TEMA 7: VALIDACIÓN Departamento de Informática Universidad de Valladolid Campus de Segovia TEMA 7: VALIDACIÓN TÉCNICAS DE PRUEBA DEL SOFTWARE Introducción Aspectos psicológicos de las pruebas Flujo de información de la prueba

Más detalles

Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión?

Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión? Sistemas de Ayuda a la Decision Qué es un Sistema de Ayuda a la Decisión? Luis Daniel Hernández Molinero Departamento de Ingeniería de la Información y las Comunicaciones Facultad de Informática Universidad

Más detalles

Repetir el proceso para cada abstracción identificada hasta que el diseño este expresado en términos sencillos

Repetir el proceso para cada abstracción identificada hasta que el diseño este expresado en términos sencillos I. INTRODUCCIÓN El reciente aumento de aplicaciones en donde se utiliza la computadora ha sido posible debido a un hardware de bajo costo, por lo cual la demanda de software ha crecido de forma exponencial.

Más detalles

Programación Orientada a Objetos INTRODUCCIÓN Y CONCEPTOS

Programación Orientada a Objetos INTRODUCCIÓN Y CONCEPTOS Programación Orientada a Objetos INTRODUCCIÓN Y CONCEPTOS Programación OO Vista Macro: La programación orientada a objetos trata sobre el desarrollo de software utilizando un paradigma que descompone el

Más detalles

ANÁLISIS Y DISEÑO DE SISTEMAS

ANÁLISIS Y DISEÑO DE SISTEMAS ANÁLISIS Y DISEÑO DE SISTEMAS Clase XVIII: Modelo Dinámico Diagramas de Actividades Primer Cuatrimestre 2013 Diagrama de Actividades (DA) Un grafo o diagrama de actividad (DA) es un tipo especial de máquina

Más detalles

LOS AMBIENTES DE APRENDIZAJE COOPERATIVO Y COLABO- RATIVO

LOS AMBIENTES DE APRENDIZAJE COOPERATIVO Y COLABO- RATIVO Capítulo 2 LOS AMBIENTES DE APRENDIZAJE COOPERATIVO Y COLABO- RATIVO Uno de los principios más fuertes de la psicología social y de las organizaciones es que el trabajo en conjunto para alcanzar objetivos

Más detalles

Entidad Formadora: Plan Local De Formación Convocatoria 2010

Entidad Formadora: Plan Local De Formación Convocatoria 2010 Entidad Formadora: Enterprise Architect Comenzando Puede iniciar Enterprise Architect desde el ícono que se creó en su escritorio de Windows durante la instalación, o alternativamente: 1. Abrir el menú

Más detalles

Diagramas de Clase en UML 1.1

Diagramas de Clase en UML 1.1 Diagramas de Clase en UML. Francisco José García Peñalvo Licenciado en Informática. Profesor del Área de Lenguajes y Sistemas Informáticos de la Universidad de Burgos. fgarcia@.ubu.es Carlos Pardo Aguilar

Más detalles

Guía del Curso. IFCD0112 Programación con Lenguajes Orientados a Objetos y Bases de Datos. Relacionales

Guía del Curso. IFCD0112 Programación con Lenguajes Orientados a Objetos y Bases de Datos. Relacionales Guía del Curso IFCD0112 Programación con Lenguajes Orientados a Objetos y Bases de Datos Relacionales Modalidad de realización del curso: Número de Horas: Titulación: Distancia 710 Horas Diploma acreditativo

Más detalles

Estructuras Discretas. César Bautista Ramos Carlos Guillén Galván Daniel Alejandro Valdés Amaro

Estructuras Discretas. César Bautista Ramos Carlos Guillén Galván Daniel Alejandro Valdés Amaro Estructuras Discretas César Bautista Ramos Carlos Guillén Galván Daniel Alejandro Valdés Amaro Facultad de Ciencias de la Computación Benemérita Universidad Autónoma de Puebla 1. CONJUNTOS Y CLASES 1

Más detalles

INTRODUCCIÓN A LOS SISTEMAS GESTORES DE BASE DE DATOS

INTRODUCCIÓN A LOS SISTEMAS GESTORES DE BASE DE DATOS INTRODUCCIÓN A LOS SISTEMAS GESTORES DE BASE DE DATOS AUTORÍA JOSEFA PÉREZ DOMÍNGUEZ TEMÁTICA NUEVAS TECNOLOGIAS ETAPA CICLOS FORMATIVOS DE GRADO SUPERIOR DE INFORMÁTICA Resumen En esta publicación se

Más detalles

Ingeniería de Software Calidad de Procesos y Productos de Software

Ingeniería de Software Calidad de Procesos y Productos de Software Ingeniería de Software Calidad de Procesos y Productos de Software M. Visconti & H. Astudillo Departamento de Informática Universidad Técnica Federico Santa María Calidad

Más detalles

TEORIA DE BASES DE DATOS. M. Sc. Cristina Bender Lic. Diana Gázquez

TEORIA DE BASES DE DATOS. M. Sc. Cristina Bender Lic. Diana Gázquez TEORIA DE BASES DE DATOS Docentes: Dra. Claudia Deco M. Sc. Cristina Bender Lic. Diana Gázquez OBJETIVO DE LA MATERIA Capacitar al alumno en los conocimientos fundamentales, teóricos y prácticos, necesarios

Más detalles

Otto Cordero Sánchez 1, Enrique Peláez Jarrín 2

Otto Cordero Sánchez 1, Enrique Peláez Jarrín 2 UN MARCO DE TRABAJO PARA EL DESARROLLO DE APLICACIONES WEB CON COMPORTAMIENTO AUTONOMO INTELIGENTE Otto Cordero Sánchez 1, Enrique Peláez Jarrín 2 Resumen Este trabajo presenta un mecanismo para construir

Más detalles

Tópicos a ser desarrollados

Tópicos a ser desarrollados Diseño de Software El Diseño no puede ser definido solo puede explicarse en base a los distintos puntos de vista y tareas que realizan los diseñadores del software Basado en la traducción de Sommerville

Más detalles

Gestión de Datos en Sistemas de Información Web Programación Distribuida y en Tiempo Real. csv: 130207272481137020835624

Gestión de Datos en Sistemas de Información Web Programación Distribuida y en Tiempo Real. csv: 130207272481137020835624 ANEXO Curso de Adaptación para Titulados, información adicional El título propio que se propone persigue, como objetivo fundamental, el facilitar y garantizar la oferta de unos contenidos específicos que

Más detalles

BASE DE DATOS: ENFOQUE ORIENTADO A OBJETOS. Dámaso López Aragón

BASE DE DATOS: ENFOQUE ORIENTADO A OBJETOS. Dámaso López Aragón BASE DE DATOS: ENFOQUE ORIENTADO A OBJETOS Dámaso López Aragón Introducción En la actualidad, la orientación a objetos es una nueva forma de comprender los problemas y modelar el negocio de una empresa,

Más detalles

Programación Orientada a Objetos Analista Programador Universitario Plan 2008 Año 2010

Programación Orientada a Objetos Analista Programador Universitario Plan 2008 Año 2010 INTRODUCCION Un concepto fundamental que debemos tener en cuenta a la hora de modelar la realidad por medio de objetos es que los mismos no son entidades aisladas. Los objetos interactúan entre ellos constantemente

Más detalles

Universidad Tecnológica Nacional Facultad Regional San Francisco INGENIERÍA EN SISTEMAS DE INFORMACIÓN GESTIÓN DE DATOS

Universidad Tecnológica Nacional Facultad Regional San Francisco INGENIERÍA EN SISTEMAS DE INFORMACIÓN GESTIÓN DE DATOS Universidad Tecnológica Nacional Facultad Regional San Francisco INGENIERÍA EN SISTEMAS DE INFORMACIÓN GESTIÓN DE DATOS PLANIFICACIÓN CICLO LECTIVO 2015 ÍNDICE ÍNDICE... 2 UBICACIÓN... 3 OBJETIVOS... 4

Más detalles

Anexo I MÓDULOS PROFESIONALES. 1. Evalúa sistemas informáticos identificando sus componentes y características.

Anexo I MÓDULOS PROFESIONALES. 1. Evalúa sistemas informáticos identificando sus componentes y características. Página I / Anexo I Núm. 135 BOLETÍN OFICIAL DE LA RIOJA Viernes, 21 de octubre de 2011 Módulo Profesional: Sistemas informáticos. Código: 0483 Equivalencia en créditos ECTS: 10 Curso: 1º Duración: 170

Más detalles

SOciedad Dominicana de Inteligencia Artificial. Santo Domingo Mayo 2015

SOciedad Dominicana de Inteligencia Artificial. Santo Domingo Mayo 2015 SOciedad Dominicana de Inteligencia Artificial Santo Domingo Mayo 2015 1 Conferencia: La Inteligencia Artificial y sus Aplicaciones para Países en Desarrollo Dra. Ing. Rina Familia 24/05/2015 3 Hollywood

Más detalles

Datos parciales. Datos Parciales. La Programación estructurada se concentra en las acciones que controlan el flujo de datos.

Datos parciales. Datos Parciales. La Programación estructurada se concentra en las acciones que controlan el flujo de datos. Unidad I Conceptos Básicos de la Programación Orientada a Objetos 1.1 Paradigma de la Programación Orientada a Objetos Paradigma. Según el Diccionario de la Real Academia de la Lengua Española, paradigma

Más detalles

CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA. Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo

CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA. Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo CAPÍTUL07 SISTEMAS DE FILOSOFÍA HÍBRIDA EN BIOMEDICINA Alejandro Pazos, Nieves Pedreira, Ana B. Porto, María D. López-Seijo Laboratorio de Redes de Neuronas Artificiales y Sistemas Adaptativos Universidade

Más detalles

Base de Datos. Profesor: José Miguel Rubio L. P. UNIVERSIDAD CATÓLICA DE VALPARAÍSO FACULTAD DE INGENIERÍA ESCUELA DE INFORMÁTICA

Base de Datos. Profesor: José Miguel Rubio L. P. UNIVERSIDAD CATÓLICA DE VALPARAÍSO FACULTAD DE INGENIERÍA ESCUELA DE INFORMÁTICA P. UNIVERSIDAD CATÓLICA DE VALPARAÍSO FACULTAD DE INGENIERÍA ESCUELA DE INFORMÁTICA Base de Datos Usuario A Programa de Aplicación Bodega Usuario B Usuario N Insumo Proveedor Profesor: José Miguel Rubio

Más detalles

Unidades temáticas de Ingeniería del Software. Software e Ingeniería del Software 5ª edición (2008)

Unidades temáticas de Ingeniería del Software. Software e Ingeniería del Software 5ª edición (2008) Unidades temáticas de Ingeniería del Software Software e Ingeniería del Software 5ª edición (2008) la importancia del software El software ha evolucionado durante las últimas cinco décadas aunque no al

Más detalles

Calidad del Software

Calidad del Software 154 ITI Gestión Medición 155 Programa 1. Medición y experimentación en Ingeniería del Software 1.1 Introducción 1.2 Teoría representacional de la medición. 1.3 Experimentación en Ingeniería del software.

Más detalles

UNLaM FRAME RELAY 1) FUNDAMENTOS :

UNLaM FRAME RELAY 1) FUNDAMENTOS : La técnica de retransmisión de tramas ( Frame relay ), al igual que ATM, se diseñó para proporcionar un esquema de transmisión más eficiente que el de X.25. Tanto las normalizaciones como los productos

Más detalles

Introducción a la Inteligencia Artificial

Introducción a la Inteligencia Artificial Introducción a la Inteligencia Artificial Qué es la Inteligencia Artificial? Todas las definiciones de Inteligencia Artificial están relacionadas con la siguiente idea: Desarrollo de métodos y algoritmos

Más detalles

LÓGICA JURÍDICA. Idea preliminar Cap. I. Nicolás Mejía Gómez -Universidad Libre Facultad de derecho

LÓGICA JURÍDICA. Idea preliminar Cap. I. Nicolás Mejía Gómez -Universidad Libre Facultad de derecho LÓGICA JURÍDICA Idea preliminar Cap. I Objetivos Definir y explicar qué es la lógica. Distinguir entre el pensamiento tomado como función y/o facultad y el considerado como producto. Señalar el tipo de

Más detalles

Programación orientada a

Programación orientada a Programación orientada a objetos con Java Pedro Corcuera Dpto. Matemática Aplicada y Ciencias de la Computación Universidad de Cantabria corcuerp@unican.es Objetivos Presentar los conceptos de la programación

Más detalles

Experiencia en la Educación a Distancia con E-learning, en el área de la Gráfica y Animación Digital

Experiencia en la Educación a Distancia con E-learning, en el área de la Gráfica y Animación Digital Experiencia en la Educación a Distancia con E-learning, en el área de la Gráfica y Animación Digital José Luis Caropresi 1, Ma. Victoria Paredes 2 Cátedra de Computación Gráfica Departamento de Informática

Más detalles

TTP / Informática Profesional y Personal Módulo / Conexión entre dos computadoras

TTP / Informática Profesional y Personal Módulo / Conexión entre dos computadoras Ministerio de Educación, Ciencia y Tecnología TTP / Informática Profesional y Personal Módulo / Conexión entre dos computadoras Aprobado por Res. 190/02 CFCyE Presentación La problemática abordada por

Más detalles

Documentando la arquitectura de software Principios básicos por Omar Gómez

Documentando la arquitectura de software Principios básicos por Omar Gómez Documentando la arquitectura de software Principios básicos por Omar Gómez En la actualidad, uno de los temas candentes que se habla dentro de la comunidad de desarrollo de software es el referente a las

Más detalles

Capítulo 4. Prueba de Adaptabilidad

Capítulo 4. Prueba de Adaptabilidad Capítulo 4 Prueba de Adaptabilidad Capítulo 4. Prueba de Adaptabilidad Como se mencionó en el capítulo 2 actualmente no es válido que el software únicamente funcione bien y resuelva el problema que le

Más detalles

UNIVERSIDAD DE GUADALAJARA

UNIVERSIDAD DE GUADALAJARA UNIVERSIDAD DE GUADALAJARA DEPARTAMENTO DE CIENCIAS COMPUTACIONALES NOMBRE DE LA MATERIA: Sistemas Expertos ACADEMIA: Técnicas Modernas de Programación CLAVE DE LA MATERIA: CC00 ÁREA DE FORMACIÓN: Optativa

Más detalles

UN ENFOQUE PROCEDIMENTAL PARA LA ENSEÑANZA DE COMPUTACIÓN EN CARRERAS DE INGENIERÍA

UN ENFOQUE PROCEDIMENTAL PARA LA ENSEÑANZA DE COMPUTACIÓN EN CARRERAS DE INGENIERÍA UN ENFOQUE PROCEDIMENTAL PARA LA ENSEÑANZA DE COMPUTACIÓN EN CARRERAS DE INGENIERÍA Autor M. Elizabeth JIMÉNEZ REY (ejimenez@mara.fi.uba.ar) Departamento de Computación. Facultad de Ingeniería (Sede Paseo

Más detalles

CARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020)

CARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020) CARTA DESCRIPTIVA (FORMATO MODELO EDUCATIVO UACJ VISIÓN 2020) I. Identificadores de la asignatura Instituto: Ingeniería y Tecnología Modalidad: Presencial Departamento: Materia: Eléctrica y Computación

Más detalles

Programación de Estadística de 2º de Bachillerato, Tecnológico

Programación de Estadística de 2º de Bachillerato, Tecnológico Programación de Estadística de 2º de Bachillerato, Tecnológico 1 Introducción La estadística se ha consolidado en nuestros días como una herramienta necesaria y potente para el desarrollo de multitud de

Más detalles

SISTEMAS DE GESTIÓN DE BASE DE DATOS SGBD / DBMS

SISTEMAS DE GESTIÓN DE BASE DE DATOS SGBD / DBMS Universidad de Carabobo Facultad Experimental de Ciencias y Tecnología Departamento de Computación Unidad Académica Base de Datos SISTEMAS DE GESTIÓN DE BASE DE DATOS SGBD / DBMS Integrantes: Fidel Gil

Más detalles

Compiladores: Sesión 20. Análisis semántico, verificación e inferencia de tipos

Compiladores: Sesión 20. Análisis semántico, verificación e inferencia de tipos Compiladores: Sesión 20. Análisis semántico, verificación e inferencia de tipos Prof. Gloria Inés Alvarez V. Departamento de Ciencias e Ingeniería de la Computación Pontificia Universidad Javeriana Cali

Más detalles

Glosario. actividad. 1. (tarea) 2. es un subproceso que no requiere mas descomposición.

Glosario. actividad. 1. (tarea) 2. es un subproceso que no requiere mas descomposición. Glosario Aclaraciones Los conceptos del glosario están ordenados alfabéticamente. Un concepto puede ser un único término como meta o una frase como ambiente de ingeniería de software centrado en procesos.

Más detalles

FORMATO SUGERIDO DE PROGRAMA OPERATIVO PARA LA PLANEACIÓN DIDÁCTICA (Colegio de Ciencias y Humanidades)

FORMATO SUGERIDO DE PROGRAMA OPERATIVO PARA LA PLANEACIÓN DIDÁCTICA (Colegio de Ciencias y Humanidades) DATOS DE LA INSTITUCIÓN FORMATO SUGERIDO DE PROGRAMA OPERATIVO PARA LA PLANEACIÓN DIDÁCTICA (Colegio de Ciencias y Humanidades) Nombre: Colegio Madrid, A.C. Clave 2011 DATOS DEL PROFESOR Nombre: Jesús

Más detalles

Ingeniería de Software con UML Unified Modeling Language Lenguaje Unificado de Modelado

Ingeniería de Software con UML Unified Modeling Language Lenguaje Unificado de Modelado Ingeniería de Software con UML Unified Modeling Language Lenguaje Unificado de Modelado 1. Introducción Unified Modeling Languaje Fuente: Booch- Jacobson-Rumbauch y diversos sitios Internet, entre otros:

Más detalles

Lógica Proposicional IIC2212. IIC2212 Lógica Proposicional 1 / 56

Lógica Proposicional IIC2212. IIC2212 Lógica Proposicional 1 / 56 Lógica Proposicional IIC2212 IIC2212 Lógica Proposicional 1 / 56 Inicio de la Lógica Originalmente, la Lógica trataba con argumentos en el lenguaje natural. Ejemplo Es el siguiente argumento válido? Todos

Más detalles

Ingeniería de Requisitos

Ingeniería de Requisitos Ingeniería de Requisitos Temario Definiciones Requisitos Funcionales y No Funcionales Tipos de Requisitos Ingeniería de Requisitos Proceso de los Requisitos Obtención de Requisitos - Técnicas Modelado

Más detalles