Métodos científicos, software lógico e inteligencia artificial

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

Download "Métodos científicos, software lógico e inteligencia artificial"

Transcripción

1 Métodos científicos, software lógico e inteligencia artificial José A. Olivas 1, Alejandro Sobrino 2 1 Dpto. de Informática. Universidad de Castilla La Mancha. Grupo ORETO. 2 Dpto. de Lógica y Filosofía Moral. Universidad de Santiago de Compostela. Resumen El objetivo de este trabajo es examinar tres métodos de explicación científica; a saber, el deductivo, el inductivo y el abductivo, y su papel en la modelización, usando programación lógica, de problemas de inteligencia artificial. Se concluye que, desde un punto de vista teórico, los métodos inductivo y abductivo permiten la representación de problemas que de inicio no están completamente definidos o de los que no se disponen todos los datos, situación por lo demás muy frecuente en la vida ordinaria; sin embargo, el método deductivo, además de representar bien problemas definidos de manera precisa y completa, es el método ejecutivo por excelencia, ya que es el que sigue la noción de algoritmo. El trabajo finaliza examinando algunas particularidades de los métodos en el ámbito aplicado de la Ingeniería del Software. Palabras clave: Métodos científicos, software lógico, IA, Ingeniería del Software. 1 Preliminares. Tres mé todos de explicación científica: Deductivo, inductivo y abductivo. La ciencia es una actividad humana especializada con la cual pretendemos conocer más y mejor acerca de nosotros mismos y de aquello que nos rodea. El conocimiento científico es un conocimiento especial que presupone la capacidad de usar un lenguaje no ambiguo y un método, el método científico, que garantiza - hablando un tanto idealmente- la objetivación de las aserciones, la corrección de las argumentaciones y lo fructífero de las predicciones. Tradicionalmente, y en terminología carnapiana, la explicación científica se ha asociado a establecer una relación normativizada, certificada o legalizada entre el explicatum o explanans, llamado también base de la explicación y el explicandum o explanandum, llamado también objeto de la explicación, de manera que este último aparezca como una consecuencia inexcusable o muy fundamentada del primero. Si el explanans incluye leyes indubitablemente ciertas, la explicación es nomológico-deductiva; esto es, el explanandum se sigue necesariamente del explanans. Si la ley que une la base con el objeto de la explicación es de naturaleza probabilística, la explicación

2 es probabilístico-inductiva y el explanadum se debe seguir con una probabilidad alta del explanans si se pretende que sea una explicación plausible del mismo. La certificación o legalización en la transmisión de la verdad la ofrece la lógica, que proporciona un lenguaje adecuado para hacer operaciones deductivas e inductivas; esto es, para calcular conclusiones que se siguen necesariamente o con cierta credibilidad -una probabilidad, un porcentaje, p. ej.- de las premisas o información de partida. En la versión clásica de Hempel-Oppenheim, estas modalidades de explicación responden al siguiente esquema: L 1,,L r C 1 Regla,,C k Leyes generales Condiciones iniciales Explanans E Descripción del fenómeno que se explica Explanandum Existen otras modalidades de explicación asociadas a este mismo esquema, como la deductivo estadística, la inductivo-estadística de Hempel, la de pertinencia estadística de Salmon u otras variedades, con un esquema ligeramente diferente, como la funcional o la teleológica, que en este trabajo serán simplemente mencionadas. La explicación nomológico-deductiva y la explicación inductiva son las que merecerán más atención de nuestra parte, interés que se extenderá a otra modalidad de explicación, debida a Peirce, que se ha mostrado racional y útil en la resolución automática de problemas: la explicación abductiva, que dice que, dado un conjunto de datos, si una hipótesis parece explicarlos y no hay otra mejor, esa hipótesis puede tomarse cautelosamente como verdadera. En esquema: D es una colección de datos H es una posible explicación de D Ninguna otra hipótesis puede explicar D tan bien como lo hace H Entonces, H es probablemente verdadera El objetivo de este trabajo es analizar el método deductivo, inductivo y abductivo en el marco de los programas lógicos. Aunque un programa lógico es un caso especial de Máquina de Turing, lo que lo hace formalmente equivalente a su formulación en cualquier otro lenguaje, los comentarios que se hagan aquí se restringirán a los lenguajes de programación lógica. El artículo se desarrollará así: en el apartado 2 se habla del uso del método deductivo en programación lógica para la resolución de un problema que tiene que ver con el logro de un objetivo en un escenario completamente definido. Se trata del problema clásico en I. A., popularizado por McCarthy, del mono y el plátano. En el apartado 3 se exponen las ideas básicas que gobiernan el empleo del método inductivo en el aprendizaje automático a través del ejemplo de Winston, también clásico en I.A., sobre el

3 concepto de arco. En el apartado 4 se hace lo propio con el uso del método abductivo, respecto a las condiciones que deberían darse para la obtención de un fin en un problema de planificación, concretamente en un mundo de bloques, popularizado hace años en el mundo de la Inteligencia Artificial por T. Winograd. La representación en Prolog de esto ejemplos de debe a Bratko. Finalmente, en el apartado 5, se hace un examen crítico de estos métodos, focalizando nuestra atención en tres aspectos: i) la variedad de métodos deductivo, inductivo, abductivo- atañe a la representación, no a la resolución automática de los problemas. Un ordenador sólo ejecuta algoritmos y estos, en cada paso de ejecución, son deductivos. ii) En computación hay que resolver problemas poliédricos, con una gran variedad de aristas, a menudo complejas, que conllevan la solución de subproblemas o subtareas. Cada una de ellas, puede requerir un método de representación distinto al empleado en un paso precedente. La integración de métodos distintos es uno de los retos de la Ingeniería del software actual, iii) La seguridad se asocia a la deducción y, en programación, sobre todo en determinados ámbitos industriales, energéticos, la seguridad es un valor muy demandado. Pero al mismo tiempo se reclama, sobre todo desde ámbitos teóricos, la categoría de libre albedrío como inexcusablemente asociada a la inteligencia. Compatibilizar este dilema es un reto para los años futuros. 2 El método deductivo e n programación lógica: Resolución segura de metas. El problema del mono y el plátano fue expuesto por MacCarthy, uno de los padres de la I.A. El escenario del problema es el siguiente: usualmente los humanos decimos de un animal que muestra cierta inteligencia si, siempre que no pueda conseguir un objetivo de forma directa, es capaz de usar o idear situaciones intermedias que le acerquen a ese fin. El caso del mono y el plátano atiende a esta concepción y se plantea así: supongamos que hay una habitación en cuyo centro está colgado un plátano. El plátano está a una altura tal que es inasible para el mono. El mono está situado en la puerta de entrada a la habitación, y la habitación tiene, en una parte alejada de la puerta de entrada, una ventana, a cuyo lado se sitúa una silla. El mono puede usar la silla para subirse a ella y obtener el plátano, pero antes ha de desplazar la silla al centro de la habitación y él mismo ha de trasladarse desde su posición original en la puerta hasta la ventana donde se encuentra la silla. La pregunta es: dado un estado inicial, como el descrito, puede emprender el mono una secuencia de acciones que le conduzcan a obtener el fin deseado; esto es, a conseguir el plátano? Ese mundo del mono tiene una representación plausible en Prolog utilizando estructuras. Escojamos la palabra estado como el functor que agrupa la información relativa a la situación posible del mono, la silla y el plátano. La siguiente figura muestra el estado inicial.

4 estado en_la_puerta en_el_suelo en_la_ventana no_tiene situación_del_mono posición_del_mono situación_de_la_silla resultado La resolución de este problema se puede ver como un juego unipersonal con las siguientes reglas: El objetivo es una situación en la que el mono tenga el plátano; esto es, cualquier estado en el cual el último componente es 'tiene' (el resto de las ranuras puede ser cualquier cosa): estado(_,_,_,tiene). Si el mono no tiene el plátano, cuáles son los movimientos que cambian el mundo del mono; esto es, que le permiten pasar de un estado a otro más interesante para lograr su fin? Hay cuatro tipos de movimientos que puede hacer el mono: (1) coger el plátano (2) subir a la silla. (se asume que la acción de subir no es reversible). (3) empujar la silla (4) desplazarse por la habitación Pero el mono no puede realizar cualquier movimiento independientemente del estado en el que esté. Por ejemplo, no puede desplazarse con la silla si no están en la misma posición. Tales reglas se pueden formalizar en Prolog como una relación triádica llamada movimiento: movimiento(estado1, Movimiento, Estado2) donde Estado 1 es el estado antes del movimiento, Movimiento es el movimiento ejecutado y Estado2 es el estado después del movimiento. La cuestión principal a la que tiene que responder el programa es: puede el mono, a partir de algún estado inicial Estado, alcanzar el plátano? Se puede formular esto con un predicado de un argumento: éxito(estado) donde Estado es el estado inicial del mono y éxito es el nombre de la relación que indica el logro del objetivo. El programa para éxito se basa en dos observaciones:

5 1. Para cualquier estado en el que el mono ya tenga el plátano, el predicado exito es verdadero; no se necesita ningún movimiento en ese caso. Esto corresponde al hecho: exito(estado(_,_,_,tiene)). 2. En otras situaciones, se hace necesaria una definición recursiva que permita uno o más movimientos; esto es, el mono tiene éxito en cualquier estado Estado1, si hay algún movimiento Movimiento de Estado1 a Estado2 tal que el mono pueda coger el plátano en el Estado2 (ejecutando para ello 0 o más movimientos). exito(estado1):- movimiento(estado1, Movimiento, Estado2), exito(estado2). Una vez definidos los movimientos admisibles para el mono, la confección del programa Prolog que regula su conducta es inmediata. Algunas preguntas en las que es posible comprobar cómo el intérprete deduciría automáticamente verdades útiles para la conducta del mono serían las siguientes:?- exito(estado(x, Y, en_el_centro, tiene)). X = en_el_centro, Y = sobre_la_silla ; No?- exito(estado(en_la_puerta, en_el_suelo, en_la_ventana, no_tiene)). Yes Los sistemas de producción en I. A. son un mecanismo clásico de resolución de problemas que responde a esta filosofía. De hecho, la mayoría de los sistemas basados en conocimiento, son sistemas de reglas (deductivas). Este ejemplo muestra que, para un sistema cerrado y completo -como el mundo del mono- un programa lógico pueden deducir todo el conocimiento verdadero de ese mundo. Los ordenadores saben acerca de realidades algorítmicas; esto es, de ámbitos donde las cuestiones están definidas con un lenguaje preciso y existen procedimientos de decisión para, en un número finito y secuencial de pasos, proporcionar una explicación, -en este contexto, deducir la información requerida a partir de la información ya disponible-. Pero qué ocurre si toda la información no está disponible, como pasa en un típico problema de aprendizaje en el que el aprendiz va conformando cada vez una explicación mejor a medida que va disponiendo de más datos y de más capacidad para analizarlos?. En ese caso, el método deductivo no vale y debe ser sustituido por un método más flexible, como el inductivo. 3 El Método inductivo e n programación lógica: El aprendizaje de conceptos. En el apartado anterior se ha visto que, para problemas exactamente caracterizados, el ordenador es capaz de deducir cualquier conocimiento verdadero. Pero cabe preguntarse si las computadoras pueden ayudar no sólo a dar cuenta del

6 conocimiento ya establecido, sino a descubrir nuevos hechos. El problema del aprendizaje del concepto arco figura arquitectónica- es un tema clásico en I. A. popularizado por Winston. El programa Arches aprende el concepto de arco a partir de un lote de ejemplos y contraejemplos que le proporciona el que le pretende enseñar. Los ejemplos son procesados secuencialmente y, con cada nuevo caso, el programa tiene que actualizar la hipótesis que se va configurando acerca de ese concepto. Sean estos cuatro casos ejemplos y contraejemplos del concepto de arco, donde + indica ejemplo positivo y ejemplo negativo. Ejemplos positivos (+) y negativos (-) de 'Arco' Ejemplo 1 Arco + Ejemplo 2 Arco - Ejemplo 3 Arco - Ejemplo 4 Arco + El proceso de aprendizaje se conforma: a) estableciendo una hipótesis inicial tomada de un ejemplo positivo o prototípico de arco y b) refinando esa hipótesis de comienzo con sucesivas incorporaciones de ejemplos. Una vez procesados los cuatro ejemplos y actualizadas las sucesivas hipótesis, la propuesta final debería mostrar lo siguiente respecto a las partes constitutivas del concepto y a las relaciones entre las partes: Partes: - Un arco tiene tres partes: llamémosle columna1, columna2, y dintel - columna1 y columna2 son rectángulos; dintel puede ser una figura más genérica, un polígono, p. ej., (se sigue de los ejemplos 1 y 4) Relaciones: - columna1 y columna2 no pueden tocarse (se sigue del ejemplo 2) - columna1 y columna2 deben soportar al dintel (se sigue del ejemplo negativo 3). Cuando se aprende un concepto por procesamiento secuencial de ejemplos, el proceso de aprendizaje recorre una secuencia de hipótesis H1, H2, etc., cada una de las cuales representa una aproximación al concepto, ya que resulta de una

7 actualización de la hipótesis anterior. Este proceso se hace explícito en el siguiente algoritmo: Para aprender un concepto C dada una secuencia de ejemplos E 1, E 2,..., E n (donde E 1 debe ser un ejemplo positivo de C), Empezar Tomar a E 1 como la hipótesis inicial H 1 acerca de C. Procesar los restantes ejemplos: para cada E i (i = 2,3,...) Hacer Igualar la hipótesis actual H i-1 con E i. Sea el resultado una descripción D de las diferencias entre H i-1 y E i. Actuar sobre H i-1 de acuerdo con D y de acuerdo a si E i es un ejemplo positivo o negativo de C. El resultado es la hipótesis refinada H i sobre C. Fin Fin El resultado final de este procedimiento es la hipótesis H n, que describe el concepto C inducido a partir de los ejemplos proporcionados. A partir de este algoritmo es posible confeccionar el programa Prolog para el aprendizaje del concepto de arco. Una vez dispongamos de él, se le pueden hacer preguntas al intérprete. Esta incluirá dos partes: la primera emplea el procedimiento predefinido bagof, que construye una lista con todas las posibles soluciones - incluídas las repetidas- a la pregunta ejemplos(x). Sobre esa lista actúa la segunda parte de la interrogación, que incluye el procedimiento aprender, y cuya respuesta será el aprendizaje que el programa haga del concepto.?- bagof(e, ejemplo(e), Ejemplos), aprender(ejemplos, DescrArco). E=_2,Ejemplos=[+objeto([parte1,parte2,parte3],[soporta(parte1,parte3),soport a(parte2,parte3),es_un(parte1,rectangulo),es_un(parte2,rectangulo),es_un(par te3,rectangulo)]),objeto([parte1,parte2,parte3],[soporta(parte1,parte3),sopo rta(parte2,parte3),toca(parte1,parte2),es_un(parte1,rectangulo),es_un(parte2,rectangulo),es_un(parte3,rectangulo)]),objeto([parte1,parte2,parte3],[es_un (parte1,rectangulo),es_un(parte2,rectangulo),es_un(parte3,rectangulo)]),+obj eto([parte1,parte2,parte3],[soporta(parte1,parte3),soporta(parte2,parte3),es _un(parte1,rectangulo),es_un(parte2,rectangulo),es_un(parte3,triangulo)])], DescrArco=concepto([parte1,parte2,parte3],[soporta(parte1,parte3),soporta(pa rte2,parte3)],[es_un(parte3,poligono_estable)],[toca(parte1,parte2)]) ; No Como se puede comprobar, la respuesta del intérprete tiene dos partes: en la primera se listan los ejemplos de los que se ha servido para inducir el concepto; en la segunda, se describe el concepto. La descripción del concepto arco se muestra en tres listas: la primera señala las partes constitutivas de un arco ([parte1,parte2,parte3]); la segunda, las relaciones admisibles entre esas partes y, si corresponde, su adscripción a una categoría: [soporta(parte1,parte3),soporta(parte2,parte3)],[es_un(parte3,poligono_estable)]-. Finalmente, la tercera muestra las relaciones prohibidas ([toca(parte1,parte2)])-.

8 En consecuencia, Arches en un programa lógico inductivo que realiza un cierto aprendizaje del concepto de arco a partir de los ejemplos suministrados. En I.A. son clásicos varios algoritmos de aprendizaje a partir de ejemplos, como CLS, CART, ID3 o C4.5. También son muy utilizadas las redes neuronales con aprendizaje supervisado, como el Perceptrón Multicapa (que usa frecuentemente el algoritmo backpropagation). Todos ellos presentan la limitación de que es necesario saber la clase o resultado al que pertenece cada ejemplo del que se aprende. Los programas inductivos son adecuados cuando no se dispone de un escenario completamente definido, como ocurría con el problema del mono y el plátano. Pero puede ocurrir que no tengamos ni situaciones cerradas, como en ese caso, ni ejemplos a partir de los cuales ir conformando un panorama conceptual, sino que conozcamos perfectamente cual es el objetivo, meta o conclusión de un problema, pero no los datos que la explicaría, que en ese caso deben ser elicitados. Entonces hay que utilizar razonamiento abductivo. 4 El método abductivo e n la lógica de la planificación. Una de las características más señaladas de la inteligencia humana es la planificación de tareas que conduzcan a algún fin. Se conoce bien la meta y es necesario explicar o justificar los caminos que llevarían a ella. A menudo, las acciones que se pueden escoger para obtener esa meta perseguida no son únicas, sino alternativas. Entre las variedades de que se dispone, se eligen algunas cuya modificación comporta un cambio local, no global, del mundo o escenario de que se dispone. Un ámbito en el que se puede ejemplificar esto razonablemente bien es el los bloques, popularizado por T. Winograd en el mundo de la I. A. y que recuerda a juegos que involucran piezas geométricas, como el Tetris o el Tangran. Las siguientes figuras muestran una especificación del problema que nos va a ocupar. Sean las siguientes cajas (a, b, c), situadas en los lugares 1, 2, 3, o 4. a c b a b c Se trata de, a partir de una situación inicial, que especifica el dibujo de la izquierda, y con el objetivo conocido de obtener una situación final, ilustrada en el dibujo de la derecha, elicitar una secuencia de acciones que llevaría como resultado a un escenario que se acercaría cada vez más a la consecución del fin. Para representar el conocimiento inicial, se necesita un predicado que especifique qué bloques están sobre qué objetos (un objeto es un bloque (a, b, c) o un lugar (1,

9 2, 3, 4)) le denominaremos sobre/2-, y que objetos están limpios; esto es, que lugares son susceptibles de alojar algún bloque por no tener todavía ninguno encima o que bloques pueden trasladarse de un lugar a otro por la misma razón. A este predicado se le denominará limpio/1. Con estos predicados se puede representar ya el estado inicial como una lista en la que se especifica la situación de cada componente: [limpio(2), limpio(4), limpio(b), limpio(c), sobre(a, 1), sobre(b, 3), sobre(c, a)] El objetivo, entonces, es: conocido el estado final u objetivo del problema, transformar este estado inicial, mediante una secuencia de acciones admisibles, para lograr el fin. Cada acción posible se define en términos de sus precondiciones y de sus efectos. Queda especificada por tres notas: 1. Precondición: Se trata de un requisito que hay que satisfacer para que se realice una acción. 2. Efectos: 2.1. lista-suma: lista de acciones que conlleva el realizar una acción; esto es, que resultan verdaderas después de ejecutada esa acción lista-resta: lista de acciones que se deshacen al llevar a cabo una acción. Las precondiciones se definen por el procedimiento puede/2: puede(acción, Condición) %Se ejecuta la acción sólo si se da la condición Los efectos de la acción se definen con los procedimientos suma/2 y resta/2. suma(acción, SumaRelaciones). resta(acción, RestaRelaciones). 3. Acción: Para el mundo de los bloques, la única acción será mueve/3 mueve(bloque, De, A). El objetivo del plan se define en términos de las relaciones que tienen que darse. Para el mundo de los bloques, el objetivo queda reflejado en la lista de relaciones [sobre(a, b), sobre(c, b)]. Esta representación puede ser usada en un proceso conocido como análisis mediosfines, según el cual, es posible derivar la acción de un plan. Puede abreviarse así: Para resolver una lista de objetivos O en el Estado E, que conduce al estado final F, hacer:

10 Si todos los O son verdaderos en S, entonces F = S. En otro caso, seguir los siguientes pasos: Seleccionar un objetivo no resuelto N en O Encontrar una acción A que añada N al estado actual Facilitar A resolviendo la precondición P de A, dando lugar a un estado intermedio EI1 Aplicar A a EI1, dando lugar a EI2 (en EI2 O es V) Resolver O en EI2, dando lugar a F Se asume que todas las acciones y objetivos están completamente instanciados; de otra forma sería más complicado. A partir de este algoritmo se puede escribir el programa que indique qué pasos seguir para obtener un orden deseado de bloques en el lugar elegido. P. ej., colocar a sobre b, empezando en el estado inicial de la figura de la izquierda: Start=[limpio(2), limpio(4), limpio(b), limpio(c), sobre(a,1), sobre(b, 3), sobre(c, a)], plan(start, [sobre(a, b)], Plan, F). Plan=[mueve(c, a, 2), mueve(a, 1, b), F=[sobre(a, b), limpio(1), sobre(c, 2), limpio(a), limpio(4), limpio(c), sobre(b, 3)]; No En I. A., el razonamiento basado en marcos incorpora ciertos aspectos de la metodología abductiva. Se comparan situaciones reales, sobre las que se deben tomar decisiones, con patrones de diferentes situaciones prototípicas que pueden estar relacionadas. 5 Reflexiones sobre los métodos descritos, la programación lógica y la I. A. Focalizaremos la discusión en tres aspectos: a) condiciones iniciales del problema, b) justificación de la explicación y c) soluciones a los problemas. El empleo del método deductivo en programación lógica para la solución a un problema implica que este esté totalmente definido, que se conozcan todos lo datos que lo definen y no se permita variabilidad alguna hasta que se obtenga alguna solución. La justificación de la conclusión que se obtiene es total, sin resquicios, pero limitada a los datos de los que se dispone. Las soluciones o conclusiones ofrecidas son todas válidas, válidas de una vez para siempre. Sólo pueden cambiar si se redenomina el problema, pero en ese caso, ya es otro problema. El uso del método inductivo es adecuado para problemas parcialmente definidos, que se van conformando a medida que se dispone de más información o de más

11 datos. La justificación que se alcanza empleando este método es parcial, aunque también se podría decir que es momentánea, relativa a un instante de tiempo: la plausibilidad de la conclusión es la que es y no otra, pero en un momento distinto puede modificarse a tenor de los datos disponibles. Las soluciones ofrecidas son progresivas, van mejorando a medida que mejora la definición del problema. En empleo del método abductivo en programación lógica requiere tener perfectamente definido un resultado o conclusión deseada. La justificación, una vez encontrada es total, pero relativa a un itinerario posible de entre los que pueden llevar a la conclusión que se busca. Las condiciones iniciales del problema, en lo que se refiere a la vía explorada, tienen que poder ser definibles de modo perfecto o acabado. Estos nos conduce a cuatro reflexiones de conjunto finales: La diferencia entre estos tres métodos atañe a la representación de lo problemas, pero no a la resolución de los mismos. En términos de programación lógica, sólo hay una forma de solución, que es la algorítmica, ligada al empleo del método deductivo. Ya que un ordenador es capaz de ejecutar correctamente representaciones de problemas tan dispares como el del mono y el plátano, el del concepto arco o el del ordenamiento de un conjunto de bloques, hay que concluir que el método deductivo tiene un extraordinario poder de simulación. El problema del mono y el plátano, el del aprendizaje del concepto arco o el del ordenamiento de un conjunto de bloques representan no obstante tres necesidades distintas; tres tipos diferentes de escenarios que se pueden plantear en la resolución de problemas involucrados en acciones humanas comunes que Puede ser útil simular en un ordenador. El problema del ordenamiento de bloques puede verse como un caso particular de las acciones que tiene que ejecutar un robot en una cadena de montaje. Para abordar problemas diferentes se necesitan métodos distintos, que expliquen de manera adecuada aquellos aspectos deseados en términos de los datos y del escenario de que se dispone. Abordar un problema inductivo con una metodología deductiva es garantía de resolverlo mal o de resolverlo no atendiendo a las condiciones de especificación del problema. Ahora bien, una vez representado un problema con un método adecuado, su simulación deductiva garantiza su correcta ejecución. El empleo de la deducción en la simulación ofrece seguridad, confianza en que el ordenador, en cada paso, hará sólo lo que puede y debe hacer. Esto hace que la ejecución de un programa no vaya más allá de lo que las instrucciones le indican. En este sentido, los ordenadores son totalmente previsibles y se le niega ese punto de creatividad asociado a la intuición, no a las explicaciones. Y cuando una intuición se explica, deja de ser intuición. Si se desean lograr programas más inteligentes, deben tener ciertas dosis de libre albedrío. Su implementación en software no puede ser con alguno de los modelos de

12 máquina de Turing existentes, como Prolog o cualquier otro lenguaje de programación estándar. Pero, de momento, este reto tiene que esperar. En I. A. se suelen utilizar métodos que conceptualmente involucran deducción, inducción y abducción. Un ejemplo sería el proceso KDD (Knowledge Discovery in Databases) y Minería de datos. Habitualmente, para extraer conocimiento de grandes bases de datos se utilizan algoritmos de inducción, clasificación (aprenden por inducción y clasifican por deducción; p. ej., por reglas o árboles de decisión) y clustering (que parecen gestionar los clusters más abductiva que deductivamente). El mestizaje de métodos parece por tanto inevitable y provechoso. Saber exactamente su papel en la representación o resolución de problemas y cómo se combinan entre sí es una tarea relevante que a menudo no es abordada y que, sin embargo, debería serlo. 6 Un comentario breve s obre el papel de los métodos en la Ingeniería del Software. El IEEE define la Ingeniería del Software como la aplicación de una aproximación sistemática, disciplinada y cuantificable al desarrollo, operación y mantenimiento del software; es decir, la aplicación de la ingeniería al software. Como indica Morasca et al., hay varias características que distinguen la Ingeniería del Software de otras disciplinas basadas en la ingeniería: El software se desarrolla, no se produce o manufactura. Cada producto y proceso software es diferente en términos de objetivos y contexto. La disciplina del software es experimental; es decir, constantemente adquirimos experiencia de proyectos desarrollados y la usamos en nuevas iniciativas. Conservar conocimiento y experiencia para su posterior reusabilidad requiere recursos adicionales ajenos al entorno habitual de los proyectos software. Por estas razones es importante usar técnicas de Ingeniería del Conocimiento e Inteligencia Artificial para tareas de la Ingeniería del Software. Principalmente métodos de adquisición y representación del conocimiento y mecanismos de inferencia tales como los descritos en el presente trabajo. Además, no es realista esperar usar en Ingeniería del Software las mismas técnicas que se emplean en las ciencias exactas. Esto es debido a la propia naturaleza del desarrollo del software: Es frecuente el uso de datos incompletos, imprecisos e inciertos. El desarrollo de software es una tecnología basada en los humanos. El desarrollo de software es un proceso dinámico.

13 Los productos finales son a menudo inestables e incompletos. En este contexto, la IA, la ingeniería del conocimiento y en particular el soft computing pueden desempeñar un rol fundamental en el desarrollo del software. Por ejemplo, la lógica borrosa, los sistemas conexionistas, los sistemas evolutivos o las técnicas de KDD y Data Mining pueden suministrar un conjunto de nuevas y prometedoras técnicas de análisis de datos. Bibliografía [1] Bratko, I., Prolog: programming for Artificial Intelligence. Addison Wesley, [2] Carnap, R., Logical Foundations of Probability. University of Chicago Press, Chicago, [3] Fayyad, U. et al. (eds.), Advances in Knowledge Discovery and Data Mining, AAA/MIT Press, Cambridge, Mass, 1996 [4] Gillies, D., Artificial Intelligence and Scientific Method. Oxford University Press, [5] Hempel,, C., La explicación científica. Ensayos sobre Filosofía de la Ciencia. Paidós. Buenos Aires, [6] Minsky, M., A Framework for Representing Knowledge, en Winston, P. (ed.), The Psychology of Computer Vision. McGraw-Hill, 1975, [7] Morasca, S.; Ruhe, G., Guest Editors Introduction: Knowledge Discovery from Empirical Software Engineering Data. Int. Journal of Software Engineering and Knowledge Engineering, vol 9, Nº 5, 1999, pp [8] Olivas, J. A. y Piattini, M.: Knowledge Engineering in Software Engineering. Proceedings of the International Conference on Artificial Intelligence IC-AI 2001, vol. II, CSREA Press, USA, 2001, [9] Peirce, Ch. S., Abduction and Induction, in J. Buchler (ed.), Philosophical Writings of Peirce, N. Y., Dover, 1955, [10] Quinlan, J. R., C4.5: Programs for Machine Learning. Morgan Kaufmann. San Mateo, [11] Winston, P. H., Inteligencia Artificial. Addison-Wesley Iberoamericana,

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla

Introducción. Francisco J. Martín Mateos. Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Francisco J. Martín Mateos Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Qué es la (KE)? Definición de Wikipedia: La es una disciplina cuyo objetivo es integrar conocimiento

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

Revista digit@l Eduinnova ISSN

Revista digit@l Eduinnova ISSN MATEMÁTICAS EN EDUCACIÓN PRIMARIA AUTORA: Inmaculada Fernández Fernández DNI: 48937600V ESPECIALIDAD: EDUCACIÓN PRIMARIA 1. INTRODUCCIÓN El área de matemáticas se imparte en todos los cursos de Educación

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

COMPETENCIAS DISCIPLINARES BÁSICAS DEL SISTEMA NACIONAL DE BACHILLERATO

COMPETENCIAS DISCIPLINARES BÁSICAS DEL SISTEMA NACIONAL DE BACHILLERATO COMPETENCIAS DISCIPLINARES BÁSICAS DEL SISTEMA NACIONAL DE BACHILLERATO Junio de 2008 Presentación El documento Competencias Genéricas que Expresan el Perfil del Egresado de la EMS incluye las competencias

Más detalles

Técnicas para la elaboración de pruebas para la medición del aprendizaje Í T U L O TEMAS Y SUBTEMAS: OBJETIVOS: CAPÍTULO 8 219

Técnicas para la elaboración de pruebas para la medición del aprendizaje Í T U L O TEMAS Y SUBTEMAS: OBJETIVOS: CAPÍTULO 8 219 Técnicas para la elaboración de pruebas para la medición del aprendizaje TEMAS Y SUBTEMAS: 8.1. Tipo de preguntas para la elaboración de pruebas 8.1.1. Preguntas de respuesta libre 8.1.2. Preguntas de

Más detalles

TEMA 1. Introducción

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

Más detalles

OPTATIVA I: MINERIA DE DATOS

OPTATIVA I: MINERIA DE DATOS UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU007H Clave: 08USU4053W FACULTAD DE INGENIERÍA PROGRAMA DEL CURSO: OPTATIVA I: MINERIA DE DATOS DES: Programa(s) Educativo(s): Tipo de materia: Clave de la

Más detalles

PDF created with pdffactory Pro trial version www.pdffactory.com

PDF created with pdffactory Pro trial version www.pdffactory.com Universidad de Los Andes Facultad de Humanidades y Educación Escuela de Educación Departamento de Educación Física Cátedra Didáctica de la Educación Física RESUMEN DE LA TAXONOMIA DE LOS OBJETIVOS DE LA

Más detalles

Programación Orientada a Objetos: Clases versus Prototipos 1

Programación Orientada a Objetos: Clases versus Prototipos 1 Programación Orientada a Objetos: Clases versus Prototipos 1 Pedro Cuesta Morales (pcuesta@uvigo.es) Departamento de Lenguajes y Sistemas Informáticos Universidad de Vigo Resumen: En este artículo se introducen

Más detalles

Aprendizaje automático

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

Más detalles

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

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA

2. CLASIFICACIÓN DE LA ACTIVIDAD CURRICULAR, FORMACIÓN PRÁCTICA Y CARGA HORARIA CÓDIGO ASIGNATURA 1131-3 DEPARTAMENTO: Ingeniería e Investigaciones Tecnológicas ASIGNATURA: DATA MINING y DATA WAREHOUSE Plan 2009 Ingeniería en Informática Año: 5 (Electiva - Ingeniería de Software)

Más detalles

Guía docente de la asignatura

Guía docente de la asignatura Guía docente de la asignatura Asignatura Materia Módulo Titulación TÉCNICAS DE APRENDIZAJE AUTOMÁTICO COMPUTACIÓN TECNOLOGÍAS ESPECÍFICAS GRADO EN INGENIERÍA INFORMÁTICA Plan 545 Código 46932 Periodo de

Más detalles

CONSTRUCCION DE SISTEMAS EXPERTOS

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

Más detalles

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

GUÍA DOCENTE DE LA ASIGNATURA

GUÍA DOCENTE DE LA ASIGNATURA GUÍA DOCENTE DE LA ASIGNATURA G655 - Introducción a los Sistemas Inteligentes Grado en Ingeniería Informática Obligatoria. Curso Grado en Matemáticas Optativa. Curso Curso Académico 2014-2015 1 1. DATOS

Más detalles

Desarrollo de SBC. cbea (LSI - FIB) Sistemas Basados en el Conocimiento IA - Curso 2008/2009 1 / 41

Desarrollo de SBC. cbea (LSI - FIB) Sistemas Basados en el Conocimiento IA - Curso 2008/2009 1 / 41 Desarrollo de SBC Ingeniería de los SBC Desarrollo de SBC El punto más importante del desarrollo de SBC es la extracción del conocimiento Requiere la interacción entre el Ingeniero del Conocimiento y el

Más detalles

Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software

Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software Extracción Automática de Conocimiento en Bases de Datos e Ingeniería del Software Mª. José Ramírez Quintana José Hernández Orallo Programa: Programación Declarativa e Ingeniería de la Programación Objetivos

Más detalles

Programación de Psicología (1º de bachillerato) Sentido y significado de la Psicología en el Bachillerato

Programación de Psicología (1º de bachillerato) Sentido y significado de la Psicología en el Bachillerato 1 Programación de Psicología (1º de bachillerato) Sentido y significado de la Psicología en el Bachillerato La Psicología se presenta como una materia apropiada para ser introducida en el Bachillerato.

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

ESPECIFICACIONES PARA LA EVALUACIÓN de la materia PSICOLOGÍA del 2º curso del Bachillerato

ESPECIFICACIONES PARA LA EVALUACIÓN de la materia PSICOLOGÍA del 2º curso del Bachillerato I.E.S. Ruiz de Alda de San Javier (Murcia) DEPARTAMENTO DE FILOSOFÍA ESPECIFICACIONES PARA LA EVALUACIÓN de la materia PSICOLOGÍA del 2º curso del Bachillerato Este Departamento Didáctico ha expuesto su

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

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

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

CAPÍTULO 1 INTRODUCCIÓN, HIPÓTESIS Y OBJETIVOS

CAPÍTULO 1 INTRODUCCIÓN, HIPÓTESIS Y OBJETIVOS CAPÍTULO 1 INTRODUCCIÓN, HIPÓTESIS Y OBJETIVOS 1 INTRODUCCIÓN 1.1 Justificación Esta investigación está motivada por el interés en lograr una mejor comprensión del papel que desempeña la creatividad dentro

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

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

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

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

Más detalles

CANAL PERFORMANCE MANAGEMENT

CANAL PERFORMANCE MANAGEMENT Accelerating performance evolution 29.09.2006 Matriz Ovar. Medir los proyectos CANAL PERFORMANCE MANAGEMENT Si su Cuadro de Mando no mide los proyectos e iniciativas está incompleto En terminología Cuadro

Más detalles

GUÍA PARA ESCRIBIR LA TESIS DEL MÁSTER

GUÍA PARA ESCRIBIR LA TESIS DEL MÁSTER GUÍA PARA ESCRIBIR LA TESIS DEL MÁSTER 1. LA PROPUESTA DE LA TESIS La propuesta de una tesis es esencialmente un resumen de una investigación - algo así como un plano arquitectónico para la construcción

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

Modelos de desarrollo de software. septiembre de 2007 1

Modelos de desarrollo de software. septiembre de 2007 1 Modelos de desarrollo de software septiembre de 2007 1 Referencias básicas Ingeniería de software. Un enfoque práctico. Pressman, R. Quinta edición. Mc. Graw Hill 2002 Ingeniería de software. Sommerville,

Más detalles

Comparación entre los contenidos del currículo chileno y español en el área de estadística y probabilidad

Comparación entre los contenidos del currículo chileno y español en el área de estadística y probabilidad Comparación entre los contenidos del currículo chileno y español en el área de estadística y probabilidad Morales Merino, Rodolfo, Ruiz Reyes, Karen Universidad de Granada Resumen En este trabajo presentamos

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

Límites. Definición de derivada.

Límites. Definición de derivada. Capítulo 4 Límites. Definición de derivada. 4.1. Límites e indeterminaciones Hemos visto en el capítulo anterior que para resolver el problema de la recta tangente tenemos que enfrentarnos a expresiones

Más detalles

Programación lógica basada en restricciones

Programación lógica basada en restricciones Programación lógica basada en restricciones Introducción. La programación lógica basada en restricciones [1][2] es un paradigma muy útil para formular y resolver problemas que se definen de forma natural

Más detalles

Tema 3. MODELOS. 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas biológicos.

Tema 3. MODELOS. 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas biológicos. Tema 3. MODELOS 011 0 01 01 FUNDAMENTOS 1. Modelos computacionales. 2. Computación y Neurociencia. CONTENIDOS 2.1 Apoyo Informático a la investigación experimental. 2.2 Modelos del cerebro: A. Realistas

Más detalles

Base de datos II Facultad de Ingeniería. Escuela de computación.

Base de datos II Facultad de Ingeniería. Escuela de computación. Base de datos II Facultad de Ingeniería. Escuela de computación. Introducción Este manual ha sido elaborado para orientar al estudiante de Bases de datos II en el desarrollo de sus prácticas de laboratorios,

Más detalles

GEOMETRÍA PLANA TFM 2013 DIFICULTADES Y ERRORES MANIFESTADOS POR ESTUDIANTES DE 1º DE E.S.O. DURANTE EL APRENDIZAJE DE GEOMETRÍA PLANA

GEOMETRÍA PLANA TFM 2013 DIFICULTADES Y ERRORES MANIFESTADOS POR ESTUDIANTES DE 1º DE E.S.O. DURANTE EL APRENDIZAJE DE GEOMETRÍA PLANA GEOMETRÍA PLANA María Pérez Prados DIFICULTADES Y ERRORES MANIFESTADOS POR ESTUDIANTES DE 1º DE E.S.O. DURANTE EL APRENDIZAJE DE GEOMETRÍA PLANA TFM 2013 Ámbito MATEMÁTICAS MÁSTER UNIVERSITARIO EN FORMACIÓN

Más detalles

Ingeniería de Software I

Ingeniería de Software I Ingeniería de Software I Agenda Objetivo. Unidades de aprendizaje. Formas de evaluación. Bibliografía. 2 Datos del profesor Correo electrónico: egonzalez@upemor.edu.mx Asesorías Jueves de 11:00 a 13:00

Más detalles

LA RESOLUCIÓN DE PROBLEMAS MATEMÁTICOS EN EDUCACIÓN PRIMARIA

LA RESOLUCIÓN DE PROBLEMAS MATEMÁTICOS EN EDUCACIÓN PRIMARIA LA RESOLUCIÓN DE PROBLEMAS MATEMÁTICOS EN EDUCACIÓN PRIMARIA AUTORÍA NATIVIDAD DEL PILAR CANTERO CASTILLO TEMÁTICA MATEMÁTICAS, RESOLUCIÓN DE PROBLEMAS ETAPA EDUCACIÓN PRIMARIA Resumen Dentro del área

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

Editorial del BENED, febrero de 2009 La Guía Didáctica Lorenzo García Aretio. La Guía Didáctica

Editorial del BENED, febrero de 2009 La Guía Didáctica Lorenzo García Aretio. La Guía Didáctica Editorial del BENED, febrero de 2009 La Guía Didáctica Lorenzo García Aretio La Guía Didáctica Lorenzo García Aretio Titular de la CUED Editor del BENED Desde hace bastantes años venimos publicando orientaciones

Más detalles

MATERIA : GESTION DE SERVICIOS DE TI FECHA: Marzo 18 de 2013

MATERIA : GESTION DE SERVICIOS DE TI FECHA: Marzo 18 de 2013 Tabla de contenido Métricas de la Gestión de los : Cómo Empezar... 2 Por qué realizar informes de gestión desde los datos de del Centro de Servicio al Usuario?... 2 Clasificación de los Datos de Rendimiento...

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

1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Investigación de Operaciones. Carrera: Ingeniería en Sistemas Computacionales

1.- DATOS DE LA ASIGNATURA. Nombre de la asignatura: Investigación de Operaciones. Carrera: Ingeniería en Sistemas Computacionales 1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: (Créditos) SATCA 1 Investigación de Operaciones SCC-1013 2-2 - 4 Ingeniería en Sistemas Computacionales 2.- PRESENTACIÓN

Más detalles

Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas

Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas Taxonomía de los principales temas de I A Por: Luis Guillermo Restrepo Rivas 1. DEFINICIONES, UBICACIÓN CONCEPTUAL E HISTORIA DE LA I.A. 2. COMPLEJIDAD COMPUTACIONAL, EXPLOSIÓN COMBINATORIA, DOMINIOS NO

Más detalles

Tema 2. Ingeniería del Software I feliu.trias@urjc.es

Tema 2. Ingeniería del Software I feliu.trias@urjc.es Tema 2 Ciclo de vida del software Ingeniería del Software I feliu.trias@urjc.es Índice Qué es el ciclo de vida del Software? El Estándar 12207 Modelos de proceso Qué es el Ciclo de Vida del SW? Definición

Más detalles

Sistema de capacitación para clasificadores de cueros curtidos (Wet Blue o Wet White)* *

Sistema de capacitación para clasificadores de cueros curtidos (Wet Blue o Wet White)* * Sistema de capacitación para clasificadores de cueros curtidos (Wet Blue o Wet White)* * Luis Perfetti Gerente de Organización y Sistemas de Curtiembres Fonseca S.A. La presente ponencia es parte del trabajo

Más detalles

GEOGEBRA Y DOMINIO DE FUNCIONES EN MATEMÁTICAS

GEOGEBRA Y DOMINIO DE FUNCIONES EN MATEMÁTICAS GEOGEBRA Y DOMINIO DE FUNCIONES EN MATEMÁTICAS AUTORÍA RAFAEL GONZÁLEZ BÁEZ TEMÁTICA MATEMÁTICAS ETAPA ESO Y BACHILLERATO Resumen. Las nuevas tecnologías son un requisito indispensable a tratar en el aula;

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

3.1 INGENIERIA DE SOFTWARE ORIENTADO A OBJETOS OOSE (IVAR JACOBSON)

3.1 INGENIERIA DE SOFTWARE ORIENTADO A OBJETOS OOSE (IVAR JACOBSON) 3.1 INGENIERIA DE SOFTWARE ORIENTADO A OBJETOS OOSE (IVAR JACOBSON) 3.1.1 Introducción Este método proporciona un soporte para el diseño creativo de productos de software, inclusive a escala industrial.

Más detalles

Preguntas y respuestas (rebatibles) sobre metodologías de desarrollo de software

Preguntas y respuestas (rebatibles) sobre metodologías de desarrollo de software Preguntas y respuestas (rebatibles) sobre metodologías de desarrollo de software Introducción Este documento recopila las preguntas, opiniones y respuestas que se produjeron en un pequeño curso sobre las

Más detalles

Sistemas de Información II. Introducción al Proceso Unificado de Desarrollo de Software. Autor: Ing. Silverio Bonilla 1

Sistemas de Información II. Introducción al Proceso Unificado de Desarrollo de Software. Autor: Ing. Silverio Bonilla 1 Introducción al Proceso Unificado de Desarrollo de Software Autor: Ing. Silverio Bonilla 1 James Rumbaugh et al. Concepto de Método Una metodología de ingeniería del software es un proceso para producir

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

Minería de Datos. Vallejos, Sofia

Minería de Datos. Vallejos, Sofia Minería de Datos Vallejos, Sofia Contenido Introducción: Inteligencia de negocios (Business Intelligence). Descubrimiento de conocimiento en bases de datos (KDD). Minería de Datos: Perspectiva histórica.

Más detalles

2.1 Ingeniería de Software

2.1 Ingeniería de Software Capítulo 2 Marco Teórico Se pretende desarrollar un software que pueda ser aplicado como una herramienta útil para la administración de una empresa. Es necesario tener en cuenta que, en todo desarrollo

Más detalles

Gestión de. Requisitos previos. Carácter ECTS. Periodo NINGUNOO. Idiomas en Inglés. Departamento. Ciencias de. Presentación. Despacho y.

Gestión de. Requisitos previos. Carácter ECTS. Periodo NINGUNOO. Idiomas en Inglés. Departamento. Ciencias de. Presentación. Despacho y. = =drð^=al`bkqb qfqri^`flkbp=ab=do^al= TITULACIÓN: INGENIERÍA DE SISTEMAS DE INFORMACIÓN CURSO: Segundo ASIGNATURA: Ingeniería del Software I Nombre del Módulo o Materia al que pertenece la asignatura.

Más detalles

Tema I: Gestión de Proyectos Software: Planificación

Tema I: Gestión de Proyectos Software: Planificación Tema I: Gestión de Proyectos Software: Planificación Bibliografía Calvo-Manzano, J.A., Cervera, J., Fernández, L., Piattini, M. Aplicaciones Informáticas de Gestión. Una perspectiva de Ingeniería del Software.

Más detalles

Aspectos evolutivos y cognitivos

Aspectos evolutivos y cognitivos Aspectos evolutivos y cognitivos Margarita Limón/Mario Carretero Revista Cuadernos de Pedagogía Nº: 238 Año: 1995 Este material se utiliza con fines exclusivamente didácticos Aspectos evolutivos y cognitivos

Más detalles

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN.

CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. SISTEMA EDUCATIVO inmoley.com DE FORMACIÓN CONTINUA PARA PROFESIONALES INMOBILIARIOS. CURSO/GUÍA PRÁCTICA GESTIÓN EMPRESARIAL DE LA INFORMACIÓN. Business Intelligence. Data Mining. PARTE PRIMERA Qué es

Más detalles

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1

Sistemas de producción y búsqueda de soluciones. Area de Computación e Inteligencia Artificial 1 Sistemas de producción y búsqueda de soluciones Area de Computación e Inteligencia Artificial 1 Técnicas de búsqueda Resolución de problemas en Inteligencia Artificial. En general, podemos afirmar que

Más detalles

Programación orientada a

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

Más detalles

Planificación y Control de Proyectos de Software mediante MS Project

Planificación y Control de Proyectos de Software mediante MS Project Práctica 2 Planificación y Control de Proyectos de Software mediante MS Project E n esta práctica vamos a introducirnos en la Planificación y Control de Proyectos de Software mediante herramientas informáticas

Más detalles

LENGUAJES DE PROGRAMACIÓN POR QUÉ HAY TANTOS Y APARECEN NUEVOS? Por: Hanna Oktaba

LENGUAJES DE PROGRAMACIÓN POR QUÉ HAY TANTOS Y APARECEN NUEVOS? Por: Hanna Oktaba LENGUAJES DE PROGRAMACIÓN POR QUÉ HAY TANTOS Y APARECEN NUEVOS? Por: Hanna Oktaba La computadora, a diferencia de otras herramientas que en general apoyan el esfuerzo físico de los humanos, fue inventada

Más detalles

Análisis Matemático II

Análisis Matemático II Programa de la Asignatura: Código: 862 Análisis Matemático II Carrera: Ingeniería en Computación Plan: 2008 Carácter: Obligatoria Unidad Académica: Secretaría Académica Curso: Primer Año Segundo cuatrimestre

Más detalles

=drð^=al`bkqb= qfqri^`flkbp=ab=do^al=

=drð^=al`bkqb= qfqri^`flkbp=ab=do^al= =drð^=al`bkqb= qfqri^`flkbp=ab=do^al= TITULACIÓN: GRADO EN INGENIERÍA DE SISTEMAS DE INFORMACIÓN CURSO 2014/2015 ASIGNATURA: SIMULACIÓN Nombre del Módulo o Materia al que pertenece la asignatura. MÉDODOS

Más detalles

Visión global del KDD

Visión global del KDD Visión global del KDD Series Temporales Máster en Computación Universitat Politècnica de Catalunya Dra. Alicia Troncoso Lora 1 Introducción Desarrollo tecnológico Almacenamiento masivo de información Aprovechamiento

Más detalles

CONCEPTOS DE CALIDAD Y CALIDAD DEL SOFTWARE

CONCEPTOS DE CALIDAD Y CALIDAD DEL SOFTWARE CONCEPTOS DE CALIDAD Y CALIDAD DEL SOFTWARE INTRODUCCIÓN El avance informático actual es muy alto comparado con lo se tenía en los años 90, al hablar de desarrollo de software se hace más notable, en el

Más detalles

Por Harvey Bluedorn. Copyright 1995. Todos los derechos reservados.

Por Harvey Bluedorn. Copyright 1995. Todos los derechos reservados. 1 Dos Métodos de Razonamiento Una Introducción a la Lógica Inductiva y a la Deductiva Por Harvey Bluedorn. Copyright 1995. Todos los derechos reservados. Corrigiendo el Pensamiento Defectuoso A menudo

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

Capítulo 1. Introducción

Capítulo 1. Introducción Capítulo 1. Introducción El WWW es la mayor fuente de imágenes que día a día se va incrementando. Según una encuesta realizada por el Centro de Bibliotecas de Cómputo en Línea (OCLC) en Enero de 2005,

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

Mantenimiento del Software

Mantenimiento del Software Mantenimiento del Software S4 Francisco Ruiz, Macario Polo Grupo Alarcos Dep. de Informática ESCUELA SUPERIOR DE INFORMÁTICA UNIVERSIDAD DE CASTILLA-LA MANCHA http://alarcos.inf-cr.uclm.es/doc/mso/ Ciudad

Más detalles

GUÍA DOCENTE DE ASIGNATURA CURSO 2009/2010

GUÍA DOCENTE DE ASIGNATURA CURSO 2009/2010 GUÍA DOCENTE DE ASIGNATURA CURSO 2009/2010 1. DATOS BÁSICOS DE LA ASIGNATURA 1.1.Nombre INFORMÁTICA GENERAL 1.2. Código de la asignatura 45007303 1.3.Plan 2000 1.4.Curso académico 09-10 1.5. Ciclo formativo

Más detalles

Planificación de proyectos

Planificación de proyectos Planificación de proyectos Introducción Características de un proyecto: Conjunto numeroso de actividades complejas. Es singular (Conjunto de sucesos y actividades que sólo se presenta una vez) Es finito

Más detalles

I GE IERÍA DEL SOFTWARE. Mª Dolores Carballar Falcón 28935146L

I GE IERÍA DEL SOFTWARE. Mª Dolores Carballar Falcón 28935146L I GE IERÍA DEL SOFTWARE. Mª Dolores Carballar Falcón 28935146L REFERE CIA AL SISTEMA EDUCATIVO ACTUAL. Los contenidos de este tema, están enfocados a introducir al alumno en el concepto de Ingeniería del

Más detalles

construcción de programas Prof. Eliana Guzmán U.

construcción de programas Prof. Eliana Guzmán U. Unidad II. Metodología para la construcción de programas Prof. Eliana Guzmán U. Semestre: A-2015 Introducción Resolver un problema con una computadora conduce a la escritura de un programa y a su ejecución.

Más detalles

POSIBLE APLICACIÓN DE LA MINERÍA DE TEXTOS A LOS TRABAJOS DE LA COMISIÓN MINISTERIAL DE INFORMÁTICA

POSIBLE APLICACIÓN DE LA MINERÍA DE TEXTOS A LOS TRABAJOS DE LA COMISIÓN MINISTERIAL DE INFORMÁTICA POSIBLE APLICACIÓN DE LA MINERÍA DE TEXTOS A LOS TRABAJOS DE LA COMISIÓN MINISTERIAL DE INFORMÁTICA M.ª del Pilar Cantero Blanco Jefa de Servicio de Sistemas Informáticos. Subdirección General de Planificación

Más detalles

Proyecto Scratch: http://scratch.mit.edu/projects/38518614/

Proyecto Scratch: http://scratch.mit.edu/projects/38518614/ Proyecto Scratch: http://scratch.mit.edu/projects/38518614/ SISTEMAS DE NUMERACÍON Dos de los sistemas de numeración más utilizados son el sistema decimal, que se emplea en la vida cotidiana, y el sistema

Más detalles

Introducción. Qué es machine learning? Algunos Tipos de Machine Learning. Generalización & Exploración. Ejemplos de aplicaciones en Machine Learning

Introducción. Qué es machine learning? Algunos Tipos de Machine Learning. Generalización & Exploración. Ejemplos de aplicaciones en Machine Learning Introducción Qué es aprendizaje automatizado e inferencia inductiva"? Para qué sirve? (ejemplos/aplicaciones) Tareas de aprendizaje Representación de datos Enfoques usados Concept learning: algoritmos

Más detalles

PRINCIPIOS DE PRUEBAS. ENFOQUE ESTRATEGICO.

PRINCIPIOS DE PRUEBAS. ENFOQUE ESTRATEGICO. PRINCIPIOS DE PRUEBAS. ENFOQUE ESTRATEGICO. 0. Consideraciones iniciales. Las pruebas son un conjunto de actividades que se pueden planificar por adelantado y llevar a cabo sistemáticamente. Por esta razón,

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

Definir el campo de estudio de la economía o, lo que es lo mismo,

Definir el campo de estudio de la economía o, lo que es lo mismo, I.1. Introducción a la economía Definir el campo de estudio de la economía o, lo que es lo mismo, los límites de la realidad económica, es tarea necesaria y fundamental para cualquier obra sobre el tema.

Más detalles

Gestión y Desarrollo de Requisitos en Proyectos Software

Gestión y Desarrollo de Requisitos en Proyectos Software Gestión y Desarrollo de Requisitos en Proyectos Software Ponente: María Jesús Anciano Martín Objetivo Objetivo Definir un conjunto articulado y bien balanceado de métodos para el flujo de trabajo de Ingeniería

Más detalles

Introducción a la Inteligencia Artificial

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

Más detalles

Trabajo final de Ingeniería

Trabajo final de Ingeniería UNIVERSIDAD ABIERTA INTERAMERICANA Trabajo final de Ingeniería Weka Data Mining Jofré Nicolás 12/10/2011 WEKA (Data Mining) Concepto de Data Mining La minería de datos (Data Mining) consiste en la extracción

Más detalles

Sobre la Ontología de los Modelos Analógicos Científicos

Sobre la Ontología de los Modelos Analógicos Científicos DOCUMENTOS DEL CIECE Sobre la Ontología de los Modelos Analógicos Científicos Schwartz, Nora Alejandrina Julio 2014 Número 9 2014 Sobre la Ontología de los Modelos Analógicos Científicos. Schwartz, Nora

Más detalles

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

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

Más detalles

MÁSTER UNIVERSITARIO EN ANÁLISIS ECONÓMICO Y EMPRESARIAL

MÁSTER UNIVERSITARIO EN ANÁLISIS ECONÓMICO Y EMPRESARIAL MÁSTER UNIVERSITARIO EN ANÁLISIS ECONÓMICO Y EMPRESARIAL Centro Responsable: Facultad de Ciencias Económicas y Empresariales Orientación: Investigadora y Profesional Especialidades: Análisis Económico.

Más detalles

ORGANIZACIÓN DE LOS SERVICIOS INFORMÁTICOS

ORGANIZACIÓN DE LOS SERVICIOS INFORMÁTICOS 1 ORGANIZACIÓN DE LOS SERVICIOS INFORMÁTICOS INTRODUCCIÓN La realización de trabajos utilizando los medios informáticos de una empresa requiere una cierta organización y destreza relativa tanto a los equipos,

Más detalles

Implantación de un Sistema de Gestión en Prevención de Riesgos Laborales (SGPRL).

Implantación de un Sistema de Gestión en Prevención de Riesgos Laborales (SGPRL). PROCEDIMIENTOS BASADOS EN LAS NORMAS OSHAS 18000 PARA SU IMPLANTACION EN PYMES DEL SUBSECTOR FABRICACIÓN DE PRODUCTOS METÁLICOS. Implantación de un Sistema de Gestión en Prevención de Riesgos Laborales

Más detalles

TEMA 2: EL CONOCIMIENTO CIENTÍFICO 1.1 CIENCIAS EMPÍRICAS Y CIENCIAS FORMALES.

TEMA 2: EL CONOCIMIENTO CIENTÍFICO 1.1 CIENCIAS EMPÍRICAS Y CIENCIAS FORMALES. TEMA 2: EL CONOCIMIENTO CIENTÍFICO Desde sus orígenes, la ciencia se ha convertido en la forma de conocimiento más eficaz que ha desarrollado el ser humano. Su eficacia se debe a la invención y aplicación

Más detalles

Contenidos, criterios de evaluación y mínimos TECNOLOGÍAS 3º de ESO CRITERIOS DE EVALUACIÓN

Contenidos, criterios de evaluación y mínimos TECNOLOGÍAS 3º de ESO CRITERIOS DE EVALUACIÓN CONTENIDOS Bloque 1. Contenidos comunes a todos los bloques. Familiarización con las características básicas del trabajo tecnológico, por medio de: planteamiento de problemas, discusión de su interés,

Más detalles

Guía docente de la asignatura

Guía docente de la asignatura Guía docente de la asignatura Asignatura Materia Minería de Datos Complementos de Computación Módulo Titulación Grado en Ingeniería Informática Plan 463 45220 Periodo de impartición 1 er Cuatrimestre Tipo/Carácter

Más detalles

Lo que miden los niveles de dominio

Lo que miden los niveles de dominio NIVELES DE DESEMPEÑO PISA XI. ESTANDARES CURRICULARES Y APRENDIZAJES ESPERADOS XI.1. PISA. Un referente internacional El Programa para la Evaluación Internacional de Alumnos de la OCDE (PISA, por sus siglas

Más detalles

1. DATOS DE LA ASIGNATURA

1. DATOS DE LA ASIGNATURA 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Curso Avanzado de Estadística Titulación: Máster en Matemáticas y aplicaciones Código Breve Descripción: El curso está centrado en dos temas relativamente

Más detalles

Tema AA 1: Introducción a al Aprendizaje Automático

Tema 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 detalles