Científico: Interés del aprendizaje artificial
|
|
- Manuela Ríos Alcaraz
- hace 5 años
- Vistas:
Transcripción
1 Aprendizaje en sistemas inteligentes 1. Preliminares: fuentes, definicines, enfques y métds 2. Algritms genétics y redes neurnales 3. Inducción de árbles clasificadres 4. Inducción de reglas 5. Minería de dats Tm Mitchell: Machine Learning. McGraw-Hill, 1997 Ian Witten & Eibe Frank: Data Mining, 2nd. ed. Elsevier, (El libr de WEKA) c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 1 Interés del aprendizaje artificial Científic: para inteligencia artificial: «n hay inteligencia sin aprendizaje» para psiclgía: terías del aprendizaje natural Tecnlógic: adquisición de cncimient para KBS visión, lenguaje, ICAI... Mercantil: minería de dats agentes que aprenden, persnalización de servicis... c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 2
2 Fuentes de inspiración Lógica: leyes prescriptivas (prescriben cóm han de ser ls raznamients crrects) mdels funcinales (per ls raznamients más interesantes en el aprendizaje sn inductivs) Psiclgía: leyes descriptivas (describen cóm funcina la mente) mdels prcesales (per ls mdels que prprcina sn cualitativs y pc detallads) Neurfisilgía mdels basads en la ntgénesis Bilgía evlutiva mdels basads en la filgénesis c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 3 Deducción, inducción y abducción Raznamients deductivs Las premisas respaldan ttalmente a la cnclusión Preservan la verdad Cncepts de «validez» y «slidez» Aprendizaje analític Raznamients inductivs Las premisas respaldan parcialmente a la cnclusión Preservan la falsedad (en cas de generalización) «Validez» relativa; fuerza inductiva Aprendizaje empíric y analógic Raznamients abductivs N preservan verdad ni falsedad Aprendizaje bayesian c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 4
3 Raznamients inductivs: generalización En la generalización inductiva Las premisas sn particulares y la cnclusión es general La falsedad de una premisa invalida la cnclusión Ejempl: El cisne 1 es blanc El cisne 2 es blanc El cisne 3 es blanc El cisne 4 es blanc Tds ls cisnes sn blancs c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 5 Raznamients inductivs: analgía (a) De l general a l general: Tds ls grrines sn pájars y hacen nids Tdas las gavitas sn pájars y hacen nids Tds ls cuervs sn pájars Tds ls cuervs hacen nids (b) De l particular a l particular: A es plític y es mentirs B es plític y es mentirs C es plític C es mentirs c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 6
4 Aprendizaje en psiclgía cnductista Estímul-respuesta = «caja negra» = mdels de entrada-salida Ejempl: prbabilidad de éit a medida que aumenta el númer de eperiments: sistema aprendiente P n α >α 2 1 α 1 crític maestr refuerz P P = (1 - P )(1 - α) n 0 (0 < α < 1) Énfasis en medida de la eficiencia Inducción de cncimient tácit n n-1 c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 7 Aprendizaje en psiclgía cgnitiva Mdels de espaci de estads: prcesadr cgnitiv, redes semánticas, marcs... aprendizaje cncimients ejecución refuerz maestr entrn Énfasis en representación del cncimient Inducción de cncimient eplícit c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 8
5 Definicines de aprendizaje: cnductistas «...[El aprendizaje] implica cambis adaptativs en el sistema para que realice la misma tarea (u tra de la misma clase) cn mayr eficacia a la siguiente casión» (Simn, 1983) «Decims que un prgrama aprende de la eperiencia E cn respect a una clase de tareas T y medida de rendimient P si su rendimient sbre tareas de T, medid pr P, mejra cn la eperiencia E» (Mitchell, 1997) c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 9 Definicines de aprendizaje: cgnitivas «...[Aprender es] cnstruir mdificar representacines de aquell [estímuls prcess cgnitivs] cn l que se eperimenta» (Michalski, 1983) «Aprender. (Del lat. aprehenděre; de ad, a, y prehenděre, percibir.) tr. Adquirir el cncimient de alguna csa pr medi del estudi de la eperiencia» (D.R.A.E.) «Learn. tr. Gain knwledge f r skill in by study, eperience, r being taught» (The Cncise Ofrd) c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 10
6 Métds subsimbólics y simbólics Enfques cnductistas métds subsimbólics (lenguaje pac): redes neurnales, métds bayesians, algritms genétics de Hlland,... Enfques cgnitivs métds simbólics (lenguaje inteligible): inducción de árbles, adquisición de cncepts, descubrimient,... c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 11 Tips de aprendizaje Deductiv analític (p. ej. EBL) Analógic (p. ej. CBR) Generalización inductiva: pr refuerz supervisad, p. ej., clasificación, regresión «adquisición de cncept» n supervisad, p. ej., agrupamient (clustering) «frmación de cncept» c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 12
7 Aprendizaje inductiv pr generalización Entrada: Un cnjunt, sucesión, de ejempls Salida: Una descripción de cncept, que cubre (satisface) a tds ( a la mayría de) ls ejempls presentads y a trs n vists Ds tips de algritms: incrementales: si se presenta un nuev ejempl se refina el cncept de un pas: si se añade un ejempl hay que vlver a ejecutar el algritm sbre td el cnjunt c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 13 El cncept de «cncept» Cncept estrict: «Cncept» clase de equivalencia de bjets entidades (ejemplares) Tds ls ejemplares sn igualmente representativs Descripcines precisas y ecluyentes Cncept la: «Cncept» clase de equivalencia brrsa Ejemplares prttípics, grads de pertenencia Clasificación cn incertidumbre Descripción de cncept Función de clasificación c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 14
8 Adquisición y frmación de cncepts Adquisición: inducción del cncept ( de ls cncepts) a partir de ejemplares clasificads (aprendizaje supervisad) de situacines y realimentación (aprendizaje pr refuerz). Frmación: inducción del cncept a partir de ejemplares (aprendizaje n supervisad, agrupamient) Adquisición Frmación En ambs cass la metdlgía generalmente separa ls ejemplares dispnibles en un cnjunt de entrenamient y un cnjunt de prueba c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 15 Generación de hipótesis En aprendizaje supervisad (adquisición de cncepts): a partir de ejempls clasificads: { e, f( e ) } elabrar una hipótesis, h( ), que aprime f( ) (ls cncepts) En aprendizaje n supervisad (frmación de cncepts): a partir de ejempls: { e } elabrar una hipótesis, h( ), que generalice cass bservads («inventar» ls cncepts) «e»: vectr de valres de atributs (numérics, nminales...) «f( e )»: cncept al que pertenece el ejempl Nrmalmente hay hipótesis alternativas c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 16
9 Cuand hay varias ( muchas) hipótesis... (a) Necesidad de un criteri de preferencia (bias) Criteri general: Navaja de Ockham (Occam) «Pluralitas nn est pnenda sine neccesitate» La hipótesis preferible de entre tdas las cnsistentes cn las bservacines es la más sencilla (b) (c) (d) c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 17 Elección de hipótesis: ejempl Clasificación de ejempls cn ds atributs cn valres reales: h1 h2 muy fácil fácil h1: ds errres h2: más cmpleja h( ) f( ) que minimice E(h, f( ))+α C(h), cn E(h, f( )): % errres en dats, C(h): cmplejidad de h N hay regla general Nrmalmente limitad pr el algritm c 20 DIT-ETSIT- Aprendizaje: preliminares transp. 18
Lo que se pretende conseguir es proporcionar información detallada sobre. algunos ejemplos de software diseñados para implementar la Minería de Datos.
SISTEMAS Y HERRAMIENTAS DE MINERÍA DE DATOS. EJEMPLOS: L que se pretende cnseguir es prprcinar infrmación detallada sbre alguns ejempls de sftware diseñads para implementar la Minería de Dats. Librerías:
Más detallesConstrucción de conocimientos APRENDIZAJES SIGNIFICATIVOS
MAPAS CONCEPTUALES Cnstrucción de cncimients APRENDIZAJES SIGNIFICATIVOS El aprendizaje cm prces de desarrll La frmación y desarrll de la estructura cgnitiva depende del md cm percibe una persna el mund
Más detallesNEUROEDUCACIÓN. Introducción
NEUROEDUCACIÓN Intrducción En la épca actual el hmbre ha buscad encntrar las mejres frmas de enseñar y prmver el aprendizaje en el ámbit educativ, pr l cual está marcada pr la búsqueda del desarrll del
Más detallesUNIVERSIDAD TECNOLÓGICA DE SANTIAGO UTESA ESCUELA DE INGENIERÍA EN SISTEMAS COMPUTACIONALES PROGRAMAS DE ASIGNATURAS. PENSUM 2015
1. Nmbre Asignatura 2. Añ 3. Códig 4. Númer de crédits Elabración INTRODUCCIÓN A LOS ALGORITMOS COMPUTACIONALES 2015 INF-117 4 5. Prerrequisits: 6. Intrducción: Esta asignatura frece una visión general
Más detallesJAVA SE (STANDARD EDITION)
JAVA SE (STANDARD EDITION) El curs prprcina la base que necesita cualquier prgramadr de Java, tant en cuant a las peculiaridades de la tecnlgía que englba Java SE, cm del lenguaje de prgramación en sí.
Más detallesObjetivos y Temario CURSO ITIL 2011
Objetivs y Temari CURSO ITIL 2011 OBJETIVOS El bjetiv de este curs sbre ITIL es prprcinar al alumn tdas las claves para un crrect entendimient de ls prcess ITIL 2011 y su rganización. El curs está estructurad
Más detallesFACULTAD DE CIENCIAS DE LA SALUD ESCUELA PROFESIONAL DE ENFERMERIA SILABO
1. DATOS INFORMATIVOS FACULTAD DE CIENCIAS DE LA SALUD ESCUELA PROFESIONAL DE ENFERMERIA SILABO 1.1. Nmbre de la Asignatura : PSICOLOGÍA DEL DESARROLLO 1.2. Códig de la asignatura : E13 1.3. Númer de crédits
Más detallesFACULTAD DE CIENCIAS DE LA SALUD ESCUELA PROFESIONAL DE ENFERMERÍA SILABO
1. DATOS INFORMATIVOS FACULTAD DE CIENCIAS DE LA SALUD ESCUELA PROFESIONAL DE ENFERMERÍA SILABO 1.1. Nmbre de la Asignatura : Psiclgía del Desarrll 1.2. Códig de la asignatura : EN213 1.3. Númer de crédits
Más detallesAceleración del algoritmo K-NN
Aceleración del algritm K-NN Günther Rland Universidad Carls III Av. de la Universidad, 30 28911 Leganés (Madrid) g.rland(at)student.tugraz.at RESUMEN En el siguiente trabaj presentaré un algritm K-NN
Más detallesTaller de Informática Administrativa II
1.- DATOS DE LA ASIGNATURA Nmbre de la asignatura: Carrera: Clave de la asignatura: Hras tería-hras práctica-crédits Taller de Infrmática Administrativa II Licenciatura en Administración ADW-0442 0-5-5
Más detalles1. INTRODUCCIÓN A LAS BASES DE DATOS
1. INTRODUCCIÓN A LAS BASES DE DATOS Una base de dats (BD) es un cnjunt de dats relacinads entres si, rganizads y estructurads cn infrmación referente a alg. Un Sistema gestr de bases de dats (SGBD) es
Más detallesPROGRAMACIÓN VISUAL I
INDICE CARTAS DESCRIPTIVAS S3 CARRERA DE COMPUTACIÓN E INFORMÁTICA CICLO II PROGRAMACIÓN VISUAL I 2009 I. Identificadres del prgrama Carrera: Cmputación e Infrmática PROGRAMACIÓN VISUAL I (VISUAL BASIC
Más detallesDYNAMICS AX CORE TECHNICAL: DEVELOPMENT AND REPORTING
DYNAMICS AX CORE TECHNICAL: DEVELOPMENT AND REPORTING Intrducción: Este curs prprcina a ls participantes una visión general de las características técnicas básicas de Micrsft Dynamics AX. Permite revisar
Más detallesCMM - CMMI MÁXIMO ESTÁNDAR EN INGENIERÍA DE SOFTWARE CAPABILITY MATURITY MODEL MODELO DE MADUREZ DE CAPACIDAD
CMM - CMMI MÁXIMO ESTÁNDAR EN INGENIERÍA DE SOFTWARE CAPABILITY MATURITY MODEL MODELO DE MADUREZ DE CAPACIDAD El sftware exhibe características de ubicuidad. Se encuentra en tdas partes, desde redes de
Más detallesLenguajes y Técnicas de Programación. I. Objetivos Los alumnos que aprueben este curso deberán ser capaces de :
Universidad de Santiag de Chile Departament de Matemática y Ciencia de la Cmputación. LICENCIATURA EN CIENCIA DE LA COMPUTACIÓN PROGRAMA DE ASIGNATURA Lenguajes y Técnicas de Prgramación Nivel 2 - TEL
Más detallesRegistro de Autorización Empresa Venta y Asistencia Técnica de Comunidades Autónomas
Registr de Autrización Empresa Venta y Asistencia Técnica de Cmunidades Autónmas Manual de Us Versión: 1.3 28/05/2013 Cntrl de cambis Versión Fecha Revisad Resumen de ls cambis prducids 1.2 15-09-2010
Más detallesTabla de símbolos matemáticos
Tabla de símbls matemátics Tabla de cntenids [cultar] 1 Genérics 2 = 3 := : 3.1 Aritmetica 4 + 5 6 * 7 / 8 9 9.1 Lógica prpsicinal 10 11 12 13 14 / 14.1 Lógica de predicads 15 16 17 : 17.1 Tería de 18
Más detalles1. Un algoritmo debe ser preciso e indicar el orden de realización de cada paso.
QUÉ ES ALGORITMO? La palabra algritm se deriva de la traducción al latín de la palabra árabe alkhwarizmi, nmbre de un matemátic y astrónm árabe que escribió un tratad sbre manipulación de númers y ecuacines
Más detallesTest de congruencia global
est de cngruencia glbal El análisis de defrmación cn esta metdlgía, se basa en la aplicación del test de cngruencia glbal y si este test indica que hay defrmación, se aplica el test de lcalización de cambis,
Más detallesANALISTA FUNCIONAL Y DE NEGOCIO
ANALISTA FUNCIONAL Y DE NEGOCIO 1. IDENTIFICACIÓN DE LA OFERTA Denminación: ANALISTA FUNCIONAL Y DE NEGOCIO Familia prfesinal ANALISTA FUNCIONAL Y DE NEGOCIO Persnas destinatarias Persnas en situación
Más detallesUNIVERSIDAD FRANCISCO DE PAULA SANTANDER PROGRAMA DE INGENEIRIA DE SISTEMAS ANÁLISIS Y DISEÑO DE SISTEMAS. Enfoques para Modelado del Negocio
MODELO DEL NEGOCIO Intrducción Las Organizacines intentan cnjuntar ds visines para realizar su negci: Visión del negci: Especificar y mejrar sus prcess (análisis del negci) Visión de TI: Infrmatizarls
Más detallesPREGUNTAS CENTRALES 1. Qué es el aprendizaje participativo? 2. Cuáles son los tipos de aprendizajes? ACONTECIMIENTOS APRENDIZAJE PARTICIPATIVO
DOMINIO CONCEPTUAL FILOSOFIA Puede ser analizada y estudiada pr diversas terías y aprtacines de autres. Así cm bservable en ls nuevs métds educativs empleads PROPUESTOS. TEORÍAS Pedaggía y psiclgía. PRINCIPIOS
Más detallesPrograma del curso on line: Habilidades Sociales en la infancia y adolescencia
Prgrama del curs n line: Habilidades Sciales en la infancia y adlescencia Nmbre del curs: Habilidades Sciales en la infancia y adlescencia Intrducción: El estudi de las habilidades sciales es una de las
Más detallesINTRODUCCIÓN A LA ADMINISTRACIÓN
INTRODUCCIÓN A LA ADMINISTRACIÓN CONCEPTO DE ADMINISTRACION "La tarea básica de la administración es hacer las csas pr medi de las persnas de manera eficaz y eficiente" Idalbert Chiavenat [1] Cmencems
Más detallesTeoría elemental de conjuntos
Tería elemental de cnjunts Lógica prpsicinal Una prpsición es cualquier enunciad lógic al que se le pueda asignar un valr de verdad (1) falsedad (0). Dada una prpsición p, se define la negación de p cm
Más detallesMAPA DE LA JUSTICIA. (Taller de 27 de junio de 2017)
MAPA DE LA JUSTICIA (Taller de 27 de juni de 2017) 1. El Mapa de la Justicia: Cn el bjetiv de tener una justicia de calidad al servici de las persnas, se necesita una herramienta para el análisis y la
Más detallesV A L I D A C I O N E S P
Validacines P2010 V A L I D A C I O N E S P 2 0 1 0 1 DIVISIÓN EN GRUPOS A TENER EN CUENTA El Grup I integrad pr ls siguientes tips de entidades lcales y tds sus rganisms autónms dependientes: Diputacines,
Más detallesTendencia tecnológica y tecnología emergente. Yesenia Gutiérrez Bello Juan Rubén Vázquez Sánchez Marco Antonio Galindo Vallejo
Tendencia tecnlógica y tecnlgía emergente. Yesenia Gutiérrez Bell Juan Rubén Vázquez Sánchez Marc Antni Galind Vallej Tendencia tecnlógica Primera definición: «Nivel psible de utilización que tendrá alguna
Más detallesUNIVERSIDAD AUTÓNOMA DE YUCATÁN FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN PROGRAMAS GENERALES AREA DE ANÁLISIS CUANTITATIVO NIVEL DOS: PROFESIONALIZANTE
FUNDAMENTACIÓN: La lógica matemática cnstituye un cuerp de cncimients estructurads, necesaris para el desarrll y emple adecuads de las tecnlgías de infrmación aplicadas a la administración y ls negcis,
Más detallesKnowledge Discovery in Clinical Databases
Knwledge Discvery in Clinical Databases Definición KDD etracción autmática de infrmación culta y n bvia del interir de grandes vlúmenes de dats Prces n trivial de identificar patrnes válids, nvedss, ptencialmente
Más detallesTipos de Aprendizaje
Karina Figueroa Contenido Objetivo: Comprender las nociones básicas de los enfoques representativos de aprendizaje automático Nota del día Aprendizaje y el modelo científico Clasificación de los algoritmos
Más detallesPROGRAMA FORMATIVO AvANZA
Asesría y Organización de Frmación Cntinua Prgramación páginas web: servidr (PHP) Aplicacines Web Mdalidad: e-learning Duración: 56 Hras Códig: CAT00140 Objetiv Curs de desarrll de aplicacines web. Para
Más detallesAportación al perfil Seleccionar y aplicar herramientas matemáticas para el modelado, diseño y desarrollo de tecnología computacional.
Nmbre de la asignatura: Simulación Crédits: 2 3-5 Aprtación al perfil Seleccinar y aplicar herramientas matemáticas para el mdelad, diseñ y desarrll de tecnlgía cmputacinal. Objetiv de aprendizaje Analizar,
Más detallesTema 4: Aprendizaje de conceptos
Inteligencia Artificial II Curso 2004 2005 Tema 4: Aprendizaje de conceptos José A. Alonso Jiménez Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia
Más detallesDeficiencia mental: cuestiones básicas, II parte
Deficiencia mental: cuestines básicas, II parte 1 1. Ls déficits de las persnas cn discapacidad mental (PCDM) Prf. Bartlmé Yankvic Nla Ls déficits en la evlución de las PCDM parecen agruparse esquemáticamente
Más detallesMonografía de la Asignatura. Logística Técnica I
Lgística para ingeniers mecánics M1 Mngrafía de la Asignatura Lgística Técnica I Prf. Dr.-Ing. Dr. h.c. Dietrich Ziems Dr.-Ing. Elke Glistau Prf. Dr.-Ing. Nrge I. Cell Machad Practicantes: Christian Kraushlz
Más detallesConceptos fundamentales de los sistemas de información
Intrducción Cncepts fundamentales de ls sistemas de infrmación Ls cncepts de sistemas sustentan el camp de ls sistemas de infrmación. Ls cncepts genérics de sistemas se aplican a empresas cmerciales y
Más detallesPOLITÉCNICA SUPERIOR DE JAÉN Grado en Ingeniería Informática
Curs Académic 2010-2011 Escuela POLITÉCNICA SUPERIOR DE JAÉN Grad en Ingeniería Infrmática Universidad de Jaén PLAN DE ESTUDIOS El plan de estudis del Grad en Ingeniería Infrmática se ha estructurad en
Más detallesGESTIÓN DEL CONOCIMIENTO ORGANIZACIONAL EN LOS NEGOCIOS TIC
GESTIÓN DEL CONOCIMIENTO ORGANIZACIONAL EN LOS NEGOCIOS TIC EL CONOCIMIENTO ES UN ACTIVO - ES CAPITAL FUENTE DE GENERACIÓN DE RIQUEZA NEURO - REVOLUCIÓN CONOCIMIENTO INDUSTRIAL AGRÍCOLA 2000 1940 1750
Más detallesCurso Avanzado de técnicas de modelización en evaluación económica de medicamentos y tecnologías sanitarias.
Curs Avanzad de técnicas de mdelización en evaluación ecnómica de medicaments y tecnlgías sanitarias. Prgrama Tled Ener-Febrer 2008 24 de Ener MODELIZACIÓN EN EVALUACIÓN ECONÓMICA (9h ) UNIDAD 1 INTRODUCCIÓN.
Más detallesTEMARIO 5 Proceso contable. Sesión 5. Sistematización de la Contabilidad
TEMARIO 5 Prces cntable Sesión 5. Sistematización de la Cntabilidad 5. Sistematización de la Cntabilidad. INTRODUCCION: El papel de la cntabilidad en la ecnmía mderna es la presentación de estads financiers
Más detallesIN ST IT UT O POLIT ÉCN ICO N A CION A L SECRETARÍA ACADÉMICA DIRECCIÓN DE ESTUDIOS PROFESIONALES EN INGENIERÍA Y CIENCIAS FÍSICO MATEMÁTICAS
IN ST IT UT O POLIT ÉCN ICO N A CION A L PROGRAMA SINTÉTICO CARRERA: Ingeniería: Aernáutica, en Cmputación, en Cntrl y Autmatización, en Cmunicacines y Electrónica, Eléctrica, Mecánica y en Rbótica Industrial.
Más detallesGestión del cambio. Requisitos y estrategias de incorporación de las TIC
PRESENTACIÓN Cm ya hems id viend, las TIC abren psibilidades y camins para un Centr un cnjunt de Centrs que de tra manera serian abslutamente inaccesibles. Una de estas psibilidades tiene que ver cn la
Más detallesSERVICIOS DE INGENIERÍA DE MANTENIMIENTO
SERVICIOS EN INGENIERÍA DE MANTENIMIENTO La página web ya frece ests servicis cn entradas y páginas detalland sus características para mayr detalle. A md de dssier indicarte que ls servicis se categrizarían
Más detallesGUIA SEMANAL DE APRENDIZAJE PARA EL GRADO NOVENO
GUIA SEMANAL DE APRENDIZAJE PARA EL GRADO NOVENO IDENTIFICACIÓN AREA: Matemáticas. ASIGNATURA: Matemáticas. DOCENTE. Juan Gabriel Chacón c. GRADO. Nven. PERIODO: Segund UNIDAD: Sistemas de ecuacines lineales
Más detallesLENGUAJES DE PROGRAMACION INFORMATICOS PARA EL DESARROLLO DE SOFTWARE
LENGUAJES DE PROGRAMACION INFORMATICOS PARA EL DESARROLLO DE SOFTWARE 3. LOS LENGUAJES DE PROGRAMACION Para que un prcesadr realice un prces se le debe suministrar un algritm adecuad. El prcesadr debe
Más detallesOracle Certified Associate Java SE
Oracle Certified Assciate Java SE 7 Prgrammer I 1Z0-803 Infrmación del examen Númer de examen: 1Z0-803 Certificación Asciada: Java SE 7 Prgrammer I Versión del prduct: Java SE Duración: 120 minuts Númer
Más detallesResolución del Acertijo de las Sillas mediante la implementación de Algoritmos Genéticos
Reslución del Acertij de las Sillas mediante la implementación de Algritms Genétics Laura Lazzati, Rbert Días Branc, Leandr Gil Carran & Emanuel Villalva Universidad Tecnlógica Nacinal. Facultad Reginal
Más detallesNo hay ciencias aplicadas, sino aplicaciones de la ciencia Louis Pasteur. Experto en Terapia de Conducta de Adultos e Infantojuvenil
N hay ciencias aplicadas, sin aplicacines de la ciencia Luis Pasteur Expert en Terapia de Cnducta de Adults e Infantjuvenil Ener - Diciembre 2019 CONTENIDO DEL PROGRAMA Módul 1: Bases teóricas de la Psiclgía
Más detallesISO :2014 Metadatos Parte 1: Fundamentos
ISO 19115 1:2014 Metadats Parte 1: Fundaments Intrducción... 1 Diferencias cn la versión anterir de la nrma... 2 Requisits... 3 Metadats de recurss... 3 Infrmación de aplicación... 3 Extensines y perfiles...
Más detallesTÉCNICO AUXILIAR DE DISEÑO INDUSTRIAL
TÉCNICO AUXILIAR DE DISEÑO INDUSTRIAL TÉCNICO AUXILIAR DE DISEÑO INDUSTRIAL Hras: 30 Tería: 230 Práctica: 400 Presenciales: 30 A Distancia: 0 Acción: FIP ARGD30 Nº Grup: Códig: FIP ARGD30 Plan: CURSOS
Más detallesGUIA DE MODELOS INTERNOS. M ª Te r e s a S u á r e z C u e n d i a s
GUIA DE MODELOS INTERNOS M ª Te r e s a S u á r e z C u e n d i a s MADRID, 22 OCTOBER 2013 GUÍA DE MODELO INTERNO La guía de mdels interns se aplica a: Prces de pre aplicación para el us de mdel intern
Más detallesDefiniciones y Conceptos Básicos de la Metodología de la Enseñanza
Definicines y Cncepts Básics de la Metdlgía de la Enseñanza ED 301 Tería y Metdlgía de la Enseñanza del Arte en la Escuela Elemental Escuela de Artes Plásticas Prf. Carmen Ivette Altagracia Maldnad, M.Ed.
Más detallesUNIVERSIDAD DE ESPECIALIDADES ESPÍRITU SANTO FACULTAD DE SISTEMAS, TELECOMUNICACIONES Y ELÉCTRÓNICA SYLLABUS FOR DAC 11 VER
UNIVERSIDAD DE ESPECIALIDADES ESPÍRITU SANTO FACULTAD DE SISTEMAS, TELECOMUNICACIONES Y ELÉCTRÓNICA SYLLABUS FOR DAC 11 VER 12 03 09 MATERIA: Int. A las Cm. Electrónicas CODIGO: TEL 350 PROFESOR(A): Ing.
Más detallesEDUCACION ASISTIDA POR COMPUTADORA EN LA MODALIDAD DE TUTORIAL, EJERCITACION Y PRACTICA
EDUCACION ASISTIDA POR COMPUTADORA EN LA MODALIDAD DE TUTORIAL, EJERCITACION Y PRACTICA Yahleel Abdala Carmna INTRODUCCION El creciente us de ls medis electrónics en la educación, particularmente las tecnlgías
Más detallesPLANIFICACIÓN ESTRATÉGICA DE LA INTERVENCIÓN PARA EL DESARROLLO LOCAL, HUMANO Y SOSTENIBLE
PLANIFICACIÓN ESTRATÉGICA DE LA INTERVENCIÓN PARA EL DESARROLLO LOCAL, HUMANO Y SOSTENIBLE INTRODUCCIÓN Y OBJETIVOS DEL CURSO En un mment cm el actual parece ineludible realizar un análisis prfund de las
Más detallesLos mapas conceptuales, el constructivismo, y el aprendizaje significativo
Ls mapas cnceptuales, el cnstructivism, y el aprendizaje significativ Objetiv: 1. Objetiv 2. Intrducción 3. Desarrll 4. Aprendizaje significativ 5. Características del aprendizaje significativ definidas
Más detallesGUÍA DOCENTE Minería de Datos
GUÍA DOCENTE 2017-2018 Minería de Datos 1. Denominación de la asignatura: Minería de Datos Titulación Grado en Ingeniería Informática Código 6388 2. Materia o módulo a la que pertenece la asignatura: Sistemas
Más detallesUnidad 8: Aplicaciones de la Informática en otras Disciplinas y Tendencias Futuras
Unidad 8: Aplicacines de la Infrmática en tras Disciplinas y Tendencias Futuras 8.1 Aplicacines de la Infrmática en tras disciplinas carreras 8.1.1. Cntabilidad Infrmática para la autmatización de ciertas
Más detallesTaller de Sistemas de Información 1. Arquitectura de Software
Taller de Sistemas de Infrmación 1 Clase 1 Arquitectura de Sftware Temas Decisines en el diseñ arquitectónic Organización de un sistema de infrmación Estils basads en descmpsición Estils basads en el cntrl
Más detallesPROPUESTA Diplomado en Ciencia de Datos CARACTERÍSTICAS GENERALES
PROPUESTA Diplmad en Ciencia de Dats CARACTERÍSTICAS GENERALES Justificación: Esta prpuesta plantea la cnstrucción de un prgrama de estudi dirigid al desarrll de cmpetencias y a la frmación de talents
Más detallesDiplomado Herramientas de Intervención posmoderna: Sociales y Clínicas
Diplmad Herramientas de Intervención psmderna: Sciales y Clínicas Si el lenguaje genera realidades, abrams diálgs que faciliten la transfrmación. Marcela Arratia M, 2012 Este prgrama se encuentra rientad
Más detallesPerceptrón Adaline. ( Desarrollado en el entorno Eclipse en el lenguaje JAVA ) Jose Alberto Benítez Andrades 71454586A
Perceptrón Adaline ( Desarrllad en el entrn Eclipse en el lenguaje JAVA ) Jse Albert Benítez Andrades 71454586A Redes Neurnales y Algritms Genétics Universidad de León Manual de usuari PerAda JABA 2.0
Más detallesESTRATEGIA NACIONAL DE SALUD Y SEGURIDAD EN EL TRABAJO
ESTRATEGIA NACIONAL DE SALUD Y SEGURIDAD EN EL TRABAJO HUNGRÍA ESTRATEGIA NACIONAL DE SALUD Y SEGURIDAD EN EL TRABAJO Página 1 ÍNDICE 1. ANTECEDENTES DE LA POLÍTICA NACIONAL DE SEGURIDAD Y SALUD EN EL
Más detallesCURSO DE POSTGRADO. Bioestadística I. N o m b r e C u r s o. Programa de Genética Humana, ICBM, Facultad de Medicina, Universidad de Chile
UNIVERSIDAD DE CHILE FACULTAD DE MEDICINA ESCUELA DE POSTGRADO CURSO DE POSTGRADO Biestadística I N m b r e C u r s SEMESTRE 1º AÑO 2017 PROF. ENCARGADO 13.672.064-3 8.749.475-6 N m b r e C m p l e t Prgrama
Más detallesObjetivos: Dirigido a:
La empresa mderna necesita de líderes capaces de gestinar pryects en un ambiente de cambi cnstante; de tal frma que tme ests cambis cm insum para generar diferencias en las rganizacines y el mund de hy.
Más detallesCurso de Access 2010
Curs de Access 2010 1. Objetivs Access es un cmplet y demandad prgrama infrmátic en entrns de empresa, que permite la creación y gestión de bases de dats, así cm su mdificación, cntrl y mantenimient. Este
Más detallesCONTROL DE GESTIÓN (14011J3)
GUIA DOCENTE DE LA ASIGNATURA CONTROL DE GESTIÓN (14011J3) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Cntrl de gestión 4º Octav 6 Optativa PROFESOR(ES) DIRECCIÓN COMPLETA DE CONTACTO PARA TUTORÍAS (Dirección
Más detallesCONTENIDOS DE LAS MATERIAS MASTER DE DISEÑOS DE INVESTIGACION Y APLICACIONES EN PSICOLOGIA Y SALUD
CONTENIDOS DE LAS MATERIAS MASTER DE DISEÑOS DE INVESTIGACION Y APLICACIONES EN PSICOLOGIA Y SALUD Diseñs de investigación y técnicas de cmunicación científica. Prfesres Gualbert Buela-Casal y Raúl Queved-Blasc
Más detallesSerials Solutions. Guía de referencia rápida del Client Center
Guía de referencia rápida del Client Center Serials Slutins Guía de referencia rápida del Client Center Bienvenids a la herramienta administrativa de Serials Slutins, Client Center!. Esta guía de referencia
Más detallesNUEVOS RETOS EN LA INTERNACIONALIZACIÓN DE LAS UNIVERSIDADES
NUEVOS RETOS EN LA INTERNACIONALIZACIÓN DE LAS UNIVERSIDADES INTERNACIONALIZACIÓN DE LAS UNIVERSIDADES DE MADRID 13 DE MARZO DE 2014 Es la mvilidad una meta cnseguida? Cuáles serían las priridades de mvilidad
Más detallesGestione a su medida y controle eficazmente su establecimiento
FrntRetail es la slución ideal para el punt de venta en un cmerci. Gracias al diseñ visual de las pantallas, FrntRetail es una herramienta intuitiva y fácil para el vendedr/a, que n requiere frmación ni
Más detallesUna nueva propuesta: cambio de fecha, entrada libre y nuevo formato
Infrmación Cntext La actividad agrícla argentina mantiene una cnstante evlución en la tecnlgía aplicada, cn la mirada puesta en aumentar la precisión, el autmatism y la prductividad. Mantener una capacitación
Más detallesDocente: Juan Manuel Martínez del Valle (Calculista consultor) Colaborador en formación oficial de Cype Ingenieros.
Curs: Cálcul de estructuras cn Cypecad y Cype 3D (OPENBIM) Dcente: (Calculista cnsultr) Clabradr en frmación ficial de Cype Ingeniers. Duración del curs: 90 hras. Módul 1: Calcul de estructuras cn Cypecad
Más detallesCurso de Access 2013
Curs de Access 2013 1. Objetivs Access es un cmplet y demandad prgrama infrmátic en entrns de empresa, que permite la creación y gestión de bases de dats, así cm su mdificación, cntrl y mantenimient. Este
Más detallesMetodología Estadística de las Pruebas de Acceso a la Universidad
Metdlgía Estadística de las Pruebas de Acces a la Universidad Curs 2014-2015 Estadística de las Pruebas de Acces a la Universidad. Curs 2014-2015 1. Objetivs La Estadística de las Pruebas de Acces a la
Más detallesUniversidad de Ixtlahuaca CUI Ingeniería en Computación Servicios de Internet Investigación de los Sistemas Operativos en Red
Universidad de Ixtlahuaca CUI Ingeniería en Cmputación Servicis de Internet Investigación de ls Sistemas Operativs en Red Andres Delgad Lizbeth Arely Galván Hernández Tania Martínez Reyes Llibran Martínez
Más detallesCONTRALORÍA GENERAL DE LA REPÚBLICA PROGRAMA DE CONTABILIDAD GENERAL DE LA NACIÓN SECTOR MUNICIPAL NIVEL 1
CURSO DE CONTABILIDAD GENERAL DE LA NACIÓN SECTOR MUNICIPAL NIVEL 1 Cntenid 1. DESCRIPCIÓN GENERAL DEL CURSO... 2 a) DURACIÓN... 2 b) PERFIL DEL POSTULANTE... 3 c) SELECCIÓN... 3 2. OBJETIVOS DEL CURSO:...
Más detallesMICROSOFT SQL SERVER 2005 Bases de Datos
MICROSOFT SQL SERVER 2005 Bases de Dats Estudia el servidr de bases de dats empresarial Micrsft SQL Server 2005 centrándse especialmente en el punt de vista de un diseñadr prgramadr de bases de dats, per
Más detallesPack Comercio Electrónico
Pack Cmerci Electrónic Prgramación Páginas Web cn PHP + Marketing 75 + 45 HORAS ON-LINE CONTENIDOS: Prgramación Páginas Web cn PHP Prgramación cliente Prgramación de páginas web Presenta la necesidad de
Más detallesGestión de Servicios de TI Gestión de Problemas ( menos y menores incidencias)
ITSM SOFTWARE Gestión de Servicis de TI Gestión de Prblemas ( mens y menres incidencias) www.espiralms.cm inf@espiralms.cm PractivaNET Hy hablarems de Cóm implantar una nueva Gestión de Prblemas a partir
Más detallesCOMPETENCIAS ESPECÍFICAS Y COMPETENCIAS TRANSVERSALES
de las cmpetencias transversales UPV COMPETENCIAS ESPECÍFICAS Y COMPETENCIAS TRANSVERSALES Pdems definir una cmpetencia cm un saber hacer/actuar cmplej, que se apya en la mvilización-cmbinación eficaz
Más detallesMetodología Estadística de Evaluación de Bachillerato para el Acceso a la Universidad
Metdlgía Estadística de Evaluación de Bachillerat para el Acces a la Universidad Añ 2017 Estadística de Evaluación de Bachillerat para el Acces a la Universidad. Añ 2017 1. Objetivs La Estadística de Evaluación
Más detallesInteligencia artificial
Inteligencia artificial APRENDIZAJE DE MÁQUINAS (MACHINE LEARNING) Aprendizaje Construcción o modificación de representaciones de lo que se experimenta R. Michalski Lograr cambios útiles en nuestras mentes.
Más detallesTecnologías de la Información en la Gestión Empresarial
Tecnlgías de la Infrmación en la Gestión Empresarial Sesión 2: Herramientas tecnlógicas y su integración Cntextualización Cm pudims bservar previamente las TICS y ls sistemas pueden ser la base para nuevas
Más detallesAprendizaje Automático. Objetivos. Funciona? Notas
Introducción Las técnicas que hemos visto hasta ahora nos permiten crear sistemas que resuelven tareas que necesitan inteligencia La limitación de estos sistemas reside en que sólo resuelven los problemas
Más detallesPROGRAMA DE ASIGNATURA MINOR ADMINISTRACIÓN Y ECONOMÍA LAS ORGANIZACIONES Y SUS DILEMAS
Frmat Prgrama Orientad pr Objetivs de Aprendizaje PROGRAMA DE ASIGNATURA MINOR ADMINISTRACIÓN Y ECONOMÍA LAS ORGANIZACIONES Y SUS DILEMAS A. Antecedentes Generales 1. Unidad Académica FACULTAD DE ECONOMÍA
Más detallesMòdul: Programació de serveis i processos (0490) CONTINGUTS
Departament d Infrmàtica i Cmunicacins CFGS Desenvlupament d Aplic. Multiplatafrma Mòdul: Prgramació de serveis i prcesss (0490) 07007 Palma de Mallrca Tf 971.27.81.50 e-mail: iesfrancescdebrjamll @educaci.caib.es
Más detallesMEDICIÓN DEL TAMAÑO DEL SOFTWARE EN APLICACIONES SOA CON PUNTOS DE FUNCIÓN COSMIC. Mirella Pérez Falcón
MEDICIÓN DEL TAMAÑO DEL SOFTWARE EN APLICACIONES SOA CON PUNTOS DE FUNCIÓN COSMIC Mirella Pérez Falcón CONTENIDO Cncepts básics de SOA Principis de SOA Cmpnentes de la arquitectura SOA Tips de servicis
Más detallesMOODLE. CAMPUS VIRTUAL. Para qué utilizar Moodle
MOODLE. CAMPUS VIRTUAL Para qué utilizar Mdle Acces las 24 hras desde cualquier lugar Cntrlar y registrar la evlución del alumn Mejrar la respuesta y la cmunicación alumn/prfesr, prfesr/alumn Utilizar
Más detallesUniversidad Central Del Este U C E Facultad de Ciencias y Humanidades Escuela de Pedagogía Mención Informática
Universidad Central Del Este U C E Facultad Ciencias y Humanidas Escuela Pedaggía Mención Infrmática Prgrama la asignatura: SIS-501 BASES DE DATOS Ttal Crédits: 3 Teóric: 2 Práctic: 2 Prerrequisits: SIS-012
Más detallesUnidad V: Transacciones
Unidad V: Transaccines 5.1 Cncepts básics Desde el punt de vista del usuari la interacción cn la base de dats se lleva a cab mediante peracines cn significad en el mdel semántic (pr ejempl, una transferencia
Más detallesDEPARTAMENTO DE FILOSOFÍA. EXAMEN DE ALUMNOS LIBRES DE FILOSOFÍA Y CIUDADANÍA DE 1º DE BACHILLERATO. SEPTIEMBRE
DEPARTAMENTO DE FILOSOFÍA. EXAMEN DE ALUMNOS LIBRES DE FILOSOFÍA Y CIUDADANÍA DE 1º DE BACHILLERATO. SEPTIEMBRE CONTENIDOS MÍNIMOS Libr de text: Filsfía y ciudadanía. 1º Bachillerat. Editrial EDEBÉ Blque
Más detallesIng. Pedro J. Cristiá
ESCUELA DE EDUCACIÓN SECUNDARIA ORIENTADA PARTICULAR INCORPORADA Nº 8043 Ing. Pedr J. Cristiá C. Silva 1390 ROSARIO Tel. 4300871-4306960 PLANIFICACIÓN ANUAL ESPACIO CURRICULAR: EDUCACIÓN TECNOLÓGICA PROFESOR
Más detalles1 Burgos Provincia digital: Sistema de gestión de expedientes
1 Burgs Prvincia digital: Sistema de gestión de expedientes La reciente aprbación de la Ley 11/2007, de Acces Electrónic de ls Ciudadans a ls Servicis Públics (LAECSP 1 ), prprcina un nuev y definitiv
Más detalles1. DATOS GENERALES DE LA ASIGNATURA. ASIGNATURA: Psicología Básica y Neuropsicología CÓDIGO: TIPOLOGÍA: Obligatoria CRÉDITOS ECTS: 6
Grad en Terapia Ocupacinal 1. DATOS GENERALES DE LA ASIGNATURA ASIGNATURA: Psiclgía Básica y Neurpsiclgía CÓDIGO: 64301 CENTRO: C.E.U. de Talavera de la Reina GRADO: Terapia Ocupacinal TIPOLOGÍA: Obligatria
Más detallesBASES DE DATOS. TEMA 5. El modelo de datos relacional
BASES DE DATOS. TEMA 5. El mdel de dats relacinal 5.1. Intrducción. Es el mdel de dats más imprtante. Ls nuevs mdels surgids (rientad a bjets multidimensinal) se plantean cm extensines de este. Fue desarrllad
Más detallesITSM SOFTWARE. Cómo empezar a gestionar servicios de TI: CMDB
ITSM SOFTWARE Cóm empezar a gestinar servicis de TI: CMDB www.espiralms.cm inf@espiralms.cm PractivaNET Quiénes sms? PractivaNET Si el seminari de hy trata de cóm empezar a aplicar ITIL empezand pr la
Más detallesun Diagnóstico y un Plan para la
Metdlgía para la realización de un Diagnóstic y un Plan para la Igualdad de Mujeres y Hmbres en Micr y Pequeñas Empresas metdlgía. Funcines de la persna cnsultra. Dcument cmprmis. Indicadres. pinión. Apy
Más detallesRegistro de Doc. Retirada de Material Radiactivo del Ministerio de Industria
Registr de Dc. Retirada de Material Radiactiv del Ministeri de Industria Manual de Us Versión: 1.3 28/05/2013 Cntrl de cambis Versión Fecha Revisad Resumen de ls cambis prducids 1.2 15-09-2010 1.3 28/05/2013
Más detalles