Aprendizaje Computacional y Extracción de Información
|
|
- Irene de la Cruz Alcaraz
- hace 8 años
- Vistas:
Transcripción
1 Aprendizaje Computacional y Extracción de Información Introducción Jose Oncina oncina@dlsi.ua.es Dep. Lenguajes y Sistemas Informáticos Universidad de Alicante 17 de octubre de 2005 J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
2 Índice 1 Introducción 2 Ejemplo: el juego de las Damas 3 Bases de datos 4 Aplicaciones 5 Cuestiones J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
3 Qué es aprender? La RAE lo define como: Adquirir el conocimiento de algo por medio del estudio o de la experiencia. Como sabemos que hemos adquirido el conocimiento? J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
4 Otra definicion de aprender definicion: Se aprende cuando se cambia el comportamiento en una tarea de forma que se mejora con la experiencia Según la definición... Unos zapatos aprenden? Habrá que definir: A qué tarea nos referimos Como obtenemos la experiencia Qué significa mejor (como se mide) J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
5 Porqué trabajar en aprendizaje? Hay tres grandes nichos: 1 Minería de datos: Extraer conocimiento a partir de (muchos) datos Bases de datos médicas conocimiento médico Registros de compras pautas de compras 2 Aplicaciones que no sabemos programar a mano Conducir un vehículo traducción automática 3 programas que se auto-adaptan Noticias interesantes Buscadores auto-ajustables J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
6 Porqué ahora? Han habido grandes progresos en la teoría y en la práctica Abundancia de datos Los ordenadores son cada vez mas potentes Industria en crecimiento J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
7 Ejemplo: Juego de las damas Tarea: jugar a las damas Rendimiento: porcentaje de partidas ganadas en un torneo Experiencia: oportunidad de jugar contra si mismo J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
8 Algunas cuestiones a aclarar A partir de que datos vamos a aprender? Que es exactamente lo que debemos aprender? Como lo vamos a representar? Como lo vamos a aprender? Vamos a ver cada cuestión por separado... J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
9 A partir de que datos vamos a aprender? Experiencia directa o indirecta? conocemos cuales son las jugadas buenas o las jugadas de una partida ganadora (o perdedora) Disponemos de un maestro al que preguntar? Las muestras, son representativas del torneo? J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
10 Que es exactamente lo que vamos a aprender? eligemovimiento : tablero movimiento V : tablero R Una vez estimada, la función V puede usarse para calcular el valor de un tablero J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
11 Posible definición de la función V Si b es una posición final ganadora, entonces V (b) = 1 Si b es una posición final perdedora, entonces V (b) = 1 Si b es una posición final de tablas, entonces V (b) = 0 Si b no es una posición final, entonces V (b) = V (b ), donde b es la mejor posición final a la que se puede llegar desde b jugando de forma óptima. Problema: Este procedimiento no es practicable J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
12 como vamos a representar V? Conjunto de reglas? Red neuronal? Función sobre ciertas características de la posición?... J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
13 Una representación lineal V (b) = w 1 x 1 + w 2 x 2 + w 3 x 3 + w 4 x 4 + w 5 x 5 + w 6 x 6 A las x i se les denomina características x 1 : número de piezas negras x 2 : número de piezas blancas x 3 : número de damas negras x 4 : número de damas blancas x 5 : número de piezas blancas amenazadas x 6 : número de piezas negras amenazadas J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
14 Ejemplos de entrenamiento V (b): función objetivo óptima V (b): función objetivo estimada V t (b): valor de entrenamiento Una forma para obtener valores de entrenamiento: V t (b) = V (sucesor(b)) Donde sucesor(b) denota la posición después de jugar el programa y su oponente. Si el programa y su oponente juegan bien, tendremos las mismas oportunidades de ganar antes y después de su jugada J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
15 Como lo vamos a aprender? Hay que aprender los valores de w i Una posibilidad es minimizar la suma de los errores al cuadrado: argmin w i (b,v t (b)) ( V t (b) V ) 2 (b) J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
16 De forma equivalente Repetir un cierto número de veces... Para cada par (b, V t (b)) 1 Calcular V (b) 2 Calcular el error de la posición actual: error(b) = V t (b) V (b) 3 Para cada característica x i, actualizar w i : w i = w i + η error(b) x i Donde η es una constante (> 0) para moderar la tasa de aprendizaje Si x i = 0, no se actualiza w i Si error(b) = 0, no se actualiza w i Si error(b) > 0 ( V (b) es muy pequeño), el peso w i aumentará. J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
17 Elecciones al diseñar J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
18 Es un buen día para jugar? Condiciones para practicar un deporte Outlook Temperature Humidity Windy Play Sunny Hot High False No Sunny Hot High True No Overcast Hot High False Yes Rainy Mild Normal False Yes Algunas reglas If outlook = sunny and humidity = high then play = no If outlook = rainy and windy = true then play = no If outlook = overcast then play = yes If humidity = normal then play = yes If none of the above then play = yes J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
19 Clasificación frente a asociación Reglas de Clasificación Predice el valor de un atributo dado (la clase de un ejemplo) Ejemplo: If outlook = sunny and humidity = high then play = no Reglas de asociación Predice el valor de un atributo arbitrario (o combinación de) Ejemplos: If temperature = cool then humidity = normal If humidity = normal and windy = false then play = yes If windy = false and play = no then outlook = sunny and humidity = high J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
20 Con datos numéricos Condiciones para practicar un deporte Outlook Temperature Humidity Windy Play Sunny False No Sunny True No Overcast False Yes Rainy False Yes Algunas reglas If outlook = sunny and humidity > 83 then play = no If outlook = rainy and windy = true then play = no If outlook = overcast then play = yes If humidity < 85 then play = yes If none of the above then play = yes J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
21 Una bases de datos completa Tipo de lentillas age spectacle astig. tear prod. contact precription rate lenses young myope no reduced none young myope no normal soft young myope yes normal hard young hypermetrope no reduced none pre-presbyopic myope no reduced none presbyopic myope no reduced none J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
22 Las reglas Un conjunto de reglas completo y correcto If tear production rate = reduced then recommendation = none If age = young and astigmatic = no and tear production rate = normal then recommendation = soft If age = pre-presbyopic and astigmatic = no and tear production rate = normal then recommendation = soft If age = presbyopic and spectacle prescription = myope and astigmatic = no then recommendation = none If spectacle prescription = hypermetrope and astigmatic = no and tear production rate = normal then recommendation = soft If spectacle prescription = myope and astigmatic = yes and tear production rate = normal then recommendation = hard If age young and astigmatic = yes and tear production rate = normal then recommendation = hard If age = pre-presbyopic and spectacle prescription = hypermetrope and astigmatic = yes then recommendation = none If age = presbyopic and spectacle prescription = hypermetrope and astigmatic = yes then recommendation = non J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
23 Un árbol de decisión J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
24 Clasificación de flores Algunas reglas Tipos de Iris Sepal w. Sepal l. Petal w. Petal l. Type Iris setosa Iris setosa Iris versicolor Iris versicolor Iris virginica Iris virginica If petal length < 2.45 then Iris setosa If sepal width < 2.10 then Iris versicolor... J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
25 Regresión Prediccion de rendimiento de una CPU Cycle time Main memory Cache Channels Performance (ns) (Kb) (Kb) MYCT MMIN MMAX CACH CHMIN CHMAX PRP Regresión Lineal P = MYCT MMIN MMAX CACH CHMIN CHMAX J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
26 Valores desconocidos Negociaciones laborales Attribute Type Duration (Numb. of years) Wage incr. first year Percentage 2 % 4 % 4.3 % 4.5 % Wage incr. second year Percentage? 5 % 4.4 % 4.0 % Wage incr. third year Percentage???? Cost of living adjust. {none,tcf,tc} none tcf? none Working hours per week (Numb. of hours) Pension {none,ret-allw, none??? empl-cntr} Standby pay Percentage? 13 %??... Acceptability of contract {good,bad} bad good good good J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
27 Árboles de decisión J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
28 Conocimiento del dominio Enfermedades de la soja Attribute NoV Sample value Environment Time occurrence 7 July Precipitation 3 Above normal Seed Condition 2 Normal Mold growth 2 Absent Fruit Con. of fruit pods 4 Normal Fruit spots 5? Leaves Condition 2 Abnormal Leaf spot size 3? Stem Condition 2 Abnormal Stem lodgin 2 Yes Roots Condition 2 Abnormal Diagnosis 19 Diaporthe stem canker J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
29 El conocimiento del dominio regla 1 If leaf condition is normal and stem condition is abnormal and stem cankers is below soil line and canker lesion color is brown then diagnosis is rhizoctonia root rot regla 2 If leaf malformation is absent and stem condition is abnormal and stem cankers is below soil line and canker lesion color is brown then diagnosis is rhizoctonia root rot En este dominio Leaf condition is normal leaf malformation is absent J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
30 Algunas aplicaciones Conducción automática Personalización de páginas web Procesado de peticiones de préstamos Localización de manchas de petroleo Predicción de la demanda eléctrica Diagnosis de fallos en máquinas Marketing y ventas J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
31 Conducción automática (ALVINN) J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
32 Extracción de asociaciones J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
33 Personalización (your store) J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
34 Procesado de peticiones de préstamos American Express Dado un cuestionario con información personal y financiera Cuestión: debemos prestar dinero? Métodos estadísticos simple cubren el 90 % de los casos Los casos dudosos se mandan a personal especializado Casi el 50 % de los casos resultan en impagos Solución: Rechazar todos los casos dudosos Problema: Los casos dudosos son los clientes mas activos! J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
35 Usando una técnica de aprendizaje 1000 muestras de casos dudosos 20 atributos Edad Número de años en el mismo trabajo Número de años en el mismo domicilio Número de años trabajando con el banco Qué otras tarjetas de crédito posee,... Reglas aprendidas: correctas en el 70 % de los casos Los expertos humanos solo el 50 % Las reglas pueden usarse para explicar las decisiones J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
36 Detección de manchas de petroleo Dadas imágenes radar tomadas desde satélite de aguas costeras Problema: detectar manchas de petroleo Las manchas aparecen como regiones oscuras Pero también pueden aparecer regiones oscuras a causa de las condiciones meteorológicas Proceso caro que necesita personal altamente entrenado J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
37 Usando una técnica de aprendizaje Extracción de regiones oscuras a partir de imágenes normalizadas Atributos: Tamaño de la región Forma, área Intensidad Dentado y afilado de los bordes Proximidad a otras regiones Información acerca del fondo de la imagen Restricciones: Pocos ejemplos de entrenamiento (las manchas son raras) Datos desequilibrados (muchas regiones oscuras no son manchas) Requerimiento: tasa de las falsas alarmas debe ser ajustable J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
38 Predicción de carga Las compañías eléctricas necesitan predecir la carga de la red Una predicción correcta implica grandes ahorros Dado un modelo construido manualmente que asume condiciones climáticas normales Problema: ajustar para las condiciones del tiempo El modelo estático consiste en: carga base del año periodicidad de la carga por meses efecto de las fiestas J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
39 Usando una técnica de aprendizaje Predicción corregida encontrando días similares Atributos: temperatura humedad velocidad del viento nubosidad diferencia entre la carga predicha y la real Se buscan los dias mas parecidos y se modifica la predicción de modelo base en consonancia. J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
40 Diagnosis de fallos en máquinas Es un campo típico de la inteligencia artificial Datos: El análisis de Fourier de las vibraciones medidas en varios puntos Pregunta: cual es el fallo? Permite un mantenimiento preventivo La información tiene mucho ruido Hasta ahora las reglas se producían a mano J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
41 Usando una técnica de aprendizaje Datos: 600 fallos con diagnosis hechas por expertos 300 no satisfactorias, el resto usado como entrenamiento Los atributos se aumentaron con conceptos relativos al dominio Al principio, lo expertos no estaban satisfechos porque la reglas no estaban relacionadas con su conocimiento Se añadió mas conocimiento del dominio. Mas reglas pero que los expertos entendían Las reglas aprendidas fueron mejores que las hechas a mano J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
42 Marketing y ventas Las compañías tienen grandes cantidades de información acerca de las ventas Aplicaciones: Fidelidad del cliente: identificar los clientes que es posible que abandonen mediante la detección de cambios en su comportamiento. Ofertas especiales: identificar clientes provechoso (clientes fiables que necesitas dinero durante las vacaciones) J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
43 Marketing y ventas Análisis del carro de la compra Encontrar items que se suelen comprar a la vez Análisis histórico de los patrones de consumo Identificar futuros clientes propaganda focalizada J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
44 Algunas cuestiones en Aprendizaje Computacional Que algoritmos pueden aproximar que funciones? En que circunstancias? Como influye el número de muestras de aprendizaje a la precisión? Como influye la complejidad del espacio de representación? Como influye el ruido en la precisión? Cuales son lo límites teóricos del aprendizaje? Como puede ayudar el conocimiento a priori? Podemos comprender lo que ha aprendido un sistema? J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
45 Relación con otras disciplinas Inteligencia artificial Reconocimiento de formas Procesamiento del Lenguaje Natural Robótica Teoría de control Estadística Filosofía J. Oncina (Universidad de Alicante) ACEI 17 de octubre de / 50
El Producto. Qué es la Ingeniería de Software? Tecnología para construir software Un proceso Un conjunto de métodos Herramientas
El Producto Qué es la Ingeniería de Software? Tecnología para construir software Un proceso Un conjunto de métodos Herramientas Evolución Primeros años Principios 1960 s orientación batch distribución
Más detallesOverall Equipment Effectiveness
Overall Equipment Effectiveness Cuando hablamos de mejora continua en un área de producción o de manufactura el OEE es el indicador clave para medir la eficiencia de una maquina o una línea de trabajo.
Más detallesIntroducción: Modelos, Escalas y Métricas. Valentin Laime. Calidad de Software
Calidad de Software: Introducción: Modelos, Escalas y Métricas Valentin Laime Calidad de Software 10/28/2014 1 Modelos Un modelo es una abstracción de la realidad, que permite abstraer detalles y visualizar
Más detallesUNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES GUÍA 2: PROBABILIDADES Profesor: Hugo S. Salinas Segundo Semestre 2010 1. Describir el espacio muestral
Más detallesData Mining. Data Mining Machine Learning Tools and Techniques. Ph.D. José Aldo Díaz-Prado
Data Mining Data Mining Machine Learning Tools and Techniques Ph.D. José Aldo Díaz-Prado Raw Data Data Mining es la extracción de conocimiento desconocido, previamente implícito e información potencialmente
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesINGENIERÍA EN ORGANIZACIÓN INDUSTRIAL (SEMIPRESENCIAL)
Titulación: INGENIERÍA EN ORGANIZACIÓN INDUSTRIAL (SEMIPRESENCIAL) Alumno (nombre y apellidos): JOSÉ MARÍA AMAT DE SWERT Título PFC: ESTUDIO PARA LA IMPLANTACIÓN DEL SISTEMA MRP DE PLANIFICACIÓN Y CONTROL
Más detallesServicios Administrados al Cliente
Dell Administrados al Cliente Los servicios administrados le pueden ayudar. Al aplicar un proceso de administración consistente a través de los imprevistos en la vida de su computadora, usted puede minimizar
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesUnidad 9. Fondo de amortización. Objetivos. Al finalizar la unidad, el alumno:
Unidad 9 Fondo de amortización Objetivos Al finalizar la unidad, el alumno: Calculará el valor de los depósitos de un fondo de amortización. Construirá tablas de fondos de amortización. Calculará el fondo
Más detallesEspectro de Vega captado el 15-10-2012 (de 19h14 a 19h30 TU) con
Espectro de Vega captado el 15-10-2012 (de 19h14 a 19h30 TU) con SC 8 a f/6.3, cámara QSI y red de difracción Star Analyser 100. Tratamiento del espectro con Visual Spec. Se ve en la imagen Vega (espectro
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesContabilidad Orientada a los Negocios
Tema 5 Introducción Como todos sabemos, al pagar por alguna cosa, cualquiera que esta sea, que jamás haya sido utilizada, se debe desembolsar una cantidad de dinero, esto es porque, al igual que todas
Más detalles32 - CÓMO PROGRAM A R AC T I V I D A D E S E N
32 - CÓMO PROGRAM A R AC T I V I D A D E S E N U N AU L A D E E D U C AC I Ó N E S P E C I AL 01/10/2014 Número 49 AUTOR: Beatriz Blanco Rodríguez CENTRO TRABAJO: CPEE Andrés Muñoz Garde INTRODUCCIÓN Cuando
Más detallesServicio de estadísticas de Alojamiento Fecha de revisión: 19/09/2005
Servicio de estadísticas de Alojamiento Fecha de revisión: 19/09/2005 1. Acerca de este documento Este documento describe el servicio de estadísticas del que actualmente disfrutan algunas de las páginas
Más detallesMODELOS DE SIMULACIÓN
MODELOS DE SIMULACIÓN En general, se llama modelo a la imagen o representación de un sistema, generalmente simplificada e incompleta. Y se llama simulación a la experimentación con un modelo para extraer
Más detallesORDENADOR PORTÁTIL O SOBREMESA?
ORDENADOR PORTÁTIL O SOBREMESA? El avance en la tecnología en movilidad plantea dudas sobre la conveniencia de comprar un nuevo ordenador de sobremesa o inclinarse por un portátil. Por JORDI SABATÉ Son
Más detallesPRINCIPIOS FINAN IEROS FUNDAMENTALE DEL FED
PRINCIPIOS FINAN IEROS FUNDAMENTALE DEL FED Ahorradores inteligentes 100 AÑOS Descripción de la lección Conceptos Objetivos Los estudiantes calculan el interés compuesto para identificar las ventajas de
Más detallesRevisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión.
Revisión del Universo de empresas para la Estimación de los Datos Del Mercado Español de Investigación de Mercados y Opinión. (Enrique Matesanz y Vicente Castellanos, Año 2011) Según la experiencia acumulada
Más detallesMétricas, Estimación y Planificación en Proyectos de Software
Métricas, Estimación y Planificación en Proyectos de Software Cuando se planifica un proyecto se tiene que obtener estimaciones del costo y esfuerzo humano requerido por medio de las mediciones de software
Más detallesEl reto de la Gestión Documental
El reto de la Gestión Documental Introducción Quizá la pregunta más habitual que nos hacemos al considerar soluciones de Gestión Documental sea cómo puedo digitalizar la enorme cantidad de documentos que
Más detallesREAL FEDERACIÓN ESPAÑOLA DE GOLF. c/ Arroyo del Monte 5-28049 MADRID - T: (34) 913 769 130 - F: (34) 915 563 290 - rfegolf@rfegolf.es - www.rfegolf.
REAL FEDERACIÓN ESPAÑOLA DE GOLF c/ Arroyo del Monte 5-28049 MADRID - T: (34) 913 769 130 - F: (34) 915 563 290 - rfegolf@rfegolf.es - www.rfegolf.es Circular 56/2015 SISTEMA DE ACCESO PARA LOS CAMPEONATOS
Más detallesUNIVERSIDAD 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 detallesDespués de que un producto agrícola sale de la explotación agrícola, puede pasar a través de uno o incluso dos mercados mayoristas y una cadena de
1 Los precios son un importante factor económico en una economía de mercado. Desde el punto de vista del análisis económico los precios son el medio de agregación para proporcionar un panorama general
Más detallesSoluciones de los ejercicios de Selectividad sobre Probabilidad de Matemáticas Aplicadas a las Ciencias Sociales II
Soluciones de los ejercicios de Selectividad sobre Probabilidad de ntonio Francisco Roldán López de Hierro * Convocatoria de 2007 Las siguientes páginas contienen las soluciones de los ejercicios propuestos
Más detallesFUNCIONES DE PROPORCIONALIDAD
UNIDAD 2 PROPORCIONALIDAD. FUNCIONES DE PROPORCIONALIDAD 1.- INTRODUCCIÓN Continuamente hacemos uso de las magnitudes físicas cuando nos referimos a diversas situaciones como medida de distancias (longitud),
Más detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detallesEstudio de siniestralidad vial y reincidencia por edad, sexo y lugar de residencia
Estudio de siniestralidad vial y reincidencia por edad, sexo y lugar de residencia 1 Introducción La Fundación Mutua Madrileña ha pedido al Servicio de Estudios de la aseguradora un estudio sobre las tendencias
Más detallesJugamos al Bingo matemático
TERCER GRADO UNIDAD 2 SESIÓN 24 Jugamos al Bingo matemático En esta sesión, a través del Bingo matemático, los niños y las niñas pondrán en práctica lo aprendido usando operaciones de adición y sustracción,
Más detalles8. RESULTADOS PREVISTOS
8. RESULTADOS PREVISTOS Para determinar las tasas de graduación, eficiencia y abandono es recomendable partir de los resultados obtenidos en los últimos años: E.U. de Magisterio de Guadalajara. Tasa de
Más detallesPor qué registrar su Marca con Nosotros
Por qué registrar su Marca con Nosotros Desde IdenBiz le brindamos asesoramiento integral en Identidad Corporativa, tanto en lo que hace al proceso legal de Registro de su Marca ante el INPI, como a las
Más detallesPredicción de los ciclos de El Niño
Predicción de los ciclos de El Niño Israel Cendrero Sánchez I.T.T.Telemática Universidad Carlos III de Madrid Leganes,Madrid,España 100055713@alumnos.uc3m.es Beatriz López Moreno I.T.T.Telemática Universidad
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesUna investigación australiana reveló que posiblemente la disminución
CIENTÍFICOS TRABAJAN EN DETECCIÓN DE CÁNCER DE MAMA A TRAVÉS DE REDES NEURONALES ARTIFICIALES Constituye un apoyo para el médico y los radiólogos para evitar falsos diagnósticos Fernando Álvarez Una investigación
Más detallesIntroducción. Ciclo de vida de los Sistemas de Información. Diseño Conceptual
Introducción Algunas de las personas que trabajan con SGBD relacionales parecen preguntarse porqué deberían preocuparse del diseño de las bases de datos que utilizan. Después de todo, la mayoría de los
Más detallesCONCEPTOS Y CRITERIOS DE LOS INDICADORES DE CALIDAD
CONCEPTOS Y CRITERIOS DE LOS INDICADORES DE CALIDAD Las tablas con los indicadores de calidad recogen los siguientes campos: 1. Denominación de la actividad. Nombre que aparece en el Programa Estadístico
Más detallesLas razones financieras ayudan a determinar las relaciones existentes entre diferentes rubros de los estados financieros
Razones financieras Uno de los métodos más útiles y más comunes dentro del análisis financiero es el conocido como método de razones financieras, también conocido como método de razones simples. Este método
Más detallesINTERPRETACIÓN DE RESULTADOS
INTERPRETACIÓN DE RESULTADOS UNIVERSIDAD DE ALICANTE. Evaluación de riesgos psicosociales ISTAS21-CoPsoQ. Índice 1. Antecedentes... 3 2. Descripción... 3 3. Conclusiones... 7 Antecedentes Como consecuencia
Más detallesproporción de diabetes = 1.500 = 0.06 6 % expresada en porcentaje 25.000.
UNIDAD TEMATICA 3: Tasas Razones y proporciones Objetivo: Conocer los indicadores que miden los cambios en Salud, su construcción y utilización La información que se maneja en epidemiología frecuentemente
Más detalles1. Introducción: Edificio San Bartolomé Plaza Fray Luis 1-8, 37008 - Salamanca Teléfono: 923 294500, ext. 1269 e-mail: oficinaverde@usal.
Encuesta: Hábitos de separación y conocimientos sobre la gestión de los residuos de papel-cartón del colectivo de estudiantes de la Universidad de Salamanca. 1. Introducción: La Universidad de Salamanca,
Más detalles4. EVALUACIÓN DEL PROGRAMA DE CAPACITACIÓN
4. EVALUACIÓN DEL PROGRAMA DE CAPACITACIÓN La etapa final del proceso de capacitación es la evaluación de los resultados obtenidos, mediante este proceso se puede responder a las siguientes preguntas:
Más detallesPráctica 3. Explorando datos con Statistix
Práctica 3. Explorando datos con Statistix En esta práctica aprenderemos a explorar un conjunto de datos utilizando el menú Statistics de nuestro programa. Un geyser es un nacimiento de agua hirviente
Más detallesPROPORCIONALIDAD - teoría
PROPORCIONALIDAD RAZÓN: razón de dos números es el cociente indicado de ambos. Es decir, la razón de los dos números a y b es a:b, o lo que es lo mismo, la fracción b a. PROPORCIÓN: es la igualdad de dos
Más detallesComente: Los bancos siempre deberían dar crédito a los proyectos rentables. Falso, hay que evaluar la capacidad de pago.
Explique Brevemente en que consiste el leasing y nombre los diferentes tipos existentes. Es un mecanismo de financiamiento de Activos el cual permite el uso del activo por un periodo determinado a cambio
Más detallesNuestro Sistema Solar
03 Lección Refuerzo Ciencias Nuestro Sistema Solar APRENDO JUGANDO Competencia Comprende con perspectiva científica el universo, algunos de sus componentes y el movimiento de rotación y traslación de los
Más detallesLA INNOVACIÓN EMPRESARIAL
LA INNOVACIÓN EMPRESARIAL La teoría del crecimiento manifiesta que el cambio tecnológico explica, en mayor medida como ningún otro factor, el crecimiento económico de un país. La innovación es uno de los
Más detallesTEMA 11 LA MATERIA EN EL UNIVERSO
TEMA 11 LA MATERIA EN EL UNIVERSO TEMA 11 LA MATERIA EN EL UNIVERSO QUÉ ES LA MATERIA? Materia es todo aquello que tiene volumen (ocupa un espacio) y que tiene una determinada masa (por tanto, pesa). QUÉ
Más detallesCAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas
CAPÍTULO 10 Aplicaciones de la Derivada a Funciones Económicas Introducción En la economía, la variación de alguna cantidad con respecto a otra puede ser descrita por un concepto promedio o por un concepto
Más detalles5. Actividades. ACTIVIDAD No. 1
5. Actividades En esta sección se describen siete actividades, cada una de ellas identificada por el título, objetivo, audiencia a la que se destina, materias y procedimiento. Es importante señalar que
Más detallesLíneas de espera. Introducción.
Líneas de espera. Introducción. En este capítulo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas
Más detalles1-9 August 2003, Berlin
World Library and Information Congress: 69th IFLA General Conference and Council 1-9 August 2003, Berlin Code Number: 014-S Meeting: 91. Education and Training Simultaneous Interpretation: Yes Informe
Más detallesEvaluación Financiera de Proyectos
Evaluación Financiera de Proyectos Qué contiene esta presentación? 1. Cómo preparar un flujo de caja de un proyecto Inversión Ingresos Gastos Flujo de Caja Depreciación e Impuestos 2. Cómo evaluar un flujo
Más detallesUNIDAD 4 PROCESOS DE MARKOV
UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se
Más detallesSolución Examen Parcial, Ingeniería del Software I.
Solución Examen Parcial, Ingeniería del Software I. 21 de Noviembre de 2005. NOMBRE: GRUPO: Nota: Contesta todas las preguntas en el enunciado, y entrégalo al terminar. Ejercicio 1 (2.5 puntos) Selecciona
Más detallesHoja1!C4. Hoja1!$C$4. Fila
CAPÍTULO 6......... Cálculo y funciones con Excel 2000 6.1.- Referencias De Celdas Como vimos con anterioridad en Excel 2000 se referencian las celdas por la fila y la columna en la que están. Además como
Más detallesEl Producto: Software
Este material está basado en el curso preparado por A.Navarro, UCM U (que a su vez sigue el texto del libro de Pressman) El Producto: Software Ingeniería del Software de Gestión 1 Facultad de Informática
Más detallesServidor de impresión FreeFlow
Mayo 2012 708P90155 Servidor de impresión FreeFlow 2012 Xerox Corporation. Reservados todos los derechos. XEROX y XEROX and Design son marcas comerciales de Xerox Corporation en Estados Unidos y otros
Más detallesABSENTISMO LABORAL. Abril del 2011
ABSENTISMO LABORAL EN TIEMPOS DE CRISIS Abril del 2011 Contenido 1. Objeto y metodología 2. El absentismo en España y en Cataluña 3. El coste del absentismo 4. Resumen 1. OBJETO Y METODOLOGÍA 1 1. OBJETO
Más detallesLA SELECCION DE PERSONAL
LA SELECCION DE PERSONAL FASES DE LA SELECCION La selección, como cualquier otro proceso dentro de una organización, necesita seguir una serie de pasos perfectamente definidos y estructurados. Lo ideal
Más detallesInvestigación Operativa
Investigación Operativa Ingeniería Informática Curso 08/09 Introducción Programación lineal Programación entera Programación combinatoria y en redes Simulación Sistemas de colas Introducción: Qué es la
Más detallesDISERTACION GUSTAVO BRAMBATI
DISERTACION GUSTAVO BRAMBATI Buenos días a todos, gracias Raúl por la participación. Voy a comentar, voy a tratar de darle un enfoque técnico a la problemática del alcohol, algo que obviamente tiene una
Más detallesTaller de observación entre profesores
Taller de observación entre profesores Gabriel Chancel Valente Unitat d Assessorament Psicopedagógic Universitat Autònoma de Barcelona uap@uab.cat 1. Presentación A pesar de sus limitaciones, la clase
Más detallesPOR QUÉ EL VALOR PRESENTE NETO CONDUCE A MEJORES DECISIONES DE INVERSIÓN QUE OTROS CRITERIOS? ( Brealey & Myers )
CAPÍTULO 5 POR QUÉ EL VALOR PRESENTE NETO CONDUCE A MEJORES DECISIONES DE INVERSIÓN QUE OTROS CRITERIOS? ( Brealey & Myers ) Ya hemos trabajado antes con los principios básicos de la toma de decisiones
Más detallesTEMA 10.LAS INVERSIONES DE LA EMPRESA.
1. LAS DECISIONES DE INVERSIÓN. El concepto inversión se puede ver desde 2 puntos de vista: 1. En sentido económico: (también se llaman inversiones reales o productivas). Consiste en adquirir bienes de
Más detallesGuía didáctica de los contenidos
Guía didáctica de los contenidos Periodismo Digital Periodismo digital - 0. Ficha técnica del producto formativo Periodismo digital es un producto formativo que forma parte del expediente C20060073 de
Más detallesÍNDICE. Ficha técnica... 4. Encuesta y cuestionario... 6. Finalidad y resultados de la encuesta... 10 10. Primera parte: conocimiento...
ÍNDICE Ficha técnica... 4 Encuesta y cuestionario... 6 Finalidad y resultados de la encuesta... 10 10 Primera parte: conocimiento... 12 Segunda parte: modo de conocimiento y valoración... 18 Tercera parte:
Más detallesLaboratorio de Infantes, descifrar los orígenes del lenguaje
Laboratorio de Infantes, descifrar los orígenes del lenguaje Por Yureli Cacho Carranza Ciudad de México. 30 de marzo de 2016 (Agencia Informativa Conacyt).- Conocer y describir el proceso o desarrollo
Más detallesInvestigadores de la Universitat Ja u m e I d e C a s t e l l ó h a n desarrollado un sistema de reidentificación
OFERTA TECNOLÓGICA El objetivo del sistema no es conocer la identidad exacta de un individuo, sino ser capaz de detectar su presencia en diferentes escenarios capturados por distintas cámaras, asociar
Más detallesDebate: Los niños y las niñas deben trabajar?
PRIMER GRADO UNIDAD 3 SESIÓN 09 Debate: Los niños y las niñas deben trabajar? Propósito de la sesión Que los niños a través del diálogo expresen sus opiniones a partir de la información que han obtenido
Más detallesP9: ENSAYO DE VACÍO Y CORTOCIRCUITO DEL TRANSFORMADOR MONOFÁSICO FUNDAMENTOS DE TECNOLOGÍA ELÉCTRICA
ESCUELA UNIVERSITARIA DE INGENIERÍA TÉCNICA INDUSTRIAL (BILBAO) Departamento de Ingeniería Eléctrica INDUSTRI INGENIARITZA TEKNIKORAKO UNIBERTSITATE-ESKOLA (BILBO) Ingeniaritza Elektriko Saila ALUMNO P9:
Más detallesCIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA
I E S E Universidad de Navarra CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA INFORME SOBRE LA RELACION ENTRE CONSUMO, MOROSIDAD Y CICLOS BURSATILES Miguel A. Ariño* María Coello de Portugal** DOCUMENTO
Más detallesGRAFICOS DE CONTROL DATOS TIPO VARIABLES
GRAFICOS DE CONTROL DATOS TIPO VARIABLES PROCESO Maquinaria Métodos Materias Primas Proceso Producto Mano de Obra Condiciones Ambientales VARIACIÓN Fundamentalmente, las cinco fuentes más importantes de
Más detallesUna breve introducción a Excel c
Una breve introducción a Excel c Martes 22 de febrero de 2005 Curso de Formación continua en Matemáticas UAM Curso 2004/2005 1. Introducción Excel c es una aplicación de hojas de cálculo electrónicas:
Más detallesde riesgos ambientales
MF1974_3: Prevención de riesgos TEMA 1. Análisis y evaluación de riesgos TEMA 2. Diseño de planes de emergencia TEMA 3. Elaboración de simulacros de emergencias TEMA 4. Simulación del plan de emergencia
Más detallesRelación de problemas: Variables aleatorias
Estadística y modelización. Ingeniero Técnico en Diseño Industrial. Relación de problemas: Variables aleatorias 1. Se lanza tres veces una moneda y se observa el número de caras. (a) Calcula la distribución
Más detallesDinero plástico. Presentado por : Andrés camilo rojas cufiño. Presentado a : cesar julio hincapié. Grado : 11-1
Dinero plástico Presentado por : Andrés camilo rojas cufiño Presentado a : cesar julio hincapié Grado : 11-1 2015 Que es el dinero plástico Es una modalidad de dinero electrónico. Consiste en una tarjeta
Más detallesEE.UU LAS PRESTACIONES SANITARIAS DE LOS TRABAJADORES EN ESTADOS UNIDOS EN EL 2009
43 EE.UU LAS PRESTACIONES SANITARIAS DE LOS TRABAJADORES EN ESTADOS UNIDOS EN EL 2009 Antes de los 65 años en Estados Unidos todos los empleados, trabajadores y profesionales no tienen ningún tipo de seguro
Más detallesCréditos académicos. Ignacio Vélez. Facultad de Ingeniería Industrial. Politécnico Grancolombiano
Créditos académicos Ignacio Vélez Facultad de Ingeniería Industrial Politécnico Grancolombiano 11 de noviembre de 2003 Introducción Cuando se habla del sistema de créditos muchas personas consideran que
Más detallesColegio Alexander von Humboldt - Lima. Tema: La enseñanza de la matemática está en un proceso de cambio
Refo 07 2004 15 al 19 de noviembre 2004 Colegio Alexander von Humboldt - Lima Tema: La enseñanza de la matemática está en un proceso de cambio La enseñanza de la matemática debe tener dos objetivos principales:
Más detallesPRODUCTIVIDAD. Contenido. 1. Introducción. 2. Importancia de la Productividad. 3. Que es productividad? 4. Como se mide la productividad?
PRODUCTIVIDAD Contenido 1. Introducción 2. Importancia de la Productividad 3. Que es productividad? 4. Como se mide la productividad? 5. Factores internos y externos que afectan la productividad 6. Conclusión
Más detallesCómo ahorrar mucho, tiempo y dinero imprimiendo on-line
Cómo ahorrar mucho, tiempo y dinero imprimiendo on-line imprimir La forma más inteligente de imprimir Hace ya cinco años, nos dimos cuenta de que ninguna imprenta estaba sacando partido de las ventajas
Más detallesGestión de la evaluación en el Aprendizaje Basado en Proyectos
Gestión de la evaluación en el Aprendizaje Basado en Proyectos Megeces, febrero 2015 Autor: Javier Prieto @javitecnotic Vamos a estructurar la presentación siguiendo el mapa conceptual que se muestra a
Más detallesLa actividad física del hombre es un mecanismo importante degeneración de calor.
2.EL ORGANISMO HUMANO Y EL AMBIENTE TERMICO El ser humano es un organismo homeotermo, esto implica que las reacciones metabólicas requieren una temperatura constante (37± 1ºC)para desarrollarse, y en consecuencia
Más detallesUnidad. Solidaridad con la maternidad y la paternidad LO QUE NOS PROPONEMOS EN ESTA UNIDAD ES: Temas:
184 4 Unidad Solidaridad con la maternidad y la paternidad Temas: 1. Necesidades que surgen cuando se es padre y se es madre Necesidades que requieren satisfacer las personas que son madre o padre Necesidades
Más detallesGASTO METABOLICO DE ENERGIA
GASTO METABOLICO DE ENERGIA Indice Introducción Conceptos Básicos de Metabolismo Métodos Usados para Evaluar la Demanda Metabólica de una Tarea Desarrollo del Método Predictivo AAMA Cálculos del Modelo
Más detallesPolítica de Privacidad del Grupo Grünenthal
Política de Privacidad del Grupo Grünenthal Gracias por su interés en la información ofrecida por Grünenthal GmbH y/o sus filiales (en adelante Grünenthal ). Queremos hacerle saber que valoramos su privacidad.
Más detallesEL PSICÓLOGO, HERRAMIENTA ESENCIAL Y PREVENTIVA EN LA INTERVENCIÓN EN EMERGENCIAS Infocop online
EL PSICÓLOGO, HERRAMIENTA ESENCIAL Y PREVENTIVA EN LA INTERVENCIÓN EN EMERGENCIAS Infocop online Autoras: Isabel Vera Navascués Elena Puertas López Equipo de Psicología de Catástrofes Dirección General
Más detallesINTRODUCCIÓN A LA CONTABILIDAD DE COSTOS DEFINICIÓN
INTRODUCCIÓN A LA CONTABILIDAD DE COSTOS DEFINICIÓN Contabilidad de costos, en el sentido más general de la palabra, es cualquier procedimiento contable diseñado para calcular lo que cuesta hacer algo.
Más detallesAmbas componentes del sistema tienen costos asociados que deben de considerarse.
1. Introducción. En este trabajo se aplica la teoría de colas. Una Cola es una línea de espera y la teoría de colas es una colección de modelos matemáticos que describen sistemas de líneas de espera particulares
Más detallesTema AA 1: Introducción a al Aprendizaje Automático
Razonamiento Automático Curso 200 2002 Tema AA : Introducción a al Aprendizaje Automático José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesFicha informativa de universidades
Ficha informativa de universidades Nombre de la universidad Universidade de Coimbra Código de la universidad P COIMBRA01 País Portugal http://www.uc.pt/ Web Página web Oficina de Relaciones Internacionales:
Más detallesPara una rentabilidad, visibilidad y comodidad óptimas
Para una rentabilidad, visibilidad y comodidad óptimas ES TM MAXIFLEET El primer sistema de gestión de flotas del mundo para máquinas forestales. A su medida. Y pensado para usted. Visión total en el móvil,
Más detallesTEMA 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 detallesEscenarios sísmicos y planes de emergencia
GEOLOGÍA GEOLOGÍA DOCENTE UNIVERSIDAD AUTÓNOMA DE MADRID Riesgo Sísmico Escenarios sísmicos y planes de emergencia OPEN COURSEWARE CONSORTIUM 1 1 1 Giner-Robles, J.L. ; Pozo Rodriguez, M. ; Carenas Fernández,
Más detallesA. 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 detallesContexto. Definiendo el DATOS
P ara explicar los cálculos que deben llevarse a cabo, iremos proponiendo algunos datos, que aunque de carácter demostrativo, tratan de ser lo más ajustados posible a la realidad. Definiendo el Contexto
Más detallesPARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO.
PARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO. QUÉ DEBES SABER CUANDO ACEPTAS UNA TARJETA COMO FORMA DE PAGO EN TU ESTABLECIMIENTO? Hace ya muchos años que la mayoría de las microempresas
Más detallesRIESGO Y RENTABILIDAD DE LA EMPRESA (Riesgo y Rendimiento) Qué es lo que determina el rendimiento requerido de una inversión?
1 RIESGO Y RENTABILIDAD DE LA EMPRESA (Riesgo y Rendimiento) Qué es lo que determina el rendimiento requerido de una inversión? La respuesta es sencilla. El rendimiento requerido siempre depende del riesgo
Más detallesEVALUACIÓN DE COSTO ANUAL EQUIVALENTE (CAUE) ECONOMIA PARA INGENIEROS DENNICE OBREGÓN RENTERIA CÓDIGO: 52.446.160
EVALUACIÓN DE COSTO ANUAL EQUIVALENTE (CAUE) ECONOMIA PARA INGENIEROS DENNICE OBREGÓN RENTERIA CÓDIGO: 52.446.160 CLAUDIA IVONNE RESTREPO LOAIZA CÓDIGO:52.499.721 JOSÉ ELIBET VERGARA CÓDIGO:79.615.808
Más detalles