Inteligencia Artificial Ingeniería del conocimiento y metodologías de resolución de problemas
|
|
- Monica Barbero Olivera
- hace 7 años
- Vistas:
Transcripción
1 Inteligencia Artificial Ingeniería del conocimiento y metodologías de resolución de problemas Primavera 2007 profesor: Luigi Ceccaroni
2 Fases de la ingeniería del conocimiento [Buchanan et al., 1983] Inicio Reformulación Identificación Requerimientos Conceptualización Conceptos Rediseño Formalización Estructura Refinamiento Implementación Reglas Prueba 2
3 Fases de la ingeniería del Identificación conocimiento Viabilidad de la construcción del sistema basado en el conocimiento (SBC) Búsqueda de les fuentes de conocimiento (expertos, libros, artículos) Determinación de los datos necesarios para resolver el problema Determinación de los objetivos (soluciones) y de los criterios que determinan la solución 3
4 Fases de la ingeniería del Conceptualización conocimiento Detallar los elementos básicos para caracterizar el dominio (hechos relevantes) y su relaciones Distinguir las evidencias, las hipótesis y las acciones a realizar Detallar las diferentes hipótesis y objetivos Descomponer el problema en sub-problemas Caracterizar el sistema de razonamiento 4
5 Fases de la ingeniería del Formalización conocimiento Determinar los esquemas de razonamiento necesarios: clasificación, diagnosis, planificación temporal, estructuras causales Identificar el espacio de búsqueda y el tipo de búsqueda Identificar la metodología de la resolución: clasificación heurística, resolución constructiva, hipótesis y prueba jerárquica Analizar la inexactitud (incertidumbre, imprecisión) y la completitud 5
6 Fases de la ingeniería del Implementación conocimiento Implementación del conocimiento Base de hechos Estructura modular de la base de conocimiento Reglas de inferencia de los módulos Decisiones sobre el control de la resolución Meta-reglas Prueba Determinar un conjunto de casos de prueba Evaluar el funcionamiento del sistema (prototipo): exactitud, completitud, credibilidad (explicaciones) 6
7 Clasificación de los SBC según [Hayes-Roth et al., 1983] las tareas Sistemas de interpretación Inferir descripciones de situaciones, a partir de observaciones y datos Sistemas de predicción Inferir consecuencias verosímiles a partir de situaciones o sucesos Sistemas de diagnóstico Inferir el estado de un sistema a partir de descriptores (por ejemplo, inferir los fallos del sistema a partir de síntomas) Sistemas de diseño Desarrollar configuraciones de objetos que satisfacen ciertas restricciones Sistemas de planificación Generar secuencias de acciones para conseguir ciertos objetivos Sistemas de supervisión Estudiar el comportamiento de un sistema a lo largo del tiempo Sistemas de corrección/reparación Generar soluciones para los fallos de un sistema Sistemas de control Estudiar y gobernar el comportamiento de un sistema dinámico 7
8 Clasificación de los SBC según [Clancey, 1985] Tareas genéricas las tareas Operaciones de análisis: interpretación de un sistema Operaciones de síntesis: construcción de un sistema 8
9 Metodologías de resolución de problemas Es función del tipo de conocimiento [Jackson, 1990] Clasificación heurística Resolución de problemas constructiva Formación de hipótesis y pruebas organizadas jerárquicamente 9
10 Clasificación heurística Es una asociación no jerárquica entre datos y soluciones, que requiere inferencias intermedias y posiblemente conceptos de otra taxonomía. Tiene que existir un conjunto de soluciones enumerables a priori. Es aplicable en operaciones de análisis: clasificaciones, diagnosis, identificaciones, monitoreo Se usa en problemas complejos. Si el problema es simple, una asociación directa entre los datos i las soluciones es suficiente. 10
11 Clasificación heurística Datos abstractos Asociación heurística Soluciones abstractas Abstracción de datos Refinamiento y adaptación de la solución Datos concretos Soluciones concretas 11
12 Clasificación heurística Abstracción de datos Abstraer los datos del caso concreto para obtener un caso más general Tipos de abstracción/generalización: Abstracción basada en la definición: abstraer características esenciales a partir de una clase de objetos (taxonomía) Abstracción cualitativa: abstraer sobre medidas cuantitativas para pasar a medidas cualitativas Temperatura Q = 38 ºC Si Temperatura > 37.5 ºC entonces Temperatura es alta 12
13 Clasificación heurística Asociación heurística (matching) Determinar las relaciones/coincidencias entre casos abstractos y soluciones abstractas Ejemplo: Si Temperatura es alta entonces tiene-fiebre Refinamiento/adaptación de la solución Identificar las soluciones concretas a partir de las soluciones abstractas y ciertos datos complementarios Excluir soluciones poco probables Ejemplo: Si tiene-fiebre otros datos entonces tiene-gripe Q tiene-gripe 13
14 Clasificación heurística: ejemplos HUÉSPED PREDISPUESTO A LA INFECCIÓN INFECCIÓN POR BACTERIAS GRAMNEGATIVAS PACIENTE INMUNODEFICIENTE LEUCOPENIA INFECCIÓN POR Escherichia coli NIVEL DE LEUCOCITOS BAJO Nº LEUCOCITOS < 2.5 M [MYCIN] 14
15 Clasificación heurística: ejemplos Concesión de créditos para fundar una nueva empresa Atributos (ejemplos) Apoyo financiero (tiene avales, es-rico...) Petición ( ) Bienes (cuentas-corrientes, casas, coches, yates...) Fiabilidad-de-la-devolución (morosidad, cheques-sinfondos...) Compromiso (créditos-anteriores...) Soluciones Denegación Aceptación Aceptación con rebaja 15 Aceptación con interés preferente
16 Clasificación heurística: ejemplos Reglas de abstracción Bienes < 10 * petición Bienes insuficientes Bienes 10 * petición Bienes < 20 * petición Bienes suficientes Bienes 20 * petición Bienes excelentes Avales 10 * petición Es-rico Apoyo-financiero bueno Avales < 10 * petición Avales petición Apoyo-financiero moderado Avales < petición Apoyo-financiero bajo Cheques-sin-fondos Moroso Fiabilidad-de-la-devolución baja Empresa es churrería Empresa es tienda de roba Viabilidad buena Empresa es hamburguesería cerca de universidad Viabilidad buena Empresa es Corte-Inglés Empresa es proveedor Internet vía cable viabilidad muy buena Crédito < petición Compromiso bajo Crédito petición Crédito < 10 * petición Compromiso mediano Crédito 10 * petición Compromiso alto 16
17 Clasificación heurística: ejemplos Reglas de asociación heurística Apoyo-financiero bajo Bienes insuficientes Denegación Fiabilidad-de-la-devolución baja Denegación... Apoyo-financiero moderado Bienes suficientes Viabilidad buena Aceptación con rebaja... Apoyo-financiero bueno Bienes suficientes Compromiso mediano Viabilidad buena Aceptación... Apoyo-financiero bueno Bienes excelentes Compromiso alto Viabilidad muy buena Aceptación con interés preferente... 17
18 Clasificación heurística: ejemplos Regles de refinamiento/adaptación de las soluciones Aceptación con rebaja Petición < 10 7 Bienes < 5 * Petición Rebaja a 0.6 * Petición... Aceptación con interés preferente Petición 10 7 Bienes 10 * Petición Interés preferente: 2% inferior al del mercado 18
19 Clasificación heurística: ejemplos CASO Bienes (casas, 10 8 ) Bienes (yates, 10 6 ) Es-rico Crédito (10 8 ) Empresa (Proveedor de Internet) Apoyo-financiero (10 8 ) Petición (10 8 ) ABSTRACCIÓN Bienes excelentes Apoyo-financiero bueno Compromiso alto Viabilidad muy buena REFINAMIENTO ASOCIACIÓN HEURÍSTICA Aceptación con interés preferente Aceptación con interés preferente; Interés preferente: 2% inferior al del mercado 19
20 Estrategias de adquisición de Determinación de: conocimiento en CH posibles soluciones síntomas que caractericen las soluciones síntomas que diferencien las soluciones hechos intermedios síntomas que caractericen los hechos intermedios síntomas que diferencien los hechos intermedios reglas de abstracción reglas de asociación heurística reglas de refinamiento/adaptación 20
21 Resolución constructiva No se pueden enumerar a priori las soluciones, que pueden ser infinitas. Las soluciones se tienen que construir, y no seleccionar una entre varias posibles. Es aplicable en operaciones de síntesis: planificación, diseño, diagnosis de múltiples fallos. Las soluciones son combinaciones de ciertos elementos que satisfacen unas restricciones: Planificación: Los elementos son acciones y les soluciones secuencias de acciones que consiguen un cierto objetivo. Diseño: Los elementos son componentes y les soluciones combinaciones de componentes que forman un objeto complejo. Diagnosis de múltiples fallos: Los elementos son fallos y les soluciones conjuntos de fallos que concuerdan con los síntomas. 21
22 Resolución constructiva La construcción de la solución implica tener: Un modelo de la estructura del objeto complejo Un modelo del comportamiento del objeto complejo Un conjunto de restricciones sobre el objeto complejo Les restricciones pueden ser: Sobre la configuración de los componentes de la solución Restricciones físicas/espaciales: cómo se puede agarrar un objeto, no se puede colocar un objeto en un cierto lugar... Restricciones temporales: qué acción se hace primero... Sobre las entradas/salidas de los procesos constructivos Pre-condiciones y post-condiciones de operadores/acciones Sobre las interacciones entre las dos anteriores 22
23 Resolución constructiva Ejemplo 1 Planificación de la trayectoria (óptima) de un robot para salir de una habitación con obstáculos Operadores/acciones Avanzar (m) Girar (n-grados) Retroceder (m) Restricciones No puede chocar con ningún obstáculo. Al final tiene que estar en la salida. Puede hacer sólo los movimientos que indiquen los operadores. R 23
24 Resolución constructiva Ejemplo 2 Configurar/colocar un conjunto de muebles/objetos en una habitación Operadores/acciones Colocar-mueble (mueble, posición) Quitar-mueble (mueble, posición) Intercambiar (mueble 1, mueble 2) Desplazar-mueble (mueble, posición 1, posición 2) Restricciones No se pueden tapar puertas y ventanas de la habitación Al final se tienen que haber colocado todos los muebles La Wii tiene que ir en frente del sofá Se puede hacer sólo lo que indiquen los operadores. Wii Sofá 24
25 Métodos de resolución constructiva Proponer y aplicar Seleccionar un operador correcto para extender soluciones parciales, partiendo desde cero Menor compromiso Seleccionar el operador de menor compromiso para extender soluciones parciales, partiendo de una solución parcial inicial o desde cero 25
26 Método de proponer y aplicar Necesita mucho conocimiento sobre el dominio, para ser aplicable: Conocimiento sobre los componentes Conocimiento sobre las restricciones Es necesaria una descomposición del problema (tarea principal) en sub-tareas y conocer las relaciones espaciales y temporales entre ellas. 26
27 Método de proponer y aplicar Proceso de resolución 1. Inicializar el objetivo: se crean los elementos necesarios para identificar el objetivo. 2. Proponer operadores: se proponen operadores que actúen sobre el estado actual. 3. Eliminar operadores: se eliminan ciertos operadores de acuerdo con criterios globales (por ejemplo, orden de preferencia predefinido o comparación de los operadores dos a dos). 4. Seleccionar un operador: se selecciona el mejor de los operadores que han sobrevivido al paso Aplicar el operador: se aplica el operador seleccionado en el paso anterior. 6. Avaluar el objetivo: si ya se ha llegado al objetivo se para, si no se vuelve a 2. 27
28 Método de menor compromiso Es aplicable cuando no se tiene mucho conocimiento sobre el dominio. Es indicado cuando se dispone de un conjunto de soluciones parciales potencialmente muy grande. Proceso de resolución: 1. Si es posible entonces comenzar con una solución parcial que satisfaga las restricciones, si no comenzar desde cero. 2. Si la solución es completa entonces acabar, si no extender la solución parcial aplicando el heurístico del menor compromiso: escoger el operador que imponga menos restricciones sobre las acciones futuras. 3. Si la modificación anterior viola alguna restricción entonces proponer algún cambio deshaciendo alguno de los pasos anteriores, procurando que las modificaciones sigan mínimas Tornar a 2.
29 Estrategias de adquisición de conocimiento en RC Determinación de: conocimiento sobre la estructura y los componentes del objeto complejo que se quiere construir reglas que implementen el conocimiento sobre las restricciones reglas que implementen el conocimiento sobre cómo extender soluciones parciales: operadores/acciones meta-conocimiento para saber qué operador elegir en el momento de extender soluciones parciales 29
30 Formación de hipótesis y pruebas organizadas jerárquicamente La formación de hipótesis y pruebas organizadas jerárquicamente (HPJ) combina aspectos de clasificación heurística y de resolución constructiva de problemas. Es indicada en problemas donde: El espacio de soluciones posibles es muy grande, pero estas toman valores en un dominio contable. El espacio de hipótesis (nodos de la resolución) está organizado jerárquicamente: Los nodos altos corresponden a hipótesis más generales, que se van refinando hasta llegar a las hojas que corresponden a hipótesis más concretas. La estructuración jerárquica ayuda a plantear el problema y facilita la solución. Ejemplos: CENTAUR (Aikins, 1983) INTERNIST (Pople, 1977) TEST (Kahn et al., 1987) 30
31 HPJ: proceso de resolución Proceso de resolución: 1.Leer los datos iniciales del problema y formular hipótesis. 2.Asignar a cada hipótesis una puntuación que refleje la proporción de los datos explicados. 3.Determinar el mejor nodo según la puntuación: n. 4.Si nodo-(n)-es-solución entonces acabar si no dividir el espacio de hipótesis en 2 conjuntos K i L K <-- sucesores de n L <-- competidores de n 5.Recoger más datos que discriminen entre las hipótesis de K y puntuarlas. 6.Sean: k el mejor de K y l el mejor de L 7.Si puntuación (k) > puntuación (l) entonces n <-- k si no n <-- l 8.Tornar a 4 31
32 Ejemplo: CENTAUR Diagnosis de enfermedades pulmonares y de su gravedad emphysema obstructive airways disease bronchitis consultation pulmonarydisease diffusion defect asthma restrictive lung disease mild mod severe mod-severe 32
Métodos 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
Planificación de rutes en una ciutat
Planificación de rutes en una ciutat Aplicaciones de los SBCs Inteligencia Artificial Análisis del problema Hemos de obtener información sobre el dominio Obtener las características que son relevantes
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
UNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA INGENIERÍA DE SISTEMAS BÚSQUEDA PRIMERO EL MEJOR
UNIVERSIDAD MAYOR DE SAN SIMÓN FACULTAD DE CIENCIAS Y TECNOLOGÍA INGENIERÍA DE SISTEMAS BÚSQUEDA PRIMERO EL MEJOR INTEGRANTES: Caricari Cala Aquilardo Villarroel Fernandez Fructuoso DOCENTE: Lic. Garcia
Razonamiento bajo incertidumbre
Inteligencia en Redes de Comunicaciones Razonamiento bajo incertidumbre Julio Villena Román jvillena@it.uc3m.es Razonamiento humano En el razonamiento humano hay que trabajar con la incertidumbre: la información
Ingeniería de Sistemas. basados en computadoras
Ingeniería de Sistemas basados en computadoras Ingeniería de Sistemas basados en computadoras Sistema basado en computadores (SBC) Las aplicaciones informáticas se integran en sistemas contribuyendo, junto
SISTEMAS BASADOS EN EL CONOCIMIENTO
UNIVERSIDAD TECNOLÓGICA DE LOS ANDES CARRERA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA SISTEMAS BASADOS EN EL CONOCIMIENTO Ing. Ronald Rentería Ayquipa Agentes basados en conocimiento Un agente
Charlas para la gestión del Mantenimiento Fernando Espinosa Fuentes
Charlas para la gestión del Mantenimiento Fernando Espinosa Fuentes En las últimas dos décadas se han realizado importantes avances en el desarrollo de nuevas estrategias de mantenimiento. El progreso
DISEÑO DE TAREAS Y ACTIVIDADES COMPETENCIALES
DISEÑO DE TAREAS Y ACTIVIDADES COMPETENCIALES De los criterios de evaluación a las tareas y actividades competenciales 1. Seleccionar uno o dos criterios de evaluación, relacionados entre sí, de un curso
Metodología Métrica v. 3.0
Metodología Métrica v. 3.0 Ingeniería del Software Escuela Superior de Informática Universidad de Castilla-La Mancha 16/01/2001 1 Estructura de la metodología PSI: Planificación de sistemas de información
Representación 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
Indique 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.
Nombre de la asignatura: Análisis y modelado de sistemas de información
Nombre de la asignatura: Análisis y modelado de sistemas de información Créditos: 3 2-5 Aportación al perfil Formular, gestionar y evaluar el desarrollo de proyectos informáticos en las organizaciones.
Componentes 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
ANÁLISIS DE SISTEMAS. Prof. Eliz Mora
ANÁLISIS DE SISTEMAS Prof. Eliz Mora Programa Fundamentos del Análisis de Sistemas Estilos Organizacionales y su impacto en los Sistemas de Información Rol del Analista de Sistema Determinación de Factibilidad
Resolución general de problemas
Introducción a los Sistemas Basados en el Conocimiento Resolución de problemas y conocimiento Resolución general de problemas Los métodos de resolución de problemas que hemos visto son de aplicación general
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL
INTRODUCCION A LA INTELIGENCIA ARTIFICIAL MODULO 3- REPRESENTACION DEL CONOCIMIENTO Referencias: Inteligencia Artificial Russell and Norvig Cap.6,7,8, 9,10.. Artificial Intellingence Nils Nilsson Chap.
Fundamentación. 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
Módulo: Qué es investigación?
Módulo: Qué es investigación? Facilitador: Johnny Cartín Quesada Coordinadora: Wendy Obando Leiva 1 MOMENTOS DE LA INVESTIGACIÓN 2 TIPOS DE INVESTIGACIÓN CUANTITATIVA DESCRIPTIVA: Etapa preparatoria del
METRICA VERSION MÉTRICA versión 3. Metodología de Planificación, Desarrollo y Mantenimiento de Sistemas de Información
9.000 MÉTRICA versión 3 Metodología de Planificación, Desarrollo y Mantenimiento de Sistemas de Información 9.010 Enero 2000 borrador de metodología MÉTRICA v. 3 Ofrece a las organizaciones un instrumento
Normas sobre calidad de información geográfica
Normas sobre calidad de información geográfica Normalización y Calidad ISO 19113: Información Geográfica Principios de la calidad. ISO 19114: Información Geográfica Procedimientos de evaluación de la calidad.
Métodos 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
I. GESTIÓN DE PROYECTOS
I. GESTIÓN DE PROYECTOS A. TAXONOMIA DE UN PROYECTO Un proyecto para ser desarrollado es bastante complejo, en el caso de un proyecto de software vs proyecto de construcción de una carretera. Shenhar 2001
ÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS
ÍNDICE DE CONTENIDOS 1 2 3 4 5 6 Concepto y Propiedades de los Sistemas Tipología de los Sistemas Elementos Conceptuales de la empresa como sistema El entorno empresarial Funciones Directivas 1 Concepto
Métodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que razonan bajo incertidumbre Introducción Repaso de probabilidad
Sistemas de produción. Sistemas de Producción. El motor de inferencias. Notas
Sistemas de Producción Introducción Las representación mediante formalismos lógicos puede verse de forma procedimental Describimos cuales son los pasos para resolver un problema como una cadena de deducciones
TP-BETA-DAT. TEST PSICOMÉTRICO DAT Y BETA Documento: Glosario Alaro Coarite Vladimir Edwin Versión 1.0
TP-BETA-DAT TEST PSICOMÉTRICO DAT Y BETA Documento: Glosario Alaro Coarite Vladimir Edwin Versión 1.0 Control de Documento Proyecto Test Psicométrico DAT y BETA Título Glosario del Sistema [v1.0 12 de
Sistemas de Producción
Introducción Sistemas de Producción Las representación mediante formalismos lógicos puede verse de forma procedimental Describimos cuales son los pasos para resolver un problema como una cadena de deducciones
Tema 1 El proceso de la investigación de mercados. Introducción a la Investigación de Mercados
Tema 1 El proceso de la investigación de mercados Introducción a la Investigación de Mercados Contenido 1.1 Concepto de investigación de mercados 1.2 Utilidad y aplicaciones de la investigación de mercados
5. MODELO DE AUDITORIA. Se presenta ahora un modelo básico para la realización de una auditoría integral eficiente;
5. MODELO DE AUDITORIA Se presenta ahora un modelo básico para la realización de una auditoría integral eficiente; dicho modelo fue realizado con base en la información presentada en el capitulo anterior;
Método comparativo en el análisis de los sistemas políticos
Método comparativo en el análisis de los sistemas políticos Perspectivas y retos metodológicos Marco Iván Vargas Lijphart El método existe? El método comparativo es uno entre varios. No mide, sino observa
INTRODUCCION AL DISEÑO EDUCATIVO Andrea Paola Leal Rivero. La Academia al servicio de la Vida
Andrea Paola Leal Rivero La Academia al servicio de la Vida INTRODUCCION El diseño de Software juega un papel importante en el desarrollo de software lo cual permite producir varios modelos del sistema
Módulo III LAS 7 NUEVAS HERRAMIENTAS ADMINISTRATIVAS
Módulo III LAS 7 NUEVAS HERRAMIENTAS ADMINISTRATIVAS Las 7 Herramientas Administrativas Diagrama de Afinidad Diagrama de Relaciones Diagrama de Arbol Diagrama Matricial Matriz de Priorización Diagrama
Representación del conocimiento. Lógica y representación del conocimiento.
Representación del conocimiento Lógica y representación del conocimiento. Contenidos 1. Papel de la lógica en la representación del conocimiento. 2. Principios de Ingeniería de Conocimiento en Lógica de
Elaboración de Módulos Formativos
UNIVERSIDAD TÉCNICA DE AMBATO 1 CEPOS Elaboración de Módulos Formativos Ambato, agosto septiembre 2013 I. DATOS BÁSICOS DEL MÓDULO: 2 CÓDIGO: CEPOS PRERREQUISITOS: TIPO DE COMPETENCIA GENÉRICA: ( ) ESPECÍFICA:
Diplomado en Gerencia Y Supervisión
Objetivo del Diplomado A quién está dirigido? Este diplomado parte de las relaciones humanas, que son la base de todo desarrollo, centrando esfuerzos en diversas técnicas y herramientas que ofrezcan al
Programa de la asignatura Curso: 2010 / 2011 (4911)MATEMÁTICAS EMPRESARIALES (4911)
Programa de la asignatura Curso: 2010 / 2011 (4911)MATEMÁTICAS EMPRESARIALES (4911) PROFESORADO Profesor/es: JESUS FRANCISCO ALEGRE MARTINEZ - correo-e: jfalegre@ubu.es FICHA TÉCNICA Titulación: PROGRAMA
PROGRAMA DE ESTUDIO. Horas de Práctica
PROGRAMA DE ESTUDIO Nombre de la asignatura: DISEÑO DE EXPERIMENTOS Clave:MAT10 Ciclo Formativo: Básico ( ) Profesional (X) Especializado ( ) Fecha de elaboración: MARZO DE 2015 Horas Semestre Horas semana
Proceso Unificado (Iterativo e incremental)
Proceso Unificado (Iterativo e incremental) Proceso Unificado de Desarrollo de Software, I. Jacobson, J. Rumbaugh y G. Booch, Addison-Wesley, 1999 Fases y Flujos de trabajo de los ciclos de vida. Disciplinas
PROCESO VIGILANCIA TECNOLÓGICA E INTELIGENCIA COMPETITIVA. Anexo 8.12 Proceso vigilancia tecnológica e inteligencia competitiva
Código: - Anexo 8.12 Proceso vigilancia tecnológica e inteligencia competitiva 1. OBJETIVO Realizar la búsqueda sistemática y análisis objetivo de la información relacionada a la tecnología que se pretende
Historia, Geografía y Ciencias Sociales 7 BÁSICO A 2 MEDIO
Historia, Geografía y Ciencias Sociales 7 BÁSICO A 2 MEDIO 2 Progresión de habilidades en historia, geografía y ciencias sociales 7 BÁSICO a 2 MEDIo Los Objetivos de Aprendizaje de Historia, Geografía
Instrumentos y Técnicas de recolección de información y análisis de datos cuantitativos. Roque Virgilio Castillo D Cuire
Instrumentos y Técnicas de recolección de información y análisis de datos cuantitativos Roque Virgilio Castillo D Cuire Clasificación orientativa de las técnicas de obtención de la información Instrumentos
SCAN WHITE PAPER CONSIDERACIONES BÁSICAS EN LA SUPERVISIÓN Y CONTROL DE PROCESOS INDUSTRIALES
SCAN WHITE PAPER CONSIDERACIONES BÁSICAS EN LA SUPERVISIÓN Y CONTROL DE PROCESOS INDUSTRIALES Septiembre, 2001 PARTE I 1. INTRODUCCION En el competitivo mercado de hoy, el éxito de cualquier negocio depende
UNIVERSIDAD CENTROAMERICANA VICERRECTORIA ACADEMICA SYLLABUS
UNIVERSIDAD CENTROAMERICANA VICERRECTORIA ACADEMICA SYLLABUS I. DATOS GENERALES Facultad: Ciencia, Tecnología y Ambiente Departamento: Desarrollo Tecnológico Carrera: Licenciatura en Contaduría Pública
INVESTIGACION CORRELACION DEFINICIONES
INVESTIGACION CORRELACION DEFINICIONES La investigación correlacional es un tipo de estudio que tiene como propósito evaluar la relación que exista entre dos o más conceptos, categorías o variables (es
SECUENCIA DIDÁCTICA. Módulo: IV Competencia de Módulo:
SECUENCIA DIDÁCTICA Nombre de curso: Mercados Antecedente: Ninguno Módulo: IV Competencia de Módulo: Clave de curso: MER1504B21 Clave de antecedente: Ninguna Evaluar proyectos con las consideraciones legales,
Métodos de Inteligencia Artificial
Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Representaciones híbridas Introducción Híbridos internos Híbridos externos
Ingeniería del software. Algunas definiciones
Ingeniería del software Algunas definiciones Ingeniería del software "El establecimiento y uso de principios de Ingeniería bien fundados (y de métodos) para obtener software fiable, económico y que funcione
DEPARTAMENTO DE VINCULACION 1
INGENIERÍA INDUSTRIAL DEPARTAMENTO DE VINCULACION 1 PROYECTOS DE ESTADÍA 1 2 3 4 5 6 7 8 9 10 11 12 Sistematizar la preparación del programa de Estructuración del plan maestro de Propuesta de proyecto
Ciudad Guayana, Febrero de 2011
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD NACIONAL EXPERIMENTAL POLITÉCNICA ANTONIO JOSÉ DE SUCRE INGENIERÍA INDUSTRIAL CÁTEDRA: SISTEMAS DE INFORMACIÓN Profesor: Turmero, Iván Ciudad Guayana, Febrero
FORMACIÓN Y EVALUACIÓN DE LA COMPETENCIA ANÁLISIS Y SÍNTESIS
FORMACIÓN Y EVALUACIÓN DE LA COMPETENCIA ANÁLISIS Y SÍNTESIS NOTA: Descargando este documento accede a: Descripción de la Competencia; Resultados de Aprendizaje; Niveles de Dominio; Estrategia Docente;
FICHA DE ASIGNATURAS DE INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO PARA GUÍA DOCENTE. EXPERIENCIA PILOTO DE CRÉDITOS EUROPEOS
FICHA DE ASIGNATURAS DE INTELIGENCIA ARTIFICIAL E INGENIERÍA DEL CONOCIMIENTO PARA GUÍA DOCENTE. EXPERIENCIA PILOTO DE CRÉDITOS EUROPEOS. UNIVERSIDADES ANDALUZAS DATOS BÁSICOS DE LA ASIGNATURA NOMBRE:
Tema I Testing Estructurado
Tema I Testing Estructurado 4ta Parte Verificación y Validación de Software UNS Contenido Testing de Unidad: Caja Negra Grafos Causa Efecto Clases de Equivalencia Valores Límite Verificación y Validación
DESARROLLO DE SISTEMAS CICLO DE VIDA
DESARROLLO DE SISTEMAS CICLO DE VIDA 38 1 Métodos de la Ciencia n Conocimiento científico n Conocimiento técnico n Conocimiento artístico Prof. Dr. Alberto Zimerman 2 Conocimiento Científico Intenta explicar
Cómo formular objetivos de nuestra investigación? Benjamín Mamani Condori
Cómo formular objetivos de nuestra investigación? Benjamín Mamani Condori Qué son objetivos? Según Vara, Arístides, son acciones propuestas para la investigación. Indican metas de su estudio y marcan el
GUÍA DOCENTE PARTE GENERAL
1. DESCRIPCIÓN DE LA ASIGNATURA Grado: SOCIOLOGÍA Doble Grado: SOCIOLOGÍA Y CIENCIA POLÍTICA Y DE LA ADMINISTRACIÓN Asignatura: ANÁLISIS AVANZADO DE DATOS SOCIOLÓGICOS ASISITIDO POR ORDENADOR- 802033-911048
Fundamentos de Marketing
Capítulo 1 Material de Apoyo ESIC EDITORIAL ISBN: 978-84-7356-8913 Capítulo 6 Investigación Comercial y Gestión de la Información Objetivos Estudiar los sistemas de. Conocer las distintas fuentes de disponibles.
CLASIFICACIÓN DE LOS PROYECTOS INFORMATICOS Y ESTABLECIMIENTO DE SUS EDT s
CLASIFICACIÓN DE LOS PROYECTOS INFORMATICOS Y ESTABLECIMIENTO DE SUS EDT s A U T O R : V Í C T O R D U Q U E M A R T I N - U R D A T U T O R A : A N A C R I S T I N A D O M I N G O T R O N C H O ÍNDICE
PERFIL PROFESIONAL INGENIERÍA EN TECNOLOGÍA AMBIENTAL. Universidad Politécnica de Durango
PERFIL PROFESIONAL INGENIERÍA EN TECNOLOGÍA AMBIENTAL Universidad Politécnica de Durango I. Programa Educativo II. Requerimientos del Sector Productivo Ingeniería en Tecnología Ambiental Evaluación de
Nombre de la asignatura: Calidad en los Sistemas de Información
Nombre de la asignatura: Calidad en los Sistemas de Información Créditos: 3-2-5 Aportación al perfil Aplicar normas, marcos de referencia y estándares de calidad y seguridad vigentes en el ámbito del desarrollo
INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTUDIO DE MERCADO
INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTUDIO DE MERCADO UNIDADES DE APRENDIZAJE 1. Competencias Desarrollar e innovar sistemas de manufactura a través de la dirección de proyectos,
COMPRENSIÓN LECTORA. Habilidades básicas para comprender textos. Elementos básicos en la comprensión lectora Equipo de Lectura y Escritura PACE-PAIEP
COMPRENSIÓN LECTORA Habilidades básicas para comprender textos Elementos básicos en la comprensión lectora Equipo de Lectura y Escritura PACE-PAIEP Presentación y objetivo de la clase La lectura es una
Valoración de las necesidades de cuidados
Valoración de las necesidades de cuidados Valoración de las necesidades de cuidados Introducción De manera general un problema es toda pregunta o dificultad que implica la búsqueda de una solución. Un
Evaluación de Sustentabilidad aplicada a proyectos de infraestructura.
Evaluación de Sustentabilidad aplicada a proyectos de infraestructura. Gordon Wilmsmeier CCT - IIRSA Quito, Ecuador 6 de noviembre de 2006 0 Brainstorming Qué es una Evaluación de Sustentabilidad (SIA)?
ISO Procedimientos para la evaluación de la Calidad
ISO 19114 Procedimientos para la evaluación de la Calidad Alcances Pautas: para la determinación y evaluación de calidad, (ISO 19113) para Evaluación y Presentación: - informe de calidad de datos (Metadatos)
SYLLABUS CÓDIGO:
SYLLABUS. DATOS INFORMATIVOS ASIGNATURA/MÓDULO: Fundamentos de Base de Datos CÓDIGO: 99 CRÉDITOS: 0 DOCENTE(S): EJE DE FORMACIÓN: CIENCIA MILITAR PERÍODO ACADÉMICO: III PERÍODO FECHA ELABORACIÓN: ENERO
Ingeniería en Desarrollo de Software 3 er semestre. Programa de la asignatura: Introducción a la ingeniería de software
Ingeniería en Desarrollo de Software 3 er semestre Programa de la asignatura: Introducción a la ingeniería de software Actividades de aprendizaje: A2_Métodos de desarrollo de software Clave: Ingeniería:
PERFIL PROFESIONAL DE INGENIERÍA QUÍMICA
PERFIL PROFESIONAL DE INGENIERÍA QUÍMICA Universidad Politécnica de Tlaxcala I. Programa Educativo II. Objetivo del Programa Educativo III. Requerimientos del Sector Productivo IV. Áreas Funcionales de
Identificación de agentes en el diseño de sistemas de control de producción Pau Herrero Viñas
Identificación de agentes en el diseño de sistemas de control de producción Pau Herrero Viñas Unidad de carga S1 M1 S4 Unidad de descarga M2 S2 S3 Basado en el artículo: On the Identification of Agents
MATEMÁTICAS I. Objetivos Conceptuales/Conocimiento adecuado y aplicado a la Economía y la Administración de Empresas de:
MATEMÁTICAS I CURSO: PRIMERO 1º SEMESTER 2º SEMESTER CARÁCTER: BASICA OBLIGATORIA OPCIONAL NO. DE CREDITOS (ECTS): 3 IDIOMA: ESPAÑOL PREREQUISITOS: CONOCIMIENTOS BASICOS DE MATEMÁTICAS 1- DESCRIPCIÓN DE
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Definición de clase: Una clase es un prototipo que define las variables y los métodos de todos los objetos con características comunes.
Clases y Objetos Java es un lenguaje orientado a objetos que incorpora un gran número de clases predefinidas organizadas en paquetes. La programación en Java supone definir clases de forma jerárquica,
Definición de clase: Una clase es un prototipo que define las variables y los métodos de todos los objetos con características comunes.
Clases y Objetos Java es un lenguaje orientado a objetos que incorpora un gran número de clases predefinidas organizadas en paquetes. La programación en Java supone definir clases de forma jerárquica,
Sección a la que se adscribe el manuscrito (marcar con X la opción correcta) DATOS DEL/DE LA EVALUADOR/A
PROTOCOLO DE EVALUACIÓN DE MANUSCRITOS PARA REVISORES EXTERNOS (PEER REVIEW) 1. DATOS DEL MANUSCRITO Código del manuscrito: Título del manuscrito: Sección a la que se adscribe el manuscrito (marcar con
UNIVERSIDAD 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
Nombre de la asignatura: Desarrollo Humano. Créditos: Aportación al perfil
Nombre de la asignatura: Desarrollo Humano Créditos: 4-0 - 4 Aportación al perfil Ejercer la profesión de manera responsable, ética y dentro del marco legal. Asumir las implicaciones de su desempeño profesional
Metodologías de Desarrollo de Software
Metodologías de Desarrollo de Software 1. Introducción. 2. Características principales. 3. Clasificación de las metodologías. 4. Principales metodologías de desarrollo. 4.010 CONCEPTOS GENERALES Metodología:
Director de Supervisión de Operaciones. Subdirector General de Comercial. Dirección de Supervisión de Operaciones
A. DATOS GENERALES Código del puesto Denominación de puesto Director de Supervisión de Operaciones B. DESCRIPCIÓN DEL PUESTO I. Datos de identificación del puesto Tipo de funciones X Administrativa Sustantiva
Primera 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
ISO Por: José de Jesús García Hernández Carlos Enrique Juárez Jiménez Andrés Hernández Hernández. Qué es ISO 9000?
ISO 9000 Por: José de Jesús García Hernández Carlos Enrique Juárez Jiménez Andrés Hernández Hernández Qué es ISO 9000? Son normas genéricas complementarias a las especificaciones de los productos, que
UNIVERSIDAD NACIONAL JOSE FAUSTINO SANCHEZ CARRION ESCUELA DE POSGRADO
MAESTRIA EN INGENIERIA DE SISTEMAS PERFIL DE COMPETENCIA DEL EGRESADO(A) DE MAESTRIA EN INGENIERIA DE SISTEMAS: 1. Identifica y organiza las fuentes de información de una empresa, para aplicarlas, al proceso
Planeación experimental
Planeación experimental Diseño de Experimentos Diseño de Experimentos Ventajas Identifica uno o más factores influyen dentro de la variable de respuesta. Permite establecer la combinación adecuada de tratamientos
Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision
Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision Procesos de desarrollo de SAD Hay dos formas de desarrollar SAD: Programar un SAD a medida: se puede emplear un lenguaje convencional como
Inteligencia Artificial
Inteligencia Artificial Guía de Aprendizaje Información al estudiante 1. Datos Descriptivos Asignatura Materia Departamento responsable Inteligencia Artificial Ingeniería del Software, Sistemas Informáticos
INICIATIVA IIRSA PROGRAMA REGIONAL DE CAPACITACIÓN PARTE I: ASPECTOS GENERALES
INICIATIVA IIRSA PROGRAMA REGIONAL DE CAPACITACIÓN METODOLOGÍA A DE EVALUACIÓN N AMBIENTAL Y SOCIAL CON ENFOQUE ESTRATÉGICO EASE IIRSA 1 MÓDULO 4. EVALUACIÓN N AMBIENTAL Y SOCIAL CON ENFOQUE ESTRATÉGICO
ANÁLISIS DE SISTEMAS. Por: Ing. Tanya Recalde Ch.
ANÁLISIS DE SISTEMAS Por: Ing. Tanya Recalde Ch. CAPÍTULO 3 ANÁLISIS Y DETERMINACIÓN DE REQUERIMIENTOS 3.1. INTRODUCCIÓN El objetivo del análisis de sistemas es comprender situaciones, no resolver problemas.
TEMA 1: FUNDAMENTOS DEL SIM
TEMA 1: FUNDAMENTOS DEL SIM 1.1. El SIM: concepto y elementos 1.2, Naturaleza y objetivos de la investigación de mercados 1.3. Metodología de la investigación de mercados 1.4. Tipos de investigaciones
Una taxonomía para la identificación de riesgos en los proyectos de desarrollo de software
Taxonomía de Riesgos 1 Una taxonomía para la identificación de riesgos en los proyectos de desarrollo de software Taxonomía de Riesgos en Proyectos de Ingeniería de Software. Blanca Estrada Renteríablancage@gmail.com
Instituto de Educación Técnica Profesional de Roldanillo, Valle- INTEP FORMATO DEL MICROCURRÍCULO TRABAJO AUTÓNOMO INTELIGENCIA DE NEGOCIOS
Página 1 de 7 A. AREA: FORMACIÓN ESPECÍFICA MÓDULO TOTAL HORAS CRÉDITOS TRABAJO DIRIGIDO TRABAJO AUTÓNOMO INTELIGENCIA DE NEGOCIOS SEMESTRE PROGRAMA DOCENTE DIRECCIÓN CORREO 32 32 32 Noveno Administración
Un importante problema para sistemas de la nueva generación
Un importante problema para sistemas de la nueva generación J. A. Stankovic, Misconceptions about Real-Time Computing: A Serious Problem for Next Generation Systems, IEEE Computer, October 1988. Manifestar
INGENIERIA CIVIL. Tercera Reunión General del Proyecto Tuning América Latina: innovación educativa y social Santiago de Chile del 2 al 4 de mayo 2012
INGENIERIA CIVIL Tercera Reunión General del Proyecto Tuning América Latina: innovación educativa y social Santiago de Chile del 2 al 4 de mayo 2012 RESULTADO 7 Estrategias comunes para la medición del
SECUENCIA DIDÁCTICA. Módulo Competencia de Módulo: Competencia de curso:
SECUENCIA DIDÁCTICA Nombre de curso: Costos Industriales Clave de curso: MII0803B21 Antecedente: Ninguno Módulo Competencia de Módulo: Clave de antecedente: Ninguna Aplicar alternativas de costeo para
OFICIAL EN AUDITORÍA DE CUENTAS Y CONTABILIDAD
GUÍA DOCENTE CURSO 2015-16 FICHA TÉCNICA DE LA ASIGNATURA Datos de la asignatura Valoración empresas y análisis de estados financieros Titulación MÁSTER OFICIAL EN AUDITORÍA DE CUENTAS Y CONTABILIDAD SUPERIOR
Perfil de Egreso Licenciatura en Mercadotecnia
Perfil de Egreso Licenciatura en Mercadotecnia El Licenciado en Mercadotecnia tendrá la capacidad de visualizar de manera integral las oportunidades que se generan con ayuda de la investigación comercial
USC 0101: Reformulación Proyecto "Mejoramiento del proceso de enseñanza aprendizaje de los estudiantes en matemáticas y física"
USC 0101: Reformulación Proyecto "Mejoramiento del proceso de enseñanza aprendizaje de los estudiantes en matemáticas y física" TERCER CONCURSO DE PROYECTOS FONDO COMPETITIVO MECESUP Reformulación proyecto
Descripción. Objetivos de Aprendizaje. Estructura y Contenidos
Descripción Los estudiantes aprenderán habilidades y conocimientos prácticos de las técnicas y principios para la construcción de prototipos funcionales, al tiempo que obtienen una base sólida en Interfaz
Dentro del curso se revisarán cada uno de estos temas desde el punto de vista de cada enfoque.
Explicación del tema 2 Metodología de la Investigación Tema 2. Aspectos generales de la investigación científica 2.1 Conceptos básicos de la investigación científica Será importante destacar que la investigación
Asignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Sistemas de Control Digital Área a la que pertenece: Área de Formación Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0187 Asignaturas antecedentes y
Indicadores de procesos de laboratorio clínico: Los puntos de vista de tres expertos. Dr. Gabriel A. Migliarino
Indicadores de procesos de laboratorio clínico: Los puntos de vista de tres expertos Dr. Gabriel A. Migliarino Indicadores de la calidad para el proceso general de análisis América Latina Generar resultados,