TRATAMIENTO DE LA INCERTIDUMBRE EN SISTEMAS DE DIAGNÓSTICO PARA EMPRESAS

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

Download "TRATAMIENTO DE LA INCERTIDUMBRE EN SISTEMAS DE DIAGNÓSTICO PARA EMPRESAS"

Transcripción

1 Albano, Sergio Marchese, Alicia G. Moratello, María C. Picco, Alicia M. Plüss, Jorge J. Scarabino, Juan Carlos Instituto de Investigaciones y Asistencia Tecnológica en Administración, Escuela de Administración. TRATAMIENTO DE LA INCERTIDUMBRE EN SISTEMAS DE DIAGNÓSTICO PARA EMPRESAS 1. INTRODUCCIÓN Los sistemas expertos constituyen hoy una herramienta vastamente probada entre las nuevas tecnologías de información. Se trata de una rama de la Inteligencia Artificial, campo de estudio de las Ciencias de la Computación que pretende hacer razonar a las computadoras de manera similar a los humanos. Un sistema experto es un programa de computadora diseñado para modelizar la habilidad para resolver un problema que posee un experto humano" 1. Es nuestro objetivo el desarrollo de un sistema experto que logre diagnosticar y asesorar a los entes económicos (sus fortalezas y debilidades), poniendo énfasis en sus aspectos financieros. Para ello hemos recopilado pautas de evaluación cuantitativas (partiendo de los distintos ratios de uso común en el ámbito administrativo) y cualitativas (aspectos atinentes al aspecto social de la organización), así como también tratamos de incorporar elementos provenientes del contexto en que la organización desarrolla sus actividades. Hemos recurrido al conocimiento de expertos en la materia, que estuvieron dispuestos a exponer y explicar su metodología de trabajo a la hora de diagnosticar acerca de la situación de las empresas. A partir de esta experiencia, hemos detectado que a menudo los expertos no están en condiciones de expresar con exactitud una única respuesta, razón por la cual nos adentramos en el estudio de lo que se ha denominado Razonamiento Aproximado. 2. MODELAR LA ORGANIZACIÓN Como ya dijéramos, la radiografía completa de una empresa en marcha se basa en tres cuestiones relacionadas entre sí: Análisis de sector, que es analizar el al marco donde se desenvuelve. Análisis cualitativo interno, que se focaliza en los aspectos cualitativos. 1 DURKIN, John Expert Systems, Prentice Hall International Edition,

2 Análisis cuantitativo interno, que apunta a las variables mensurables y que se lleva a cabo en tres dimensiones: La financiera, la económica y la patrimonial.- Para que la evaluación funcione, la secuencia de pasos a aplicar es la que sigue: Hacer un profundo análisis del sector y del mercado. Analizar la empresa, desde un punto de vista cualitativo. Analizar la empresa, desde un punto de vista cuantitativo. Reunir y ordenar la información disponible. Determinar las fortalezas y debilidades. Una vez analizadas las variables constitutivas y sus interrelaciones, estaremos en condiciones de prever el comportamiento del sistema modelado. Es decir, éste es el objetivo propuesto para que el sistema ayude a la toma de decisiones, a través de un razonamiento del tipo qué pasaría si.... Estos escenarios posibles ayudarán a pensar el proyecto de empresa, a qué se quiere llegar y cuáles serán los pasos a seguir para su logro. 3. HERRAMIENTAS DISPONIBLES. SISTEMAS EXPERTOS. RAZONAMIENTO APROXIMADO. Existe abundante bibliografía relativa al análisis organizacional, tanto en sus aspectos cualitativos como cuantitativos, la que está a nuestro alcance enuncia con mayor o menor grado de detalle las pautas a tener en cuenta para lograr este objetivo. Es decir, enuncian qué elementos deberán ser tenidos en cuenta para el análisis, pero no cómo interactúan dichos elementos entre sí y consecuentemente, cuáles serían las medidas correctivas a proponer. El cómo se aplican en la práctica estos elementos fue aportado por los expertos. Ellos nos proveyeron de pautas que permitieron relacionar los ratios entre sí para obtener conclusiones. El equipo de investigadores abocados a la tarea de desarrollar un sistema experto de diagnóstico de empresas, tiene como primer objetivo la determinación de los ratios o cocientes, que conforme a su jerarquía - la que determinará el orden de prelación para el análisis - conformarán el árbol que permitirá arribar a una conclusión final sobre la situación de la empresa analizada. Dicha conclusión final será producto del análisis de los aspectos cualitativos y cuantitativos, previamente determinados, los que analizados en su conjunto permitirán arribar a la pretendida conclusión. Una vez lograda la calificación, resultante del trabajo realizado, es decir lo que llamamos la conclusión final, deberá darse curso al estudio de las causas que ocasionan el diagnóstico obtenido, pudiendo de esta manera, ante el exhaustivo análisis de los motivos que condujeron a la empresa a la situación comprobada y hoy cuestionada, tomar las decisiones que correspondan - con un alto grado de acierto dado el diagnóstico realizado - a los efectos de llevar a buen puerto a la organización en su conjunto. Por otra parte, entendemos que, tanto en el análisis cualitativo y en lo que hace a variables del entorno como en el análisis cuantitativo, el procedimiento de etiquetar de acuerdo a parámetros no es directamente aplicable. Optamos entonces por establecer un sistema de conclusiones que abarquen respuestas lingüísticas que se irán combinando en función de las conclusiones parciales que surjan. Ya no alcanza con calificar como bueno, 108

3 regular o malo sino que en adelante a este primer logro deberá adicionarse un si bien..., un condicionamiento adicional que se acerque más a la realidad que buscamos modelar. SEDAF (Sistema Experto de Diagnóstico y Asesoramiento Financiero) es un programa de computadora que obtiene datos de la empresa desde una fuente externa (base de datos relacional), elabora ratios y los somete a un proceso de comparación con valores deseados que se encuentran en la base de conocimientos. La idea sobre la que se basa este sistema es el conocimiento, que consiste en almacenar en la base de datos del sistema de información, los estándares aceptados por los expertos humanos para que el sistema realice un proceso de comparación con los datos de la empresa analizada y que es efectuado a través de la acción de un conjunto de reglas de producción. Éstas están escritas de la manera: IF premisa THEN conclusión, significa que si la premisa en verdadera la conclusión es cierta. Hasta aquí estaríamos en condiciones de etiquetar el resultado en alguno de los parámetros previstos. Por ejemplo, dado el ratio Liquidez Seca (LS) = ActivoCte / PasivoCte SI LS =1 ENTONCES PLS = Muy buena SI LS =2 ENTONCES PLS = Buena SI LS =3 ENTONCES PLS = Regular SI LS =4 ENTONCES PLS = Mala SI LS =5 ENTONCES PLS = Muy mala En este caso, una vez estudiados los parámetros, la reglas serían aplicables. Pero a menudo ocurre que los expertos no están en condiciones de expresar su opinión de manera tan precisa. Se recurre entonces a la utilización de coeficientes. El coeficiente es un factor que se agrega para representar la incertidumbre y/o imprecisión que el experto asigna a este conocimiento y que se denomina coeficiente de refinamiento. Generalmente este coeficiente se mide en una escala de 0 a 100 y supone una modificación al principio de inferencia del Modus ponens (regla de inferencia utilizada por la lógica clásica).- La regla tomaría entonces la forma: IF <premisa> THEN <conclusión> <coeficiente> Este coeficiente de refinamiento aparece como un modificador de la conclusión en las reglas utilizadas para la representación del conocimiento heurístico y es uno de los componentes utilizados luego por el motor de inferencias del SEDAF para la gestión del razonamiento aproximado. Una función de pertenencia referida a la teoría de los conjuntos borrosos (FUZZI SETS) es una función que combina un valor de un parámetro que puede pertenecer al citado conjunto con un número que indica su grado de pertenencia en la escala adoptada (COX A), por lo que estamos definiendo un conjunto difuso cuya función de pertenencia resulta a partir de la colección de valores proporcionados por el usuario final. Las reglas individuales son los componentes de la base de conocimiento del sistema experto y se pueden relacionar dando lugar a nuevos hechos, los que a su vez representan la estructura dinámica del conocimiento con que está configurado el sistema. La relación entre las reglas posibilita una cadena de inferencias que es gestionada por una parte del sistema experto y que se denomina motor de inferencia. La base de conocimientos y el 109

4 motor de inferencias constituyen el núcleo de la arquitectura de los sistemas expertos ( Nebendahl, 1989 A).- El motor de inferencias puede trabajar en las modalidades de encadenamiento hacia adelante (dirigido por los datos) o encadenamiento hacia atrás (dirigido por los objetivos) dependiendo del sentido en que se realiza la asociación de sucesos. En el encadenamiento hacia adelante, que es el utilizado en SEDAF, primero se requieren los datos para analizar la premisa, es decir dentro del IF <condición>, para luego decidir si corresponde continuar con el THEN <conclusión>. La conclusión de esta regla puede ser la condición de la premisa necesaria para otra regla y así sucesivamente, configurando un encadenamiento de estas pequeñas porciones de conocimiento que contribuyen a establecer el resultado final del proceso de inferencia (Nebendahl B). Aunque en la arquitectura de los sistemas expertos el conocimiento en la base de conocimientos aparece aislado de la estructura de control, existe además un tipo particular de reglas, las meta-reglas gestionadas por el motor de inferencia y que gobiernan o indican el modo y las circunstancias en que se aplican las reglas de producción del sistema (Hayes, 1983 A).- El motor de inferencia de la herramienta utilizada para la construcción del sistema experto SEDAF, KAPPA PC v 2.4, dispone de varias modalidades de funcionamiento en encadenamientos hacia adelante y un modo por defecto. Este último hace una búsqueda que se interrumpe cuando encuentra por primera vez el objetivo que se le ha propuesto. LIQUIDEZ Dominio = St y > St 1 0,9 0,8 Grados de certeza 0,7 0,6 0,5 0,4 0,3 0,2 S2 0,1 S1 0 1,5 1,6 1,7 1,8 1,9 2 2,1 2,2 2,3 2,4 2,5 Valores LIQUIDEZ=2 LIQUIDEZ=2.15 Buena (CF=0.6) Muy Buena(CF=0.5) En el gráfico anterior, dado un valor 2, entonces la etiqueta a asignar es buena, con un coeficiente de certeza igual al 100%, pero si el valor es 2.15, entonces la etiqueta a asignar sería buena, con un coeficiente 0.6 o regular con un coeficiente de 0.5. Entre estas 110

5 dos opciones, debemos optar por una y elegimos la que lleva asociado un mayor coeficiente de certeza. 4. LA INCERTIDUMBRE COMO PARTE DEL MODELO ORGANIZACIONAL Cuando enunciamos una regla, solicitamos al experto que le asocie un grado de certeza. Si éste es menor que 100 (seguro), también decrece la credibilidad de la inferencia relacionada. En nuestro caso, estamos tratando de combinar reglas para arribar a un diagnóstico. Para ello nos tomamos pautas del sistema experto MYCIN, descripto por Durkin 2 que se basa en la denominada Lógica difusa: Una rama de la lógica que utiliza grados de pertenencia en grupos, más allá de la estricta dicotomía verdadero/falso 3 que provee los medios para representar y razonar con términos vagos o ambiguos con la computadora. Debemos partir de la identificación de distintas variables lingüísticas (términos del lenguaje natural que describen algunos conceptos que usualmente tienen valores vagos o difusos), o variables difusas, mediante las cuales tratamos de emular el razonamiento del experto. Los valores (adjetivos) de las variables difusas se representan utilizando conjuntos difusos, que agrupan elementos según el grado de certeza de que el elemento pertenezca al conjunto difuso. Conjuntos difusos: Dado X como universo del discurso, con x elementos. Un conjunto difuso A de X se caracteriza por la función de pertenencia que asocia cada elemento x con un grado A de pertenencia. En contraste con la teoría de probabilidades, que asigna probabilidad a un elemento dado sobre la base de las frecuencias del evento, la lógica difusa asigna valores al evento sobre la base de la función de pertenencia al conjunto. 5. CONSTRUCCION DE UN SISTEMA EXPERTO DE LOGICA DIFUSA. La construcción de un sistema experto de lógica difusa es un proceso interactivo, en el cual un conjunto infinito de reglas difusas y conjuntos difusos es formado y luego mejorado hasta encontrar las especificaciones proyectadas. Partimos de un conjunto de reglas ya investigadas y procedimos a combinarlas. Logramos una relación entre las mismas que permite emitir un diagnóstico a priori del ANÁLISIS DE LA SITUACIÓN FINANCIERA DE CORTO PLAZO que toma la siguiente forma: 2 DURKIN, J. op.cit. 3 DURKIN, op. Cit. 111

6 Reglas para situacion financiera de corto plazo IF Acidez mala and liquidez =mala and c pago < p realiz then sit. mala IF Acidez buena and liquidez =mala and c pago < p realiz then sit. IF Acidez MB and liquidez =mala and c pago < p realiz then sit. mala,pero mejora en act no mala,pero mejora en act no IF Acidez mala and liquidez =buena and c pago < p realiz then sit. mala IF Acidez buena and liquidez =buena and c pago < p realiz then sit. IF Acidez MB and liquidez =buena and c pago < p realiz then sit. IF Acidez mala and liquidez =MB and c pago < p realiz then sit. IF Acidez buena and liquidez =MB and c pago < p realiz then sit. Estable IF Acidez MB and liquidez =MB and c pago < p realiz then sit. IF Acidez mala and liquidez =mala and c pago = p realiz then sit. IF Acidez buena and liquidez =mala and c pago = p realiz then sit. IF Acidez MB and liquidez =mala and c pago = p realiz then sit. mala,pero mejora en act no mala,pero mejora en act no estable, se agrav en act no estable, mejora en act no estable, baja liq agravada por situaciones no estable, baja liq estable, baja liq mejorada por situaciones no IF Acidez Mala and liquidez =buena and c pago = p realiz then sit. IF Acidez Buena and liquidez =buena and c pago = p realiz then sit. IF Acidez MB and liquidez =buena and c pago = p realiz then sit. estable, baja liq complicada por sit. no estable, baja liq estable, baja liq mejorada por sit. no IF Acidez Mala and liquidez =MB and c pago = p realiz then sit. estable,mejora, salvo situaciones no IF Acidez Buena and liquidez =MB and c pago = p realiz then sit. estable,mejora IF Acidez MB and liquidez =MB and c pago = p realiz then sit. IF Acidez Mala and liquidez =mala and c pago > p realiz then sit. estable,mejora, incluso con situaciones no desahogada, empeora incluso en sit no IF Acidez Buena and liquidez =mala and c pago > p realiz then sit. IF Acidez MB and liquidez =mala and c pago > p realiz then sit. desahogada, empeora salvo en sit no desahogada, empeora pero mejora por sit no IF Acidez Mala and liquidez =buena and c pago > p realiz then sit. desahogada, IF Acidez Buena and liquidez =buena and c pago > p realiz then sit. desahogada IF Acidez MB and liquidez =buena and c pago > p realiz then sit. empeora por sit no desahogada, mejora por sit no IF Acidez Mala and liquidez =MB and c pago > p realiz then sit. IF Acidez Buena and liquidez =MB and c pago > p realiz then sit. IF Acidez MB and liquidez =MB and c pago > p realiz then sit. desahogada, pero empeora por sit no desahogada, queda igual desahogada, pero mejora con situaciones no 112

7 En los casos en que la situación fuera etiquetada como mala..., se sugieren distintas alternativas de solución viables, tales como: realizar nuevos aportes de capital, liquidar activos no corrientes u obtener pasivos no corrientes. Dichas opciones merecen análisis específicos que exceden el marco de este proyecto. Hasta aquí habíamos supuesto que en todos los casos el grado de certeza fuera 100, es decir, esto implica una situación en la que el experto enuncia con seguridad cada una de las etiquetas. El paso siguiente fue asignar a cada regla un coeficiente de certeza, con lo cual la metodología debió ser replanteada asumiendo las siguientes etapas: 1. Definir el problema. Lograr que el experto enfoque el aspecto básico del mismo, el nodo central a partir del cual surgirán las reglas. Para ello partimos del conjunto de reglas analizadas anteriormente. 2. Definir las variables lingüísticas. Se trata de escuchar cómo el experto se refiere al problema, su terminología, y las palabras claves que usualmente se repiten en su discurso. 3. Definir los conjuntos difusos, detectando los adjetivos asociados a cada una de las variables, tales como mala, buena, muy buena. En nuestro caso, ante la pregunta: Qué considera Ud. como una liquidez muy buena? La respuesta fue: Alrededor de 1, entre 0.80 y Utilizando similares preguntas para todas las etiquetas de las variables involucradas se establecen los coeficientes de certeza asociados a cada una de las mismas para luego integrarlas en reglas. 4. Definir las reglas difusas. Una vez identificados los problemas primarios, sugerir la asociación con los adjetivos previamente definidos para proceder a su depuración (eliminar los que no se utilizan) o incorporación de los nuevos que vayan surgiendo. Por ejemplo, al tomar la regla integradora: IF acidez = mala <coeficiente> AND liquidez = buena <coeficiente> AND c.pago>p.realización <coeficiente> THEN SITUACIÓN = desahogada, pero empeora en operaciones no <coeficiente>. Este último coeficiente, asociado al estado de la variable difusa situación, surge por inferencia de los otros tres, de tal forma que, una vez realizada la medición y obtenidos los conjuntos difusos de cada regla, podemos asignar un coeficiente (en este caso el menor) que quedará asociado a la situación prevista como resultante. Gráficamente: 113

8 Inferencia para múltiples reglas 1,2 1 0,8 0,6 0,4 0,2 1,2 1 0,8 0,6 0,4 0,2 CF=0.5 0 Liquidez = Mala CF = 0.7 Acidez = Buena CF = 0.5 C.Pago >P.Realizac. CF = ,8 1,9 2 2,1 2,2 Situación desahogada, empeora en op.no nor, 5. Construir el sistema. Codificar los conjuntos difusos, las reglas y las funciones. Como ya dijimos, estamos trabajando con el shell KAPPA PC, que por ser específico para sistemas expertos permite que el diseñador se ocupe sólo de resolver y codificar lo que hace al conocimiento del sistema, quedando los procedimientos resueltos por el mismo lenguaje de programación. 6. Testear el sistema. A través de casos de prueba que contemplen todos los valores posibles asignados. Pensamos alternativas, partiendo de datos de distintos balances y aún suponiendo combinaciones que no obtuvimos de los mismos casos de prueba. 7. Armonizar el sistema. Atendiendo a la corrección del mismo, tanto en lo que hace a las reglas como a los conjuntos enunciados. 6. CONCLUSIÓN: En esta resumida exposición hemos tratado de enunciar las tareas involucradas en el desarrollo de sistemas expertos, cuando incluimos el tratamiento de la imprecisión y la incertidumbre. Estos elementos han sido tomados en cuenta en función de su importancia para el desarrollo del modelo de la organización en estudio. Partimos de acotar el modelo para facilitar su estudio, tomando sólo algunas reglas cuantitativas y la relación entre las mismas. Este es el primer paso para luego extender la metodología a las restantes reglas que constituyen el modelo descriptivo de la organización. Los restantes aspectos cuantitativos y los cualitativos serán sometidos a un procedimiento semejante, lo que completará la etapa de diagnóstico prevista. Ante el problema de la imprecisión de datos, si debemos ubicar dos o más parámetros, también debemos establecer la jerarquía entre los mismos (está entre bueno y muy bueno, con tal grado de certeza). Una flexibilización del conocimiento sólo puede ser lograda 114

9 asociando valores a parámetros críticos, cada uno de ellos asociado a un factor de opinión (CF; Certain Factor), resultando entonces un factor de multiplicación del objeto observado. Existen varias líneas de trabajo para la resolución de estos problemas, de las cuales se ha expresado lo más elemental de los fundamentos teóricos que estamos aplicando. Tanto la representación como la combinación de conocimientos a través de reglas como la propagación de la incertidumbre a través de la inferencia, cuentan con el fundamento teórico correspondiente enunciado por los especialistas en la bibliografía citada. Desde el modelo probabilístico tan difundido hasta los últimos aportes en este sentido, que se basan en la teoría de certeza, realizados por el equipo que diseñó el sistema experto MYCIN, constituyen valiosos elementos teóricos que deben ser considerados a la luz de la lógica de las organizaciones, cuyas particularidades estudiamos, aunque nos resulte dificultosa su sistematización y modelización, ya que estamos tratando de interpretar y dar respuesta a problemas organizacionales utilizando herramientas de las ciencias positivistas. El proceso busca, mediante la aproximación sucesiva, definir los términos lingüísticos que reflejen el concepto enunciado por el experto. Una primer etapa es lo que se ha expuesto aquí. Si bien sabemos que el producto final será la consecuencia de innumerables operaciones de etiquetado y asignación de números difusos, hasta dar por bueno el conjunto de términos a aplicar y poder seguir adelante. Quedan muchos aspectos aún abiertos a la investigación para generar las herramientas aptas que la tecnología prevé y que favorecerán el desarrollo de la nueva cultura para la toma de decisiones. 7. BIBLIOGRAFIA COX, E. (1994) The Fuzzy Systems Handbook, A.P. Profesional 1994, pág (1994a) The Fuzzy Systems Handbook, A.P. Profesional 1994, pág 2-4. DURKIN, John. Expert Systems, Prentice Hall International Edition, Pág LÖPEZ DE MÁNTARAS, R. (1990). Approximate reasoning models; Ellis Hoerwood Limited, MISHKOFF, H. (1986). Understanding Artificial Intelligence, Texas Instrumenst Learning Center, NEBENDAHL, D. (1988). Sistemas Expertos, Marcombo, (1989ª). Sistemas Expertos, Marcombo, 1988, pág (1989b). Sistemas Expertos, Marcombo, 1988, pág STONEBRAKER, M. (1992). The integration of Rukle Systems and Database Systems, IEEE Transactions on Knowledge and Data Engineering, Vol. 4, Nro. 5, October Pág

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) SYLLABO UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS (Universidad del Perú, DECANA DE AMÉRICA) FACULTAD DE INGENIERIA DE SISTEMAS E INFORMATICA Escuela Académico Profesional de Ingeniería de Sistemas 1. ESPECIFICACIONES

Más detalles

7. Programación lógica y Sistemas Expertos

7. Programación lógica y Sistemas Expertos 7. Programación lógica y Sistemas Expertos CONTENIDO 7.1. Qué es un Sistema Experto? 7.2. Representación del conocimiento. 7.3. Mecanismos de razonamiento. 7.3.1.El mecanismo de razonamiento encadenado

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

Luis Ernesto Silva Moncada 1, Fabián Enrique Domínguez Caviedes 2 1. ASPECTOS TEÓRICOS 1.1 EL CURRICULO

Luis Ernesto Silva Moncada 1, Fabián Enrique Domínguez Caviedes 2 1. ASPECTOS TEÓRICOS 1.1 EL CURRICULO CURRICULO EXPERT DISEÑO DE UN SISTEMA BASADO EN EL CONOCIMIENTO PARA EL CURRICULO DE LA FACULTAD DE INGENIERÍA DE SISTEMAS DE LA UNIVERSIDAD COOPERATIVA DE COLOMBIA SECCIONAL BARRANCABERMEJA Luis Ernesto

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

Tema : La Contabilidad de Gestión. Profesor Adjunto Sede Regional Sur Dr. Cesar Moreno Año 2013

Tema : La Contabilidad de Gestión. Profesor Adjunto Sede Regional Sur Dr. Cesar Moreno Año 2013 Tema : La Contabilidad de Gestión Profesor Adjunto Sede Regional Sur Dr. Cesar Moreno Año 2013 Objetivos de la Clase Comprender qué se entiende por Contabilidad de Gestión Precisar los componentes de la

Más detalles

Auditoría Informática

Auditoría Informática Auditoría Informática Titulación: Ingeniería Técnica en Informática de Gestión Curso: 3º, Cuatrimestral Créditos: 6 Tipo: Optativa Horas de clase: 4 horas por semana, 15 semanas - 60 horas Horas de teoría:

Más detalles

1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Inteligencia Artificial. Carrera: Ingeniería en Sistemas Computacionales. Clave de la asignatura:

1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Inteligencia Artificial. Carrera: Ingeniería en Sistemas Computacionales. Clave de la asignatura: 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Inteligencia Artificial Ingeniería en Sistemas Computacionales Clave de la asignatura: (Créditos) SATCA 1 SCC-1012 2-2-4 2.- PRESENTACIÓN Caracterización

Más detalles

Interfaz de Consultas Vagas sobre Componentes Educativos en La Web

Interfaz de Consultas Vagas sobre Componentes Educativos en La Web Interfaz de Consultas Vagas sobre Componentes Educativos en La Web Claudia Jiménez Ramírez Universidad Nacional de Colombia, Sede Medellín csjimene@unalmed.edu.co Hernán Darío Alvarez Universidad Nacional

Más detalles

CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos

CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos CARTOGRAFIADO DE TEXTOS Métodos Iconográficos de Observación, Exploración y Comunicación Aplicados a la Minería de Textos Anteproyecto de Tesis de Magíster en Ingeniería del Software Tesista: Lic. Matilde

Más detalles

ESTADÍSTICA (ING.INFORMÁTICA/ING.TI)

ESTADÍSTICA (ING.INFORMÁTICA/ING.TI) ASIGNATURA DE GRADO: ESTADÍSTICA (ING.INFORMÁTICA/ING.TI) Curso 2015/2016 (Código:7190105-) 1.PRESENTACIÓN DE LA ASIGNATURA Esta asignatura es una introducción a la Modelización probabilística, la Inferencia

Más detalles

código Java Solicitudes Reportes AJI resultados API

código Java Solicitudes Reportes AJI resultados API Analizador Java Inteligente Agüero Martin Jorge, miembro IT-Lab de la Universidad de Palermo, agüero.marin@gmail.com López De Luise María Daniela, miembro IT-Lab de la Universidad de Palermo, mlopez74@palermo.edu

Más detalles

forma de entrenar a la nuerona en su aprendizaje.

forma de entrenar a la nuerona en su aprendizaje. Sistemas expertos e Inteligencia Artificial,Guía5 1 Facultad : Ingeniería Escuela : Computación Asignatura: Sistemas expertos e Inteligencia Artificial Tema: SISTEMAS BASADOS EN CONOCIMIENTO. Objetivo

Más detalles

Sistema automático de decisión del plano de cámara en videojuegos y entornos virtuales

Sistema automático de decisión del plano de cámara en videojuegos y entornos virtuales Sistema automático de decisión del plano de cámara en videojuegos y entornos virtuales Carrillo de Albornoz, Jorge: jcalbornoz@fdi.ucm.es, DISIA Garmendia, Luis: lgarmend@fdi.ucm.es, DISIA Gervás, Pablo:

Más detalles

código Java Solicitudes Reportes AJI resultados API

código Java Solicitudes Reportes AJI resultados API Analizador Java Inteligente López De Luise María Daniela, miembro IT-Lab de la Universidad de Palermo, mlopez74@palermo.edu Agüero Martín Jorge, miembro IT-Lab de la Universidad de Palermo, agüero.martin@gmail.com

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

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

Código: SBD-454. Horas Semanales: 5. Prelaciones: INS-354

Código: SBD-454. Horas Semanales: 5. Prelaciones: INS-354 INSTITUTO UNIVERSITARIO JESÚS OBRERO PROGRAMA DE ESTUDIO Unidad Curricular: Sistemas de Bases de Datos Carrera: Informática Semestre: Cuarto Código: SBD-454 Horas Semanales: 5 Horas Teóricas: 5 Horas Prácticas:

Más detalles

Impala Risk. Simulación de Riesgo en Proyectos. Servicios. Capacitación. www.impalarisk.com

Impala Risk. Simulación de Riesgo en Proyectos. Servicios. Capacitación. www.impalarisk.com Simulación de Riesgo en Proyectos Servicios Capacitación www.impalarisk.com Software Simulador de Riesgo en Proyectos El peor riesgo es desconocer el riesgo Los actuales Gerentes de Proyectos se enfrentan

Más detalles

Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS. Asignatura: ECO Análisis avanzado de datos. Semestre: Primero.

Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS. Asignatura: ECO Análisis avanzado de datos. Semestre: Primero. Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Asignatura: ECO Análisis avanzado de datos Semestre: Primero Econometría [1] Asignatura: ECO Análisis avanzadas de datos Formación: Obligatoria

Más detalles

Nombre de la asignatura Carrera Clave de la signatura Créditos 3 2-5

Nombre de la asignatura Carrera Clave de la signatura Créditos 3 2-5 1. DATOS DE LA ASIGNATURA Nombre de la asignatura Carrera Clave de la signatura Créditos 3 2-5 2.- PRESENTACIÓN Caracterización de la asignatura. Probabilidad y estadística descriptiva Ingeniería en gestión

Más detalles

CONSULTAS CON COMPARADORES DIFUSOS EN ALGORITMOS DE MINERÍA DE DATOS: EN SQL SERVER 2008 *

CONSULTAS CON COMPARADORES DIFUSOS EN ALGORITMOS DE MINERÍA DE DATOS: EN SQL SERVER 2008 * CONSULTAS CON COMPARADORES DIFUSOS EN ALGORITMOS DE MINERÍA DE DATOS: EN SQL SERVER 2008 * Angélica Urrutia 1, Claudio Gutiérrez-Soto 2 y Juan Méndez 1 1 Universidad Católica del Maule, aurrutia@ucm.cl.

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

CREACIÓN DE VALOR EN LAS EMPRESAS FINANCIERAS ARGENTINAS: APORTES ESTADÍSTICOS Y DIFUSOS

CREACIÓN DE VALOR EN LAS EMPRESAS FINANCIERAS ARGENTINAS: APORTES ESTADÍSTICOS Y DIFUSOS CREACIÓN DE VALOR EN LAS EMPRESAS FINANCIERAS ARGENTINAS: APORTES ESTADÍSTICOS Y DIFUSOS PAULINO E. MALLO 1, MARIA A. ARTOLA 2, ALICIA I. ZANFRILLO 3 MARIANO MORETTINI 4 y PAMELA GARCÍA MOLINA 5 1 Universidad

Más detalles

TÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÓN ÁREA ADMINISTRACIÓN Y EVALUACIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA

TÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÓN ÁREA ADMINISTRACIÓN Y EVALUACIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA TÉCNICO SUPERIOR UNIVERSITARIO EN ADMINISTRACIÓN ÁREA ADMINISTRACIÓN Y EVALUACIÓN DE PROYECTOS EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA UNIDADES DE APRENDIZAJE 1. Competencias Evaluar la

Más detalles

http://metodologia02.blogspot.mx/p/tecnicas-de-la-investigacion.html

http://metodologia02.blogspot.mx/p/tecnicas-de-la-investigacion.html http://metodologia02.blogspot.mx/p/tecnicas-de-la-investigacion.html TÉCNICAS DE LA INVESTIGACIÓN Técnica Es el conjunto de instrumentos y medios a través de los cual se efectúa el método y solo se aplica

Más detalles

Sílabo del curso Investigación Operativa II

Sílabo del curso Investigación Operativa II Sílabo del curso Investigación Operativa II Agosto diciembre 2013 VI Ciclo Profesor Luis Miguel Sierra 1 I. Datos generales del curso Asignatura : Investigación Operativa II Código : 03145 Requisito :

Más detalles

EL PROCESO DE INVESTIGACIÓN. UN EJEMPLO

EL PROCESO DE INVESTIGACIÓN. UN EJEMPLO CAPÍTULO 6 EL PROCESO DE INVESTIGACIÓN. UN EJEMPLO ENRIQUE CASTRO ENCARNACIÓN CASTRO ecastro@ugr.es encastro@platon.ugr.es Universidad de Granada La realización de una investigación conlleva recorrer una

Más detalles

LAS NUEVAS HABILIDADES Y COMPETENCIAS DEL BIBLIOTECARIO

LAS NUEVAS HABILIDADES Y COMPETENCIAS DEL BIBLIOTECARIO LAS NUEVAS HABILIDADES Y COMPETENCIAS DEL BIBLIOTECARIO Dra. Patricia Ramos Fandiño Dra. Beatriz Rodríguez Sierra INTRODUCCIÓN: Los últimos 20 años han sido de trascendencia para el desarrollo de las ciencias

Más detalles

ESPACIO PARA LA INTEGRACIÓN DE SABERES (E.I.S)

ESPACIO PARA LA INTEGRACIÓN DE SABERES (E.I.S) ESPACIO PARA LA INTEGRACIÓN DE SABERES (E.I.S) 1. Fundamentación La inclusión de este espacio en la estructura curricular se fundamenta en la necesidad de contribuir a repensar la misma. Se trata de propiciar

Más detalles

LOS INDICADORES DE GESTIÓN

LOS INDICADORES DE GESTIÓN LOS INDICADORES DE GESTIÓN Autor: Carlos Mario Pérez Jaramillo Todas las actividades pueden medirse con parámetros que enfocados a la toma de decisiones son señales para monitorear la gestión, así se asegura

Más detalles

Sinopsis de la gestión de portafolios de acuerdo con el estándar del Project Management Institute 1

Sinopsis de la gestión de portafolios de acuerdo con el estándar del Project Management Institute 1 Sinopsis de la gestión de portafolios de acuerdo con el estándar del Project Management Institute 1 Conceptos básicos Qué es un portafolio? Es una colección de proyectos, programas y otras actividades

Más detalles

9.1.Los sistemas expertos. 9.2.Las redes neuronales artificiales. 9.3.Sistemas de inducción de reglas y árboles de decisión.

9.1.Los sistemas expertos. 9.2.Las redes neuronales artificiales. 9.3.Sistemas de inducción de reglas y árboles de decisión. TEMA 9 TÉCNICAS DE INTELIGENCIA ARTIFICIAL PARA EL ANÁLISIS DE LA INFORMACIÓN CONTABLE 9.1.Los sistemas expertos. 9.2.Las redes neuronales artificiales. 9.3.Sistemas de inducción de reglas y árboles de

Más detalles

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre:

DES: Programa(s) Educativo(s): Tipo de materia: Clave de la materia: Semestre: : : lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. lemas propios de la. 12 6 lemas propios de la. 12 6 lemas propios de la.

Más detalles

MICROCURRICULO UNIVERSIDAD Y BUEN VIVIR

MICROCURRICULO UNIVERSIDAD Y BUEN VIVIR MICROCURRICULO UNIVERSIDAD Y BUEN VIVIR PLANIFICACIÓN MICROCURRICULAR DEL MODULO UNIVERSIDAD Y BUEN VIVIR 1. INFORMACIÓN GENERAL BLOQUE CURRICULAR Bloque I CRÉDITOS 6 HORAS DE APRENDIZAJE CON ASISTENCIA

Más detalles

Laboratorio de Software de Comunicaciones

Laboratorio de Software de Comunicaciones Universidad Carlos III de Madrid Laboratorio de Software de Comunicaciones Trabajo de Tecnología Educativa: Diseño de un curso Web de programación en Java Titulación: Ingeniería de Telecomunicación, Curso

Más detalles

Programa de Asignatura : Modelación de Riesgos Financieros

Programa de Asignatura : Modelación de Riesgos Financieros Programa de Asignatura : Modelación de Riesgos Financieros Carrera : INGENIERÍA FINANCIERA Nivel : Semestre VIII Área : Economía y Finanzas Requisito : Administración y Control de Riesgos Horas semanales

Más detalles

Lean SEIS SIGMA Área Temática: Logística

Lean SEIS SIGMA Área Temática: Logística Proyecto fin de Master Hito 3 Ejercicio Nº 1 Lean SEIS SIGMA Área Temática: Logística www.formatoedu.com 1 Enunciado Lean Seis Sigma es una metodología eficaz para reducir sistemáticamente todas las deficiencias

Más detalles

PROPUESTA PARA LA IMPLEMENTACIÓN DE UNA OFICINA DE ADMINISTRACIÓN DE PROYECTOS

PROPUESTA PARA LA IMPLEMENTACIÓN DE UNA OFICINA DE ADMINISTRACIÓN DE PROYECTOS PROPUESTA PARA LA IMPLEMENTACIÓN DE UNA OFICINA DE ADMINISTRACIÓN DE PROYECTOS PMO (Parte 1 de 2) Sergio Salimbeni Mayo, 2014 CONTENIDO 1. Abstract... 4 2. Planteamiento del problema... 5 3. Justificación...

Más detalles

ESTUDIO DE CASO PROCESO DE MEDICIÓN EN PROYECTOS DE TI

ESTUDIO DE CASO PROCESO DE MEDICIÓN EN PROYECTOS DE TI UNIVERSIDAD DON BOSCO FACULTAD DE INGENIERIA ESCUELA DE COMPUTACION INGENIERIA DE SOFTWARE CICLO II/2008 ESTUDIO DE CASO PROCESO DE MEDICIÓN EN PROYECTOS DE TI DOCENTE: ING. MILTON NARVÁEZ. PRESENTADO

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

CARRERA PROFESIONAL DE INGENIERIA DE COMPUTACIÓN Y SISTEMAS SÍLABO

CARRERA PROFESIONAL DE INGENIERIA DE COMPUTACIÓN Y SISTEMAS SÍLABO CARRERA PROFESIONAL DE INGENIERIA DE COMPUTACIÓN Y SISTEMAS I. DATOS GENERALES: SÍLABO 1.1 Asignatura : IVESTIGACIÒN DE OPERACIONES II 1.2 Código : FP-901 1.3 Ciclo : IX ciclo 1.4 Créditos : 04 1.5 Semestre

Más detalles

Asignatura (E): Jornada de Formación Permanente: Proyecto de Trabajo Especial de Grado. ESTRUCTURA DEL PROYECTO DE TEG.

Asignatura (E): Jornada de Formación Permanente: Proyecto de Trabajo Especial de Grado. ESTRUCTURA DEL PROYECTO DE TEG. Portada (Ver anexo J) * Página de Presentación (Ver anexo H) * Dedicatoria (opcional) * Agradecimiento (opcional) * Índice General (Ver anexo K) * Lista de Cuadros (Ver anexo F) * Lista de Gráficos (Ver

Más detalles

RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2015 /2016

RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2015 /2016 RESUMEN INFORMATIVO PROGRAMACIÓN DIDÁCTICA CURSO 2015 /2016 DEPARTAMENTO: MATEMÁTICAS MATERIA: MATEMÁTICAS ACADÉMICAS CURSO: 3º ESO OBJETIVOS DEL ÁREA DE MATEMÁTICAS A LAS ENSEÑANZAS ACADÉMICAS 3º ESO

Más detalles

ARQUITECTURA ESCALABLE PARA LA DETECCIÓN DE PATRONES SECUENCIALES DIFUSOS EN MINERÍA DE DATOS CUANTITATIVA

ARQUITECTURA ESCALABLE PARA LA DETECCIÓN DE PATRONES SECUENCIALES DIFUSOS EN MINERÍA DE DATOS CUANTITATIVA ARQUITECTURA ESCALABLE PARA LA DETECCIÓN DE PATRONES SECUENCIALES DIFUSOS EN MINERÍA DE DATOS CUANTITATIVA Pablo F. Provasi 1 Lucio J. Kleisinger 1 Francisco R. Villatoro 2 1 Dpto. de Informática, Universidad

Más detalles

DESARROLLO DE SOFTWARE CON CALIDAD PARA UNA EMPRESA

DESARROLLO DE SOFTWARE CON CALIDAD PARA UNA EMPRESA DESARROLLO DE SOFTWARE CON CALIDAD PARA UNA EMPRESA Resumen AUTORIA CARLOS CABALLERO GONZÁLEZ TEMATICA INFORMÁTICA ETAPA ESO-BACHILLERATO-CFGM(ESI,ASI,DSI) Se describe la revolución que supuso la incursión

Más detalles

Analizaremos cada una detalladamente, con sus respectivos conceptos, etapas y principios.

Analizaremos cada una detalladamente, con sus respectivos conceptos, etapas y principios. EL PROCESO ADMINISTRATIVO 1) CONCEPTO DE PROCESO ADMINISTRATIVO El proceso administrativo es un conjunto de fases o etapas sucesivas a través de las cuales se efectúa la admón. Mismas que se interrelacionan

Más detalles

RESUMEN CUADRO DE MANDO

RESUMEN CUADRO DE MANDO 1. Objetivo Los objetivos que pueden alcanzarse, son: RESUMEN CUADRO DE MANDO Disponer eficientemente de la información indispensable y significativa, de modo sintético, conectada con los objetivos. Facilitar

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

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

Las TIC en el Proyecto Educativo

Las TIC en el Proyecto Educativo Introducción En el módulo anterior hemos reflexionado acerca de cómo inciden las TIC de forma cada vez más determinante en la vida de las personas, y en consecuencia, en el campo de la educación. La inclusión

Más detalles

Las dinámicas grupales y TIC como estrategias para la construcción de conocimientos en la formación odontológica

Las dinámicas grupales y TIC como estrategias para la construcción de conocimientos en la formación odontológica Las dinámicas grupales y TIC como estrategias para la construcción de conocimientos en la formación odontológica SALA, A. y RAMÍREZ, S 1 Las dinámicas grupales y TIC como estrategias para la construcción

Más detalles

UNIDAD I INTRODUCCIÓN. Funciones y aplicaciones de la estadística

UNIDAD I INTRODUCCIÓN. Funciones y aplicaciones de la estadística UNIDAD I INTRODUCCIÓN Funciones y aplicaciones de la estadística 1 INTRODUCCIÓN Hay varias razones por las que el alcance de la estadística y la necesidad de estudiar la estadística han crecido de manera

Más detalles

ASPECTOS METODOLOGICOS DE LA AUDITORIA INFORMATICA QUIEN, QUE, CUANDO Y COMO?

ASPECTOS METODOLOGICOS DE LA AUDITORIA INFORMATICA QUIEN, QUE, CUANDO Y COMO? ASPECTOS METODOLOGICOS DE LA AUDITORIA INFORMATICA QUIEN, QUE, CUANDO Y COMO? COMO? INFORMACION CHECHKLIST VERBALES CUESTIONARIOS SOFTWARE: TRAZAS: DEBUG,LOG OFIMATICA: WORD,EXCEL CRUZAR INFORMACION INFORME

Más detalles

Código del programa: PEMDE. Programa Experto en MANEJO DE DATOS CON EXCEL. Modalidad: Virtual. Descripción del programa

Código del programa: PEMDE. Programa Experto en MANEJO DE DATOS CON EXCEL. Modalidad: Virtual. Descripción del programa Código del programa: PEMDE Programa Experto en MANEJO DE DATOS CON EXCEL Modalidad: Virtual Descripción del programa 1 Presentación del programa Justificación Microsoft Excel es la herramienta de manejo

Más detalles

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología 1. INTRODUCCIÓN. Definición e historia. 1.1. Que es la Sociestadística?. La estadística es la ciencias de las regularidades que se observan en conjuntos de fenómenos

Más detalles

TTP / Informática Profesional y Personal Módulo / Mantenimiento de software

TTP / Informática Profesional y Personal Módulo / Mantenimiento de software Ministerio de Educación, Ciencia y Tecnología TTP / Informática Profesional y Personal Módulo / Mantenimiento de software Aprobado por Res. 190/02 CFCyE Presentación La problemática abordada por este módulo

Más detalles

SÍNTESIS DE SISTEMAS DE CONTROL DIFUSOS MEDIANTE HERRAMIENTAS DE DISEÑO DSP SOBRE FPGAS 1

SÍNTESIS DE SISTEMAS DE CONTROL DIFUSOS MEDIANTE HERRAMIENTAS DE DISEÑO DSP SOBRE FPGAS 1 SÍNTESIS DE SISTEMAS DE CONTROL DIFUSOS MEDIANTE HERRAMIENTAS DE DISEÑO DSP SOBRE FPGAS 1 S. Sánchez-Solano 1, M. Brox 2, A. Cabrera 3 1 Instituto de Microelectrónica de Sevilla (CNM-CSIC). Sevilla, España.

Más detalles

UNIVERSIDAD NACIONAL DE RIO CUARTO FACULTAD DE CIENCIAS ECONOMICAS

UNIVERSIDAD NACIONAL DE RIO CUARTO FACULTAD DE CIENCIAS ECONOMICAS UNIVERSIDAD NACIONAL DE RIO CUARTO FACULTAD DE CIENCIAS ECONOMICAS CATEDRA: SISTEMAS DE INFORMACIÓN CONTABLE II "B" SERIE DE CUADERNILLOS CONTABLES Coordinador: Mgter. Gustavo Sader Cuadernillo Nº 1 Tema:

Más detalles

Fundamentos del diseño 3ª edición (2002)

Fundamentos del diseño 3ª edición (2002) Unidades temáticas de Ingeniería del Software Fundamentos del diseño 3ª edición (2002) Facultad de Informática necesidad del diseño Las actividades de diseño afectan al éxito de la realización del software

Más detalles

Mauricio Contreras IES Benicalap Valencia

Mauricio Contreras IES Benicalap Valencia Mauricio Contreras IES Benicalap Valencia Principios Describen las características particulares de una educación matemática de calidad Igualdad Currículo Enseñanza Aprendizaje Evaluación Tecnología La

Más detalles

MatemásTIC. Estudio y práctica del álgebra matricial con una aplicación TIC didáctica y sencilla. 65 Noviembre 2010, pp. 57-67

MatemásTIC. Estudio y práctica del álgebra matricial con una aplicación TIC didáctica y sencilla. 65 Noviembre 2010, pp. 57-67 65, pp. 57-67 Estudio y práctica del álgebra matricial con una aplicación TIC didáctica y sencilla MatemásTIC A lo largo de los distintos números de Suma nos planteamos en esta sección descubrir distintas

Más detalles

I. Introducción. Metodología de Calificación de Compañías de Seguros. Solventa S.A. Calificadora de Riesgos. Agosto 2014

I. Introducción. Metodología de Calificación de Compañías de Seguros. Solventa S.A. Calificadora de Riesgos. Agosto 2014 Metodología de Calificación de Compañías de Seguros Solventa S.A. Calificadora de Riesgos Agosto 2014 I. Introducción La presente metodología considera los principales aspectos metodológicos que Solventa

Más detalles

QuéEs Inteligencia Artificial?

QuéEs Inteligencia Artificial? QuéEs Inteligencia Artificial? La inteligencia artificial (AI, Artificial Intelligence) es un campo de la ciencia y la tecnología que se basa en disciplinas como la informática, la biología, la psicología,

Más detalles

INDICADORES DE GESTION

INDICADORES DE GESTION INDICADORES DE GESTION Un indicador se define como la relación entre las variables cuantitativas o cualitativas, que permite observar la situación y las tendencias de cambio generadas en el objeto o fenómeno

Más detalles

ANÁLISIS DE ESTADOS CONTABLES PROYECTADOS MEDIANTE NÚMEROS BORROSOS TRIANGULARES. Área: Contabilidad y Auditoría

ANÁLISIS DE ESTADOS CONTABLES PROYECTADOS MEDIANTE NÚMEROS BORROSOS TRIANGULARES. Área: Contabilidad y Auditoría ANÁLISIS DE ESTADOS CONTABLES PROYECTADOS MEDIANTE NÚMEROS BORROSOS TRIANGULARES Área: Contabilidad y Auditoría Tema: Nuevas técnicas de determinación de costos y gestión Consejo Profesional de Ciencias

Más detalles

TEMA II PROCESO DE DISEÑO

TEMA II PROCESO DE DISEÑO TEMA II PROCESO DE DISEÑO El diseño como proceso. Problemas. Definición. Sub-problemas. Solución del problema. Objetivos. Dificultades del diseño. Gestión de proyecto y Proceso de concepción del diseño.

Más detalles

Diseño de un Proyecto IV

Diseño de un Proyecto IV Diseño de un Proyecto IV El diseño del proyecto es el proceso de elaboración de la propuesta de trabajo de acuerdo a pautas y procedimientos sistemáticos como ya se mencionó, un buen diseño debe identificar

Más detalles

ESTADÍSTICA. 1º INGENIERÍA TÉCNICA AGRÍCOLA Curso 2009-2010. Universidad Pública de Navarra Nafarroako unibertsitate Publikoa

ESTADÍSTICA. 1º INGENIERÍA TÉCNICA AGRÍCOLA Curso 2009-2010. Universidad Pública de Navarra Nafarroako unibertsitate Publikoa Universidad Pública de Navarra Nafarroako unibertsitate Publikoa Departamento de Estadística e Investigación Operativa ESTADÍSTICA 1º INGENIERÍA TÉCNICA AGRÍCOLA Curso 2009-2010 Profesores: Patxi Cerveto

Más detalles

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO

UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO ROBOTS MÓVILES Y AGENTES INTELIGENTES 0756 8º, 9 o 06 Asignatura Clave Semestre Créditos Ingeniería Eléctrica Ingeniería

Más detalles

XI CONGRESO IBEROAMERICANO DE EXTENSIÓN UNIVERSITARIA

XI CONGRESO IBEROAMERICANO DE EXTENSIÓN UNIVERSITARIA XI CONGRESO IBEROAMERICANO DE EXTENSIÓN UNIVERSITARIA PONENCIA: LA PLANIFICACIÓN PRESUPUESTARIA COMO ELEMENTO ORIENTADOR Y ORGANIZATIVO DE EMPRENDIMIENTOS SOCIALES. EJE: CIENCIA, TECNOLOGÍA Y SOCIEDAD

Más detalles

Indicadores de la Variable.- Son aquellas cualidades o propiedades del objeto que pueden ser directamente observadas y cuantificadas en la práctica.

Indicadores de la Variable.- Son aquellas cualidades o propiedades del objeto que pueden ser directamente observadas y cuantificadas en la práctica. Las variables de un estudio. La variable es determinada característica o propiedad del objeto de estudio, a la cual se observa y/o cuantifica en la investigación y que puede variar de un elemento a otro

Más detalles

TRABAJANDO LA CONTABILIDAD DE LA EMPRESA

TRABAJANDO LA CONTABILIDAD DE LA EMPRESA TRABAJANDO LA CONTABILIDAD DE LA EMPRESA AUTORÍA MARIA JOSE CABA ARCO TEMÁTICA EMPRESA E INICIATIVA EMPRENDEDORA ETAPA CICLOS FORMATIVOS DE GRADO MEDIO Y SUPERIOR Resumen Dentro de la orientación socio-profesional

Más detalles

calidad brochure Software Quality Assurance/Project Management IDEOLOGY INTELLIGENCE INFORMATION IMPR INNOVATION ISO 9001:2000

calidad brochure Software Quality Assurance/Project Management IDEOLOGY INTELLIGENCE INFORMATION IMPR INNOVATION ISO 9001:2000 calidad 2009 brochure Software Quality Assurance/Project Management IDEOLOGY INTELLIGENCE INFORMATION IMPR INNOVATION Software Quality Assurance Project Management Dos de los factores que más positivamente

Más detalles

Algoritmos de Minería de Datos Extendidos con Comparadores Difusos y su Impacto en los Indicadores de Gestión*

Algoritmos de Minería de Datos Extendidos con Comparadores Difusos y su Impacto en los Indicadores de Gestión* WORKSHOP INTERNACIONAL EIG2009 Departamento de Ingeniería de Sistemas Universidad de La Frontera Chile Diciembre 3 y 4, 2009 Algoritmos de Minería de Datos Extendidos con Comparadores Difusos y su Impacto

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

Portal del Estado Uruguayo. Buscador especializado

Portal del Estado Uruguayo. Buscador especializado Portal del Estado Uruguayo Buscador especializado Información del Proyecto Versión 1.0 Julio 2010 Buscador especializado 2 Antecedentes En el marco del proyecto del nuevo Portal del Estado Uruguayo, AGESIC

Más detalles

1. La administración para la toma de decisiones

1. La administración para la toma de decisiones Objetivo general de la asignatura: El alumno analizará los conceptos fundamentales de la dirección y la toma de decisiones que le permitirán ser líderes de equipos; así como aplicar las herramientas y

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión. DIAGRAMA CAUSA EFECTO 1.- INTRODUCCIÓN Este documento describe el proceso de construcción de una de las herramientas más útiles para la ordenación de ideas, mediante el criterio de sus relaciones de causalidad,

Más detalles

Guía Práctica para el Diseño de Proyectos Sociales

Guía Práctica para el Diseño de Proyectos Sociales Guía Práctica para el Diseño de Proyectos Sociales Marcela Román C. CIDE INTRODUCCION Las Políticas de focalización de la acción social del Estado y, en particular la educativa, están fundamentalmente

Más detalles

MINISTERIO DE EDUCACIÓN DIVISIÓN DE PLANIFICACIÓN Y PRESUPUESTO NOTA TÉCNICA MATRIZ DE MARCO LÓGICO

MINISTERIO DE EDUCACIÓN DIVISIÓN DE PLANIFICACIÓN Y PRESUPUESTO NOTA TÉCNICA MATRIZ DE MARCO LÓGICO MINISTERIO DE EDUCACIÓN DIVISIÓN DE PLANIFICACIÓN Y PRESUPUESTO NOTA TÉCNICA MATRIZ DE MARCO LÓGICO Departamento de Estudios y Estadísticas Enero 2001 MATRIZ DE MARCO LÓGICO 1 1. Introducción El método

Más detalles

PROGRAMA DE ESTUDIOS PROGRAMACIÓN EN INTERNET II

PROGRAMA DE ESTUDIOS PROGRAMACIÓN EN INTERNET II PROGRAMA DE ESTUDIOS PROGRAMACIÓN EN INTERNET II IDENTIFICACIÓN DEL CURSO Ubicación HCA HTI Total de horas Valor en créditos 6 semestre 1 3 4 4 Tipo de curso Obligatorio Matemáticas VI Física IV Inglés

Más detalles

Martha Vitalia Corredor M.

Martha Vitalia Corredor M. SISTEMAS TUTORIALES INTELIGENTES Martha Vitalia Corredor M. RESUMEN Los sistemas tutoriales inteligentes (STI) son una nueva forma de programas para adelantar Instrucción Apoyada por Computador (IAC) con

Más detalles

Tema 4. Ejemplo Control Difuso

Tema 4. Ejemplo Control Difuso Tema 4. Ejemplo Control Difuso IA Inteligencia Artificial 5 o informática http://ccia.ei.uvigo.es/docencia/ia enero 2011 FJRP 2011 ccia IA Tareas típicas en el diseño de sistemas basados en lógica difusa

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

MATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7

MATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7 Página 1 de 7 1 CRITERIOS DE EVALUACIÓN 1.1 SECUENCIA POR CURSOS DE LOS CRITERIOS DE EVALUACION PRIMER CURSO 1. Utilizar números naturales y enteros y fracciones y decimales sencillos, sus operaciones

Más detalles

CAPITULO V DISEÑO DEL CUADRO DE MANDO INTEGRAL

CAPITULO V DISEÑO DEL CUADRO DE MANDO INTEGRAL CAPITULO V DISEÑO DEL CUADRO DE MANDO INTEGRAL Al hablar del balance scorecard, no deberíamos referirnos al mismo como Proyecto, sino más bien como Programa. Esto solamente para dar al balanced scorecard

Más detalles

SOFTWARE PLANNING PROJECTS UNDER THE PMI GUIDELINES PLANEACION DE PROYECTOS DE SOFTWARE BAJO LINEAMIENTOS DEL PMI. MSc. Mauricio Rojas Contreras

SOFTWARE PLANNING PROJECTS UNDER THE PMI GUIDELINES PLANEACION DE PROYECTOS DE SOFTWARE BAJO LINEAMIENTOS DEL PMI. MSc. Mauricio Rojas Contreras Recibido: 06 de agosto de 2009 Aceptado: 21 de octubre de 2009 SOFTWARE PLANNING PROJECTS UNDER THE PMI GUIDELINES PLANEACION DE PROYECTOS DE SOFTWARE BAJO LINEAMIENTOS DEL PMI MSc. Mauricio Rojas Contreras

Más detalles

ECONOMÍA Y ORGANIZACIÓN DE EMPRESAS DE SEGUNDO DE BACHILLERATO

ECONOMÍA Y ORGANIZACIÓN DE EMPRESAS DE SEGUNDO DE BACHILLERATO ECONOMÍA Y ORGANIZACIÓN DE EMPRESAS DE SEGUNDO DE BACHILLERATO IES Cardenal López de Mendoza CONTENIDOS MÍNIMOS UNIDAD 1: LA EMPRESA Y EL ENTORNO 1.1 Influencia del entorno en la empresa. Influencia del

Más detalles

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n

Descripción inicial del sistema. Descripción final del sistema. Estado 1 Estado 2 Estado n Búsqueda en Inteligencia Artificial Fernando Berzal, berzal@acm.org Búsqueda en I.A. Introducción Espacios de búsqueda Agentes de búsqueda Uso de información en el proceso de búsqueda Búsqueda sin información

Más detalles

Simulación ISC. Profr. Pedro Pablo Mayorga

Simulación ISC. Profr. Pedro Pablo Mayorga Simulación ISC Profr. Pedro Pablo Mayorga Ventajas 1. Es un proceso relativamente eficiente y flexible. 2. Puede ser usada para analizar y sintetizar una compleja y extensa situación real, pero no puede

Más detalles

ADMINISTRACIÓN DE SISTEMAS DE GESTIÓN DE BASES DE DATOS

ADMINISTRACIÓN DE SISTEMAS DE GESTIÓN DE BASES DE DATOS ADMINISTRACIÓN DE SISTEMAS DE GESTIÓN DE BASES DE DATOS Ciclo Formativo de Grado Superior Administración de Sistemas Informáticos en Red 1 de 10 INDICE 1. Introducción... 3 2. Objetivos... 3 2.1 unidades

Más detalles

SISTEMA DIFUSO PARA EL CÁLCULO DE LA LEALTAD DE LOS CLIENTES A LOS DESTINOS TURÍSTICOS.

SISTEMA DIFUSO PARA EL CÁLCULO DE LA LEALTAD DE LOS CLIENTES A LOS DESTINOS TURÍSTICOS. SISTEMA DIFUSO PARA EL CÁLCULO DE LA LEALTAD DE LOS CLIENTES A LOS DESTINOS TURÍSTICOS. MSc. Takeichi Kanzaki Cabrera 1, Dra. Marcia Noda Hernández 2, MSc. Reyner Pérez Campdesuñer 2, MSc. Luis Cuevas

Más detalles

RECUPERACIÓN DE LA PRÁCTICA EDUCATIVA: UNA ALTERNATIVA A LA INVESTIGACIÓN EN EDUCACIÓN

RECUPERACIÓN DE LA PRÁCTICA EDUCATIVA: UNA ALTERNATIVA A LA INVESTIGACIÓN EN EDUCACIÓN RECUPERACIÓN DE LA PRÁCTICA EDUCATIVA: UNA ALTERNATIVA A LA INVESTIGACIÓN EN EDUCACIÓN Luis González Martínez1 Serán los profesores quienes, en definitiva, cambiarán el mundo de la escuela, entendiéndola.

Más detalles

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales

Matemáticas 2º BTO Aplicadas a las Ciencias Sociales Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD

Más detalles

6632 - Robótica PLANIFICACIONES Actualización: 2ºC/2015. Planificaciones. 6632 - Robótica. Docente responsable: ANIGSTEIN MAURICIO.

6632 - Robótica PLANIFICACIONES Actualización: 2ºC/2015. Planificaciones. 6632 - Robótica. Docente responsable: ANIGSTEIN MAURICIO. Planificaciones 6632 - Robótica Docente responsable: ANIGSTEIN MAURICIO 1 de 6 OBJETIVOS El Robot es un componente cada vez más frecuente en las líneas de producción industrial y en actividades de servicios.

Más detalles

Metodología de Ingeniería del Software para el desarrollo y mantenimiento de sistemas de información del Gobierno de Extremadura

Metodología de Ingeniería del Software para el desarrollo y mantenimiento de sistemas de información del Gobierno de Extremadura Metodología de Ingeniería del Software para el desarrollo y mantenimiento de sistemas de información del Gobierno de Extremadura Página 1 de 23 Índice del Documento 1.- Introducción... Página 4 2.- Propuesta

Más detalles

Estudio comparativo de los currículos de probabilidad y estadística español y americano

Estudio comparativo de los currículos de probabilidad y estadística español y americano Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un

Más detalles

Plan de Mejoramiento Educativo para todos los establecimientos educativos del país

Plan de Mejoramiento Educativo para todos los establecimientos educativos del país Plan de Mejoramiento Educativo para todos los establecimientos educativos del país Orientaciones Técnicas para el Diagnóstico y la Elaboración de Planes Seminario Asociación Chilena de Municipalidades

Más detalles

GUÍA DOCENTE DE INTRODUCCIÓN A LA PROGRAMACIÓN DE VIDEOJUEGOS Y GRÁFICOS

GUÍA DOCENTE DE INTRODUCCIÓN A LA PROGRAMACIÓN DE VIDEOJUEGOS Y GRÁFICOS GUÍA DOCENTE DE INTRODUCCIÓN A LA PROGRAMACIÓN DE VIDEOJUEGOS Y GRÁFICOS La presente guía docente corresponde a la asignatura de Introducción a la Programación de Videojuegos y Gráficos (Videojuegos) del

Más detalles