Inteligencia artificial
|
|
- Rubén Gómez Martínez
- hace 7 años
- Vistas:
Transcripción
1 Inteligencia artificial
2 APRENDIZAJE DE MÁQUINAS (MACHINE LEARNING)
3 Aprendizaje Construcción o modificación de representaciones de lo que se experimenta R. Michalski Lograr cambios útiles en nuestras mentes. M. Minsky Las percepciones deben servir no solo para actuar sino para mejorar la capacidad del agente para actuar en el futuro. S. Russell Adquirir conocimiento para modificar el comportamiento según el entorno.
4 Cúmulo de conocimientos que enlazados en un todo unitario contienen los modos, medios y mecanismos del apoderamiento de la ciencia. Actividad que se origina a través de la reacción a una situación presentada, con tal que las características del cambio registrado en la actividad no puedan explicarse con fundamento en las tendencias innatas de respuesta, la maduración o estados transitorios del organismo (ej., fatiga, drogas, etc.)
5 Aprendizaje de máquinas Cambios en un sistema que le permiten realizar una tarea de forma más eficiente la próxima vez... H. Simon Sistema capaz adquirir e integrar autónomamente conocimiento. Capacidad de un sistema para aprender a partir de la experiencia, la observación analítica y otros medios. Sistema que puede autocorregirse y aumentar su eficiencia y efectividad. Sistema que puede detectar los errores, corregirlos y ser más eficiente.
6 Agentes capaces de mejorar su comportamiento mediante el estudio de sus propias experiencias. Sistema que mejora su comportamiento mediante el estudio de sus propias experiencias. Agente que produce resultados de la interacción con el mundo; y de la observación del agente de sus propios procesos de toma de decisiones.
7 Propósito Entender y mejorar la eficiencia del aprendizaje humano (CAI) Descubrir estructuras ocultas para los humanos. Completar especificaciones incompletas de un dominio. Describir métodos y estrategias de aprendizaje eficiente para ser implementados en las máquinas. Analizar procesos cognitivos que efectúa el ser humano.
8 Interrelaciones Ciencias del conocimiento Ciencias de la computación APRENDIZAJE DE MÁQUINAS Biología Sicología Neurología Estadística
9 Aplicaciones Manejo de datos: expedientes médicos, estudios de crédito. Reconocimiento de voz, conducción autónoma. Buscadores, minería de datos, redes neuronales artificiales, autómatas,... Enseñanza (tutores, agentes,...)
10 Aplicaciones Alvinn, 70 mph.
11 Agente Desempeño estándar Retroalimentación Metas de Aprendizaje Crítico Elemento de Aprendizaje Generador de Problemas modificaciones conocimiento AGENTE Sensores Elemento del Desempeño Efectores A M B I E N T E
12 Paradigmas Aprendizaje supervisado: usa ejemplos, el Profesor especifica los respuestas correspondiente a las entradas, el comportamiento deseado es conocido. Aprendizaje por refuerzo: emplea recompensa y castigo, el aprendiz no se le indica que acciones debe elegir, pero recibe premio/penalización del entorno y ajusta/aprende la acción a elegir. Aprendizaje no supervisado: emplea la observación, no se dispone de profesor, el aprendiz busca patrones en las entradas, no existe una respuesta explícita que sea la correcta.
13 Paradigmas Basado en problemas: el aprendiz se enfrenta a problemas y guarda las estrategias de solución, conjunto de casos. Basado en analogías: el aprendiz busca en su base de conocimiento problemas similares y extracta las estrategias empleadas en aquel caso.
14 Aprendizaje problema Aprendizaje = emplear experiencia (E) en alguna tarea (T) con respecto a alguna medida (m) de desarrollo. Ejemplo: Aprender a hacer ensayos T = ensayo E = elementos para hacerlos m = parámetros definidos, nota evaluatoria, errores. Qué experiencia? Qué se aprende? Cómo se representara el aprendizaje? Cuál es el algoritmo?
15 Aprendizaje inductivo Generaliza a partir de ejemplos; curva de aprendizaje. El conocimiento solo puede ser probado falso. PREDICHO Falsos positivos Verdaderos positivos Falsos negativos ACTUAL Usa sesgos para generalizar los ejemplos: espacio de hipótesis. Ej: aprendizaje de conceptos. Ejemplos positivos y negativos. Ruido.
16 Aprendizaje inductivo El cometido es producir una función que se aproxime a otra a partir de una hipótesis, es decir unas posibles soluciones. Cualquier preferencia por una hipótesis es conocida como predisposición. Un agente puede realizar un aprendizaje gradual, en la que el agente se concentra en actualizar sus antiguas hipótesis.
17 Aprendizaje con arboles de decisión Constituye un adecuado medio para el área del aprendizaje inductivo, y una sencilla representación del conocimiento propositivo útil en la toma de decisiones y en la clasificación de objetos. Es limitado en su representación. Toma como entradas objetos o situaciones caracterizados mediante un conjunto de propiedades.
18 Arboles de decisión Si existen ejemplos positivos y negativos, entonces separarlos escogiendo el mejor atributo. Si los ejemplos son positivos (o todos negativos), no hay problema; podemos responder si o no. Si no hay ejemplos, significa que no se observo un ejemplo tal, por lo que se regresa al valor predefinido calculado a partir de la clasificación de la mayoría en el padre del nodo.
19 Arboles de decisión Sino quedan atributos, pero si tanto ejemplos positivos como negativos, entonces hay problemas. significa que la descripción de estos ejemplos es exactamente la misma, pero su clasificación es diferente. Lo anterior sucede cuando algunos de los datos son incorrectos (se dice que hay ruido de datos). También sucede cuando los atributos no proporcionan suficiente información para describir cabalmente la situación, o cuando el dominio es auténticamente no determinista.
20 Arbol para decidir la espera de una mesa en un restaurante
21 Aprendizaje de conceptos Parte Rectáng. Soporta ARCO Parte Rectáng. Soporta Polígono Rectáng. Triáng. Parte Polígono Rectáng. Triáng.
22 Aprendizaje de conceptos Parte Rectáng. No toca Soporta ARCO Parte Rectáng. Soporta Parte Polígono
23 Aprendizaje de conceptos Parte Rectáng. No toca Soporta ARCO Parte Rectáng. Soporta Parte? Polígono
24 Árboles de decisión Algoritmos: C4.5, ID3, CART Núcleo? Células cancerosas Cancerosa Cuerpo? Células sanas Sesgo preferencial: navaja de Ockham, la explicación más simple consistente con las observaciones es la mejor. Colas? Saludable Cancerosa Saludable
25 Espacio de hipótesis Mejor hipótesis del momento Hipótesis Negativo Generalización Positivo Especialización consistente falso falso Eliminación de candidatos
26 Espacio de hipótesis Eliminación de candidatos G: {Obj(X,Y,Z)} S:{} +: G: {Obj(X,Y,Z)} S:{Obj(peq,rojo,bola)} -: G: {Obj(X,rojo,Z),Obj(X,Y,bola)} S:{Obj(peq,rojo,bola)} +: G: {Obj(X,rojo,Z),Obj(X,Y,bola)} S:{Obj(X,rojo,bola)} G: {Obj(peq,rojo,bola)} S:{Obj(peq,rojo,bola)} -:
27 Aplicaciones: Robótica Exploración autónoma Manipulación Movimiento preferible Movimiento inútil
28 Evaluación de la eficiencia de un algoritmo de aprendizaje Reunir una gran cantidad de ejemplos. Dividirla en dos conjuntos diferentes: el conjunto de capacitación y el conjunto de prueba. Emplear el algoritmo de aprendizaje, con el conjunto de capacitación como ejemplo de base para producir una hipótesis. Medir el porcentaje de ejemplos del conjunto de prueba correctamente clasificados como hipótesis. Repetir los pasos del 1 al 4 en conjuntos de capacitación.
29 Taxonomía basada en enfoques del conocimiento Enfoque conductista (llamados subsimbólicos) Aprendiz sufre modificaciones en su estructura para ajustarse al comportamiento a simular. Enfasis en el rendimiento y no en el conocimiento adquirido. Ejemplos: aprendizaje inductivos Generales (pueden ser supervisados o no) Sistemas conexionistas: Redes neuronales. Sistemas evolucionistas: Algoritmos genéticos. Más específicos (tienden a no ser supervisados) Clasificadores: Clusterings.
30 Aprendizaje conductista Modelo Estímulo-Respuesta = Caja Negra Sistema Aprendiente Refuerzo Crítico o Maestro
31 Aprendizaje cognoscitivo Modelo espacio de estados = Representación conocimiento Sistema Aprendiente Base de Conocimiento Módulo de Ejecución Refuerzo Crítico o Maestro
32 Memorización Archivo de los pasos que se han seguido Archivo de respuestas obtenidas Archivo de... Existe variantes en las que se almacenan ejemplos y se recupera posteriormente el más parecido. Aprendizaje basado en Instancias Aprendizaje por Analogía.
33 MCP MLP
34 Aprendizaje por instrucción Es el mecanismo más simple Requiere la intervención de Otro agente Una persona Se selecciona información más relevante y se transforma a representación adecuada Es como aprendemos en clase ( %)
35 Aprendizaje por instrucción Motor Inferencia Reglas Pide reglas Generador de Reglas Sistema con Aprendizaje
36 Inducción He visto un cisne gris He visto otro cisne gris He visto otro cisne gris... Todos los cisnes son grises
37 Aprendizaje a partir de ejemplos Gestor de datos Motor inferencias Pide datos Datos Aprendiz Reglas Pide reglas Sistema con Aprendizaje
38 Creatividad Habilidad que posee una persona para generar conclusiones rápidas y eficaces. Habilidad para solucionar problemas de una manera diferente a las demás personas. Capacidad para generar ideas que pueden alterar un sistema.
39 Imaginar Capacidad para crear mundos no existentes. Capacidad de generar ideas que a la vista de los demás parecen irreales. Capacidad de idear soluciones no lógicas a problemas. Habilidad de producir objetos a partir de ideas no definidas adecuadamente.
40 Razonar Capacidad de encadenar conocimiento que se tiene con nuevo conocimiento. Capacidad de generar conclusiones combinando conocimiento existente y experiencia nueva. Reproducción amplia de conocimiento a partir del aprendizaje llevado a cabo.
41 Pensar Capacidad de imaginar y razonar determinando que el resultado es bueno o malo. Ampliación del razonamiento para determinar la aplicabilidad de algo. Acto de la mente que permite generar ideas (pensamientos) Acto del cerebro que permite determinar que se desea aprender.
42 Creatividad Imaginar Razonar Aprendizaje Pensar
43 Reflexiones finales Si un sistema experto diseñado e implementado brillantemente no puede aprender a no repetir sus errores, no es más inteligente que un gusano... O. Selfridge Encuentre un error en un programa, y repárelo, y el programa funcionará hoy. Muéstrele al programa como encontrar y reparar errores, y el programa trabajará para siempre. O. Selfridge
44 El aprender una cosa ayuda a aprender otra? Qué es lo que ocurre cuando recordamos y cuando olvidamos? Cuál es el proceso (s)? Qué control se ejerce sobre estos procesos?
45 Referencias Russell y Norvig Artificial Intelligence Luger y Stubblefield 3/www/ml-1997.html ML por Tom Mitchell - ML por David Aha - Robot Learning Laboratory Machine Learning. Tom Mitchell, McGraw Hill, 1997.
46
Tema 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 detallesPrimera aproximación al aprendizaje automático.
APRENDIZAJE Introducción al aprendizaje algorítmico José M. Sempere Departamento de Sistemas Informáticos y Computación Universidad Politécnica de Valencia Aprender: Tomar algo en la memoria [...] Adquirir
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 detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
Más detallesTareas de la minería de datos: clasificación. PF-5028 Minería de datos Prof. Braulio José Solano Rojas UCR
Tareas de la minería de datos: clasificación PF-5028 Minería de datos Prof. Braulio José Solano Rojas UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja o asocia datos
Más detallesIndique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores)
Parcial 4. Indique la respuesta correcta (d=ninguna de las anteriores, e=todas las anteriores) 1. Inteligencia es: a. La capacidad para combinar información. c. El proceso que permite elaborar conocimiento.
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 detallesTema 4: Introducción al Aprendizaje Automático
Introducción a la Ingeniería del Conocimiento Curso 2004 2005 Tema 4: Introducción al Aprendizaje Automático Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que Aprenden Introducción Tipos de aprendizaje Aprendizaje cómo
Más detallesCRITERIOS DE SELECCIÓN DE MODELOS
Inteligencia artificial y reconocimiento de patrones CRITERIOS DE SELECCIÓN DE MODELOS 1 Criterios para elegir un modelo Dos decisiones fundamentales: El tipo de modelo (árboles de decisión, redes neuronales,
Más detallesTareas de la minería de datos: clasificación. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: clasificación CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Tareas de la minería de datos: clasificación Clasificación (discriminación) Empareja
Más detallesReconocimiento de Patrones DRA. LETICIA FLORES PULIDO
Reconocimiento de Patrones DRA. LETICIA FLORES PULIDO 2 CONTENIDO TEMA1: INTRODUCCIÓN TEMA2: APRENDIZAJE MÁQUINA TEMA3: REDES NEURONALES MULTICAPA TEMA4: PROGRAMACIÓN EVOLUTIVA 3 TEMA 2 : APRENDIZAJE MÁQUINA
Más detallesAprendizaje basado en ejemplos.
Aprendizaje basado en ejemplos. In whitch we describe agents that can improve their behavior through diligent study of their own experiences. Porqué queremos que un agente aprenda? Si es posible un mejor
Más detallesInteligencia Artificial
Inteligencia Artificial Inteligencia, concepto Es la capacidad para aprender o comprender. Suele ser sinónimo de intelecto (entendimiento), pero se diferencia de éste por hacer hincapié en las habilidades
Más detallesUNIDAD I.- INTRODUCCIÓN
UNIDAD I.- INTRODUCCIÓN LECCIÓN 1.1.- El propósito de la Inteligencia Artificial y su evolución histórica 1.1.1.- Inteligencia ÁREAS QUE ESTUDIAN LA INTELIGENCIA: Psicología y la filosofía. para qué la
Más detallesTema 1: Introducción a la Inteligencia Artificial
Introducción a la Inteligencia Artificial Curso 2002 2003 Tema : Introducción a la Inteligencia Artificial José A. Alonso Jiménez Francisco J. Martín Mateos Dpto. de Ciencias de la Computación e Inteligencia
Más detallesTema 7: Aprendizaje de árboles de decisión
Inteligencia Artificial 2 Curso 2002 03 Tema 7: Aprendizaje de árboles de decisión José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos José L. Ruiz Reina Dpto. de Ciencias de
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Objetivos Estudiar algunas de las metodologías de Inteligencia Artificial,
Más detallesTema AA-4: Sesgo inductivo
Razonamiento Automático Curso 2002 2003 Tema AA-4: Sesgo inductivo Miguel A. Gutiérrez Naranjo José A. Alonso Jiménez Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES Tema 1 Introducción Ivan Olmos Pineda Contenido Panorama histórico Definiciones Conclusiones BUAP Inteligencia Artificial 2 1 Introducción Qué es la Inteligencia Artificial ó IA?
Más detalles* Una definición del pensamiento crítico es el pensamiento reflexivo que se centra en decidir en qué creer o qué hacer (Ennis, 1987).
PROCESOS DE APRENDIZAJE EJERCICIO 1. PENSAMIENTO CRITICO REALIZAR LA LECTURA DEL PRESENTE ARTICULO Y EXTRAER LOS CONCEPTOS IMPORTANTES, ESCRIBIRLOS EN LA BITÁCORA. COMPARTIR EN SALON DE CLASES Pensamiento
Más detallesDr. Jesús Antonio González Bernal
INTELIGENCIA ARTIFICIAL Tema 1 Introducción Dr. Jesús Antonio González Bernal 1 Contenido Panorama histórico Definiciones Conclusiones 2 Qué es la? Tratar de describir qué es la con precisión no es tan
Más detallesTema 8: Árboles de decisión
Introducción a la Ingeniería del Conocimiento Curso 2004 2005 Tema 8: Árboles de decisión Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla
Más detallesAPLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL. Copyright 2017 Accenture All rights reserved.
APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL AGENDA 01 QUÉ ES? 05 LECCIONES DE NEGOCIO 02 ÁREAS DE INVESTIGACIÓN 03 APLICACIONES 04 EJEMPLOS DE NEGOCIO 01. QUÉ ES?. TIPOS DE INTELIGENCIA Lingüística
Más detallesAnálisis de Datos. Introducción al aprendizaje supervisado. Profesor: Dr. Wilfrido Gómez Flores
Análisis de Datos Introducción al aprendizaje supervisado Profesor: Dr. Wilfrido Gómez Flores 1 Conceptos básicos Reconocimiento de patrones (RP): clasificar objetos en un número de categorías o clases.
Más detallesSistemas Expertos Unidad 2. Prof. Francklin Rivas Echeverría Universidad de Los Andes Laboratorio de Sistemas Inteligentes
Sistemas Expertos Unidad 2 Prof. Francklin Rivas Echeverría Universidad de Los Andes Laboratorio de Sistemas Inteligentes 2005 Sistemas basados en conocimiento Los Sistemas basados en conocimiento constituyen
Más detallesSolución al parcial 14
Solución al parcial 14 Marque V(erdadero) o F(also) según considere la proposición. 1. La lógica difusa es la emulación del razonamiento aproximado que realizan las máquinas. F: Las máquinas no realizan
Más detallesReporte de la prueba de habilidad
Reporte de la prueba de habilidad Fecha: 19 Enero 2010 Reporte de la prueba de habilidad Este reporte proporciona la puntuación de las pruebas de verificación de habilidad de Sr. Sample Candidate. Si esta
Más detallesTema 7: Sesgo inductivo
Introducción a la Ingeniería del Conocimiento Curso 2004 2005 Tema 7: Sesgo inductivo Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla IIC
Más detallesExpositor: Mauricio Galvez Legua
ó Expositor: Mauricio Galvez Legua mgl10may62@hotmail.com 1 Qué es la ó La Robótica es una ciencia aplicada que se ocupa del estudio, desarrollo y aplicaciones de los robots. El estudio de la robótica
Más detallesAprendizaje inductivo
Inteligencia Artificial Aprendizaje inductivo Ing. Sup. en Informática, 4º Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3.1 Introducción
Más detallesRepresentación de Conocimientos
Representación de Conocimientos Asunción Gómez-Pérez asun@fi.upm.es Despacho 2104 Departamento de Inteligencia Artificial Facultad de Informática Universidad Politécnica de Madrid Campus de Montegancedo
Más detallesCONTENIDO. 1.- Introducción a la Inteligencia Artificial (IA) 2.- Lógica de predicados. 3.- Búsqueda de soluciones
CONTENIDO 1.- Introducción a la Inteligencia Artificial (IA) 2.- Lógica de predicados 3.- Búsqueda de soluciones 4.- Lenguajes de IA e Introducción a Sistemas Expertos 1.- Introducción a la Inteligencia
Más detallesFundamentación. Metodología del Curso. Objetivos Generales
Fundamentación Partiendo de un enfoque sistémico, se puede considerar la mente humana como un sistema cambiante, en el cual los estados del sistema están representados por información proveniente de la
Más detallesCerebro e inteligencia. Qué es la inteligencia; quien es inteligente? Parte I
Cerebro e inteligencia. Qué es la inteligencia; quien es inteligente? Parte I 1 Prof. Bartolomé Yankovic Nola Albert Einstein (1879 1955), es el científico más importante del siglo XX. Postuló la teoría
Más detallesInteligencia Artificial. Carrera: Participantes. Representantes de la academia de sistemas y computación de los Institutos Tecnológicos.
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Inteligencia Artificial Ingeniería en Sistemas Computacionales SCB - 0416 4-0-8
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO Instituto de Ciencias Básicas e Ingeniería SISTEMAS BASADOS EN CONOCIMIENTO Ing. Henry Patricio Paz Arias Maestría en Ciencias Computacionales Sistemas Basados
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: CÓDIGO: CARRERA: NIVEL: INTELIGENCIA ARTIFICIAL II (Aprendizaje Automático) IS-12653 INGENIERIA DE SISTEMAS SEPTIMO No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS
Más detallesContenido. Contenido. Inteligencia Artificial y. La prueba de Turing. Pueden las máquinas pensar? El juego de la adivinación
Inteligencia Artificial y La Reinversión Copernicana Dr. Luis Alberto Pineda Cortés Enero, 2004 de representación e inferencia en la IA de representación e inferencia en la IA La prueba de Turing Alan
Más detallesAPRENDIZAJE Y ENTRENAMIENTO. (Neural Nets Capt. 8; Hilera Capt. 3)
Tema 2: Aprendizaje y Entrenamiento Sistemas Conexionistas 1 2.- Aprendizaje o Entrenamiento. 2.1.- Aprendizaje Automático. 2.2.- Tipos de aprendizaje. APRENDIZAJE Y ENTRENAMIENTO. (Neural Nets Capt. 8;
Más detallesComponentes de los SBC. Componentes de los SBC. SBC basados en sistemas de producción. Notas
Componentes de los SBC Componentes de los SBC Queremos construir sistemas con ciertas características: Resolución de problemas a partir de información simbólica Resolución mediante razonamiento y métodos
Más detallesINTELIGENCIA NATURAL INTELIGENCIA ARTIFICIAL
INTELIGENCIA NATURAL INTELIGENCIA ARTIFICIAL Bernardo Jara Pereira Rodrigo Ulloa Sánchez CIENCIAS DE LA COGNICIÓN Profesora Dra. María Inés Solar Objetivos Discutir el concepto de inteligencia. Distinguir
Más detallesSECUENCIA DIDÁCTICA. Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11
SECUENCIA DIDÁCTICA Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11 Antecedente: Ninguno Clave de antecedente: Ninguna Módulo Competencia de Módulo: Proponer y aplicar soluciones e
Más detallesIntroducción al aprendizaje automático Arquitectura de agente que aprende. Aprendizaje Automático TC3020
Introducción al aprendizaje automático Arquitectura de agente que aprende Aprendizaje Automático TC3020 Agentes Introducción 2 Agente Es un sistema de computo, situado en un ambiente cualquiera, y que
Más detallesANX-PR/CL/ GUÍA DE APRENDIZAJE. ASIGNATURA Inteligencia artificial. CURSO ACADÉMICO - SEMESTRE Primer semestre
ANX-PR/CL/001-02 GUÍA DE APRENDIZAJE ASIGNATURA Inteligencia artificial CURSO ACADÉMICO - SEMESTRE 2015-16 - Primer semestre GA_61IW_615000246_1S_2015-16 Datos Descriptivos Nombre de la Asignatura Titulación
Más detallesINTERFACES INTELIGENTES. ING. MA. MARGARITA LABASTIDA ROLDÁN E mail:
INTERFACES INTELIGENTES ING. MA. MARGARITA LABASTIDA ROLDÁN E mail: magielr@gmail.com GENERALIDADES DE LAS INTERFACES INTERFAZ DE USUARIO: Es el dispositivo por medio del cual un usuario realiza la comunicación
Más detallesAPRENDIZAJE CONDUCTISTA VS COGNITIVO
APRENDIZAJE CONDUCTISTA VS COGNITIVO TPDV4 LIC. ANDREA VALLE APRENDIZAJE COGNITIVO Fenómenos internos --» conoce a un objeto --» modificará su estructura mental y su conducta El aspecto conductual es lo
Más detallesTema 1: Agentes inteligentes: Representación y razonamiento
Inteligencia Artificial 2 Curso 2000 0 Tema : Agentes inteligentes: Representación y razonamiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Francisco J. Martín Mateos Dpto. de Ciencias de la Computación
Más detallesCLASE Nº 2 :Aprendizaje y Metacognición
CLASE Nº 2 :Aprendizaje y Metacognición HERRAMIENTA DE APRENDIZAJE DEL DÍA ESTRATEGIA S.Q.A. ESTRATEGIA S.Q.A La estrategia SQA es una forma eficaz para enseñar a los alumnos a construir significado. Esto
Más detallesCerebro e inteligencia
Cerebro e inteligencia 1 Prof. Bartolomé Yankovic N., marzo, 2014 Albert Einstein (1979-1955), científico alemán, el más importante del siglo XX, postuló la teoría de la relatividad y su famosa ecuación
Más detallesTema 2: Inteligencia computacional y conocimiento
Razonamiento Automático Curso 999 2000 Tema 2: Inteligencia computacional y conocimiento José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesGUÍA DOCENTE DEL MÓDULO Habilidades del estratega
GUÍA DOCENTE DEL MÓDULO 41044. Habilidades del estratega Curso 2017-2018 Titulación Máster Universitario en Estrategia de Empresa Denominación del módulo (código) Habilidades del Estratega (41044) Número
Más detallesProgramación de Robots. CI-2657 Robótica M.Sc. Kryscia Ramírez Benavides
M.Sc. Kryscia Ramírez Benavides Introducción a Robótica Introducción a Robótica Generación de Comportamiento 2 Generar Comportamiento es Programar La existencia de robots que realicen autónomamente tareas
Más detallesTema AA 1: Introducción a al Aprendizaje Automático
Razonamiento Automático Curso 200 2002 Tema AA : Introducción a al Aprendizaje Automático José A. Alonso Jiménez Miguel A. Gutiérrez Naranjo Dpto. de Ciencias de la Computación e Inteligencia Artificial
Más detallesPROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial"
PROYECTO DOCENTE ASIGNATURA: "Inteligencia Artificial" Grupo: Clases Teór. Inteligencia Artificial Grupo 1 ING. COMPUTADORES(961083) Titulacion: Grado en Ingeniería Informática-Ingeniería de Computadores
Más detallesAprendizaje Basado en Problemas (ABP)
Aprendizaje Basado en Problemas (ABP) De la estrategia a la técnicat Antecedentes Se origina en la Escuela de Medicina de la Universidad de Case Western Reserve de USA y Universidad de Mc Master en Canadá
Más detallesMETODOLOGÍAS INNOVACIÓN
VISUAL THINKING L Pensamiento visual, o Visual thinking, es una herramienta que consiste en expresar ideas a través de dibujos simples y fácilmente reconocibles y que permitan crear conexiones entre sí
Más detallesEl pensamiento y el lenguaje. Jaime Arias Prieto
El pensamiento y el lenguaje Introducción Percepción y pensamiento a) Percepción En ella, los estímulos entran en el organismo a través de los sentidos b) Pensamiento b.1. Funciones - Representa esos estímulos
Más detallesASIGNATURA: TENDENCIAS TECNOLOGICAS Cód: Régimen: Cuatrimestral Horas semanales: 4 horas Escuela: Sistemas 2011 FUNDAMENTOS:
1 ASIGNATURA: TENDENCIAS TECNOLOGICAS Cód: 33-508 Régimen: Cuatrimestral Horas semanales: horas Escuela: Sistemas 2011 FUNDAMENTOS: El rápido cambio que experimentan actualmente las tecnologías informáticas
Más detallesFundamento de Sistemas Expertos
Fundamento de Sistemas Expertos Fundamentos de Sistemas Expertos Tópicos Definición Características Cuándo usar y no usar un SBC? Aplicaciones Ventajas y desventajas 1. Definición de Sistemas Expertos
Más detallesCÓMO SE FORMA UN INGENIERO? FUNCIONES DE LA ESCUELA Y DE LA PRÁCTICA. Por Daniel Reséndiz Núñez Investigador emérito, UNAM
CÓMO SE FORMA UN INGENIERO? FUNCIONES DE LA ESCUELA Y DE LA PRÁCTICA Por Daniel Reséndiz Núñez Investigador emérito, UNAM CÓMO? Hay una larga tradición al respecto La cuestión interesa a: Profesores y
Más detallesUniversidad de Panamá Centro Regional de Coclé. Teoría cognitiva de Jean Piaget. Por: Luris Jaén
Universidad de Panamá Centro Regional de Coclé Teoría cognitiva de Jean Piaget Por: Luris Jaén Por medio de la realización de este trabajo se pretende llegar a conocer un poco más acerca de teoría de Jean
Más detallesPosibles trabajos HIA
Posibles trabajos HIA Posibles trabajos Comparar otras herramientas de Minería de Datos con Weka Estudiar la influencia del ruido en bagging y boosting Estudiar la influencia del parámetro de poda en J48
Más detallesUNIVERSIDAD SAN PEDRO DETECCIÓN Y PREVENCIÓN DE LOS PROBLEMAS DE APRENDIZAJE
UNIVERSIDAD SAN PEDRO DETECCIÓN Y PREVENCIÓN DE LOS PROBLEMAS DE APRENDIZAJE MG. MANUEL CONCHA HUARCAYA El Aprendizaje como objeto de estudio El Aprendizaje, como proceso, puede ser analizado desde distintas
Más detallesItinerario: Inteligencia Computacional
Máster Universitario en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones Itinerario: Inteligencia Computacional Escuela Politécnica Superior Universidad Autónoma de Madrid
Más detallesDiseño Instruccional Paso 2 Paso 5
TAREAS DE LA VIDA REAL EN EL CONTEXTO PROFESIONAL, CLASES DE TAREAS, OBJETIVOS DE DESEMPEÑO Y EVALUACIÓN DEL DESEMPEÑO Diseño Instruccional Paso 2 Paso 5 acet Proyecto AULA - enero de 2011 2 Paso 2 Tareas,
Más detallesTeorías del aprendizaje
Teorías del aprendizaje TEORÍAS DEL APRENDIZAJE 1 Sesión No. 5 Nombre: El conductismo: Teorías conductistas y educación Contextualización Cuáles son las aplicaciones que las teorías conductistas tienen
Más detallesFuente, autor. Luis Piscoya Hermoza
PISA Tabla de contenidos Fuente Qué es PISA? Por qué surge? Qué materias se evalúan? Comprensión lectora Matemáticas Ciencias Valoración de resultados Ejemplos concretos y reales de pruebas Fuente, autor
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesCOMPETENCIA MATEMÁTICA
COMPETENCIA MATEMÁTICA EN PISA 2018 COMPETENCIA MATEMÁTICA Para el Estudio PISA, la Competencia Matemática se define como: La capacidad de un individuo de formular, emplear e interpretar las matemáticas
Más detallesHipótesis. Teoria del Aprendizaje Computacional
Teoria del Aprendizaje Computacional CI5438 - Inteligencia Artificial 2 Clase 7 Cap 18. Russel & Norvig: Inteligencia Artificial. Un enfoque estructurado El aprendiz inductivo se puede reinterpretar como
Más detallesTeoría de las Inteligencias Múltiples
Psicología Cognitiva Teoría de las Inteligencias Múltiples La Inteligencia según Howard Gardner Es un conjunto de capacidades que le permite al hombre resolver problemas y elaborar productos que serán
Más detallesMétodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes basados en conocimiento Contenido Sistemas basados en conocimiento
Más detallesFundamentos de Inteligencia Artificial
Área de Ingeniería Telemática Universidade de Vigo Fundamentos de Inteligencia Artificial Manuel Ramos Cabrer (Curso 2010/11) Objetivos Introducción a la disciplina de la Inteligencia Artificial desde
Más detallesADMINISTRACIÓN DE PROCESOS DE ENSEÑANZA Y APRENDIZAJE
Universidad del Desarrollo Profesional. Derechos Reservados 2011, prohibida su reproducción total o parcial. Para uso exclusivo del personal docente y estudiantes inscritos en el programa. ADMINISTRACIÓN
Más detallesAlan Turing, Computing machinery and Intelligence, Mind, Octubre, 1950, 59:
Alan Turing Introducción a la Inteligencia Artificial 1912-1954 La prueba de Turing El juego de la adivinación Pueden pensar las máquinas? Alan Turing, Computing machinery and Intelligence, Mind, Octubre,
Más detallesDesde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria
3 Sistemas Expertos 3.1 Introducción Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria son la falta de personas capacitadas en campos muy específicos y el elevado
Más detallesEnfoques computacionales de la memoria humana: un estado del arte. Renato Garita Figueiredo PROIFED
Enfoques computacionales de la memoria humana: un estado del arte Renato Garita Figueiredo PROIFED Revisión bibliográfica En total se revisaron 35 artículos. Categorización: - Aplicaciones de interacción
Más detallesInteligencia en Redes de Comunicaciones - 03 Sistemas Basados en Conocimiento
El objetivo de este Tema 3 es presentar los conceptos principales de los llamados Sistemas Basados en Conocimiento. Se empieza presentando las definiciones, razón de ser y fundamentos de este tipo de sistemas.
Más detallesInteligencia Artificial
Inteligencia Artificial Conjunto de técnicas que se aplican en el diseño de programas de computador para la resolución de problemas que por su dificultad requieren el uso de un cierto grado de inteligencia.
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: INTELIGENCIA ARTIFICIAL CÓDIGO: 12652 CARRERA: NIVEL: Ingeniería de Sistemas quinto No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS PRÁCTICA: 2 SEMESTRE / AÑO ACADÉMICO:
Más detallesIngeniería en Sistemas y Comunicaciones
Universidad Autónoma del Estado de México Centro Universitario UAEM Valle de México Ingeniería en Sistemas y Comunicaciones Unidad de Aprendizaje: Inteligencia Artificial Tema: Arquitectura de los Sistemas
Más detallesUNIVERSIDAD SAN PEDRO DETECCIÓN Y PREVENCIÓN DE LOS PROBLEMAS DE APRENDIZAJE
UNIVERSIDAD SAN PEDRO DETECCIÓN Y PREVENCIÓN DE LOS PROBLEMAS DE APRENDIZAJE MG. MANUEL CONCHA HUARCAYA Algunas Consideraciones Los problemas del aprendizaje afectan a 1 de cada 10 niños en edad escolar.
Más detallesTÉCNICAS COGNITIVO-CONDUCTUAL. Rosa García
TÉCNICAS COGNITIVO-CONDUCTUAL Rosa García DOS GRUPOS DE TÉCNICAS Autoinstrucciones Auto-observación Autoevaluación reforzada Entrenamiento en solución de Problemas Técnica de la Tortuga Programa Pensar
Más detallesTeorías del aprendizaje. Sesión 5:El conductismo: Teorías conductistas y educación
Teorías del aprendizaje Sesión 5:El conductismo: Teorías conductistas y educación Contextualización Los condicionamientos se emplean cada vez más como base para la modificación y desarrollo de técnicas
Más detallesTeoría 1 Introducción a la Inteligencia Artificial
Teoría 1 Introducción a la Inteligencia Artificial Sistemas Inteligentes 1 1 Universidad Nacional de San Luis, Argentina Carrera: Ingeniería en Informática Carrera: Ingeniería en Computación (Optativa)
Más detalles(V2.0) SILABO CS261T.
Sociedad Peruana de Computación Facultad de Computación Programa Profesional de (Ciencia de la Computación) (V2.0) SILABO CS261T. Inteligencia Artificial (Obligatorio) 2010-1 0. DATOS GENERALES 0.1 CARRERA
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesUNIVERSIDAD NACIONAL DEL SUR 1 BAHÍA BLANCA. Laboratorio 12 hs CORRELATIVAS DESCRIPCIÓN
UNIVERSIDAD NACIONAL DEL SUR 1 CÓDIGO: 684 CARRERAS Licenciatura en Ciencias de la Computación PROFESOR RESPONSABLE: Dr. Guillermo Simari Profesor Titular con Dedicación Exclusiva CARGA HORARIA Teoría
Más detallesTipos Abstractos de Datos (TAD) Lección 1
Tipos Abstractos de Datos (TAD) Lección 1 Esquema Paradigmas de programación Definición de TAD Programación con TAD Ventajas de la programación con TAD Lectura recomendada: secciones 1.1 y 1.2 del libro
Más detallesTeorías del aprendizaje
Teorías del aprendizaje TEORÍAS DEL APRENDIZAJE 1 Sesión No.11 Nombre: La teoría socio-histórica: Aplicaciones en la educación Contextualización Vigotsky usa en su esquema teórico la relación entre el
Más detallesProgramación Evolutiva
Introducción a la Computación Evolutiva Quinta Clase: Programación Evolutiva Programación Evolutiva Desarrollada en USA durante los años 60 Autores principales: D. Fogel Aplicada típicamente a: PE tradicional:
Más detallesIA Robótica. Agente y Entorno. Instituto de Computación Facultad de Ingeniería Universidad de la República
IA Robótica Agente y Entorno Instituto de Computación Facultad de Ingeniería Universidad de la República Agentes Introducción Paradigma Estructura Programas Introducción (1/4) Agente: es todo aquello que
Más detallesInteligencia Artificial
Inteligencia Artificial Conocimiento y razonamiento 4. Otras representaciones de conocimiento Dr. Edgard Iván Benítez Guerrero 1 Representación del conocimiento La inteligencia de un agente radica principalmente
Más detallesOBJETIVO: Identificarás los diferentes factores que intervienen en el aprendizaje
FACTORES QUE INTERVIENEN EN EL APRENDIZAJE OBJETIVO: Identificarás los diferentes factores que intervienen en el aprendizaje METAS Y OBJETIVOS DE APRENDIZAJE: Estoy dispuesto a aprender este contenido?
Más detallesIA con RARS. Miguel Ángel Herranz Trillo Juan Ramón Martín Blanco. Práctica Final de IRC
Práctica Final de IRC Introducción a RARS RARS (Robot Auto Racing Simulator) Simulador de carreras de coches de código abierto. Útil como entorno para experimentación en inteligencia artificial. Física
Más detallesAprendizaje Automático Segundo Cuatrimestre de Árboles de Decisión
Aprendizaje Automático Segundo Cuatrimestre de 2015 Árboles de Decisión Aproximación de Funciones Ejemplo: Un amigo juega al tenis los sábados. Juega o no, dependiendo del estado del tiempo. Cielo: {Sol,
Más detallesSoftware de apoyo al proceso de identificación de especímenes
Software de apoyo al proceso de identificación de especímenes Estudio de las herramientas existentes María Mora (INBio) Objetivo Contenido Públicos meta prioritarios Requerimientos Tipos de herramientas
Más detallesLICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN
LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN Sede: Puebla Perfil de Ingreso: Conocimientos: De expresión escrita, Ciencias Naturales, Matemáticas con énfasis en la Lógica Matemática. De cultura nacional
Más detallesCognitivas. Disciplinas y Paradigmas
Cognitivas Disciplinas y Paradigmas Definición Las Ciencias y Tecnologías de la Cognición revolución conceptual más significativa desde la bomba atómica. Se orientan hacia el conocimiento, información
Más detalles