Unidad VIII Lenguaje Natural Análisis de Sentimientos
|
|
- Jorge Aguilera Lara
- hace 5 años
- Vistas:
Transcripción
1 Unidad VIII Lenguaje Natural Análisis de Sentimientos Maestría en Sistemas Computacionales Clave: MPSCO Créditos Sesiones Sábados Rafael Vázquez Pérez
2 Agenda Los sentimientos son inocentes como las armas blancas. Mario Benedetti 8.3 Fundamentos del Análisis de Sentimientos
3 Análisis de Sentimientos Es el uso de software para extraer automáticamente opiniones, emociones y el sentir de la gente. Nos permite rastrear actitudes y sentimientos en la web. Ya sea en Blogs, comentarios, foros, twitter, etc. Se pueden rastrear productos, marcas o personas para determinar si son bien o mal vistos en la red.
4 Análisis de Sentimientos Podemos analizar... Hechos Esa pintura costó más que un Monet Opiniones El Monet no me gustó, Pollock es un mejor artista
5 Hechos y Opiniones Qué es un hecho? Es una acción ejecutada, es un acontecimiento ocurrido, presentado objetivamente sin creencias o juicios del autor cuya principal característica es que es DEMOSTRABLE, pertenece al presente o al pasado y es expresado de forma unívoca. (Si se demuestra que no es cierto, es un Hecho falso, pero no vamos a entrar en ello, pero sí en que se puede DEMOSTRAR)
6 Hechos y Opiniones Ejemplos: Parral ganó el estatal de Baseball en el 2014 Yo corrí el 21k Oxxo en 2 horas Esta computadora es una mac. Note que no se han usado adjetivos, ni subjuntivos, ni condicionales
7 Hechos y Opiniones Qué es una opinión? Se manifiesta la creencia o juicio personal del autor, resultado de una emoción o de una interpretación propia de un Hecho. Se puede observar a simple vista que, como depende del autor, tendremos distintas creencias o juicios sobre el mismo hecho
8 Hechos y Opiniones Por ejemplo: Parral juega espantoso He corrido muy lento Esta mesa es grande La gran diferencia es que una opinión no se puede afirmar como verdadera o falsa y un hecho sí. Frente a una opinión puedes estar de acuerdo o en desacuerdo dependiendo de si tienes la misma creencia o no. Y opiniones hay tantas como personas, así que empecemos a ahorrarnos discusiones sin sentido (debates sí, discusiones no).
9 Análisis de Sentimientos Areas de la Computación que intervienen: Big Data- Se recaban una gran cantidad de datos (Data Mining, Minería de Opinión) para mejorar el desempeño de los algoritmos Procesamiento de Lenguaje Natural-Transformar el texto en un formato que la maquina puede comprender. Inteligencia Artificial- Utiliza la información que da el PLN y muchas matemáticas para determinar si algo es positivo o negativo
10 Análisis de Sentimientos El problema tiene varias dimensiones: Cómo define el algoritmo la subjetividad y el sentir? Cómo analizamos la polaridad (positivo/negativo)? Cómo procesamos las oraciones con palabras subjetivas? Cómo asignamos un valor a una opinión? Cómo podemos saber la intensidad de un sentimiento?
11 La palabra Madre y sus connotaciones A toda Madre Alegría En la Madre Ingesu Madre Enojo Ni Madres Negativa Madressss!!!! Sorpresa Donde está esa Madre? Ubicación Eso Sabe a Madres Vales pa pura Madre Despectivo Atrapado en la movida Sentido del gusto
12 HE y ML Human Engineering Sistemas expertos con listas de palabras buenas y malas hechas a mano Machine Learning PLN: Procesamiento de lenguaje natural y comprensión del habla, se utilizan modelos estadísticos y sets de entrenamiento Tipos Supervisado y Directo Sin supervisar y sin datos Semisupervisado
13 Que es una opinión para la máquina? Es una quintupla, o sea un objeto hecho de 5 cosas distintas ( oj, fjk, soijkl, hi, tl ) o es el objeto en cuestión f alguna característica del objeto so el valor del sentir de la opinión de la persona h en cuanto a la característica f del objeto o al tiempo t
14 El lenguaje es demasiado ambiguo para la máquina El reloj no es resistente al agua.- Es negativo en una reseña pero neutral en la descripción del producto. tan malo como la carne de cerdo.- Es negativo pero no lo entiende la maquina lol estuvo increeeeeibleeeeeee.- Lenguaje común en redes, muy difícil de procesar.
15 Tenemos Social Data Datos generados de actividades humanas en redes sociales
16 Mas Info El fenómeno de las redes sociales pasó de ser un medio de interacción para jóvenes a ser un canal de comunicación que las empresas deben considerar seriamente El estudio titulado Social Media Benchmark Study 2013 nos dice que el 67% de los consumidores utilizan los perfiles en redes sociales de una empresa para obtener información sobre los servicios
17 Mas Info y que el 43% de los jóvenes de entre 18 y 29 años, prefiere interactuar con las marcas a través de las redes sociales, que utilizar otro tipo de comunicación. En definitiva, las redes sociales son un mercado en que las empresas deben invertir tiempo y esfuerzo.
18 El proceso inicial Etiquetar parte del discurso, pero también la posición y mas Las palabras en un texto son etiquetadas usando un POStagger, para asignarle una etiqueta a cada palabra, permitiendo así que el algoritmo las pueda procesar, esto se puede ver así:
19 Revisamos como está orientado el sentimiento (so) de los patrones que extrajimos: Increíble+Teléfono lo cual es: [JJ]+[NN] (adjetivo seguido por un sustantivo) Lo opuesto sería terrible, en este paso el algoritmo trata de situarlo en una escala emotiva por así decirlo.
20 Los efectos de la negación La comida no estuvo buena Hay que seguir el negativo hasta que el termino de la oración o algún signo de puntuación, para determinar el sentimiento. El efecto de la negación depende del término Doble negativo mediano -> no esta mal = bien Doble negativo extremo -> no está horrible = regular
21 Parcialidad del aprendizaje Si revisamos IMDB encontramos que la palabra bad se repite mucho mas veces en las criticas con 10 estrellas que en las de 2 estrellas Por lo tanto tenemos que normalizar usando frecuencias relativas
22 Sentimiento en redes Emoticones :) ;( :/ Con expresiones regulares podemos detectar el 95% de estos ignoramos los complejos Longitud La presentación estuvo geniaaaaaaaaal! David es el mejoooor! No hay palabras con 3 vocales seguidas Fácil de normalizar por lo común que son El ruido lo podemos quitar con más datos, usamos la idea de Big Data y limpiamos los datos. Incluimos muchos modelos de entrenamiento
23 Clasificando los sentimientos Naive Bayes (usamos el teorema de bayes) Entropia Máxima (usa distribuciones de probabilidad en base a conocimiento parcial) Support Vector Machines (los datos los convertimos a vectores en espacio 2D) Relevance Vector Machine (similar a SVM pero asigna probabilidades usando Sparse Bayesian Learning) SVM y RVM tienen un 80 % de mejor desempeño que los otros
Inteligencia Artificial: Su uso para la investigación
Inteligencia Artificial: Su uso para la investigación Dra. Helena Montserrat Gómez Adorno Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas helena.adorno@iimas.unam.mx 1 Introducción
Más detallesCARACTERÍSTICAS GENERALES
CARACTERÍSTICAS GENERALES Nombre del programa Licenciatura de Ingeniería en Sistemas Inteligentes, 2007 Título que otorga Ingeniero/a en Sistemas Inteligentes Espacio donde se imparte Unidad Académica
Más detallesLingüística computacional
Lingüística computacional Definición y alcance Escuela Nacional de Antropología e Historia (ENAH) Agosto diciembre de 2015 Lingüística Ciencias de la computación Lingüística computacional Estudio del lenguaje
Más detallesLA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN
LA MINERÍA DE DATOS APLICADA A LA BÚSQUEDA DE PATRONES DE SUPERVIVIENCIA EN LA NEOPLASIA MALIGNA DE TRÁQUEA, BRONQUIOS Y PULMÓN Miguel Ángel Negrín; Christian González; Jaime Pinilla; Francisco-José Vázquez-Polo
Más detalles2021: Odisea del Ciberespacio
2021: Odisea del Ciberespacio M.C. Romeo A. Sánchez López CISM CEH CISSP CCNA CCSI SCSA SCJP SCMAD ITIL MCP TOGAF Ingeniero en Seguridad Computacional Maestro en Educación Maestro en Ciencias en Sistemas
Más detallesCapítulo 5. Conclusiones
Capítulo 5 Conclusiones En este trabajo se desarrolló un sistema capaz de clasificar enunciados dependiendo de la opinión que cada uno expresa acerca de una película. Se cumplió entonces con el objetivo
Más detallesPLAN DE ESTUDIOS
ESCUELA UNIVERSITARIA DE INGENIERÍA FACULTAD DE INGENIERÍA INDUSTRIAL CARRERA DE INGENIERÍA DE SISTEMAS 6500 PLAN DE ESTUDIOS 2017-1 PRIMER NIVEL 5111 6506 LENGUAJE Y COMUNICACIÓN I ---------------- 5
Más detallesTABLA DE EQUIVALENCIAS DE ASIGNATURAS PLAN DE ESTUDIOS PROPUESTO PLAN DE ESTUDIOS
6500 FACULTAD DE INGENIERÍA Y ARQUITECTURA CARRERA DE INGENIERÍA DE SISTEMAS TABLA DE EQUIVALENCIAS DE ASIGNATURAS PLAN DE ESTUDIOS PROPUESTO 2018-1 PLAN DE ESTUDIOS 2017-1 PRIMER NIVEL 5111 6506 LENGUAJE
Más detallesSOLUCIONES DE INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y EXPLOTACIÓN COGNITIVA
SOLUCIONES DE INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y EXPLOTACIÓN COGNITIVA Recientemente, tecnologías como la Inteligencia Artificial (IA) han avanzado significativamente, y han creado grandes oportunidades
Más detallesMachine Learning y su Utilización en Riesgo de. Seemant Teotia Sr. Director International Analytics Equifax Inc. USA. Crédito
Machine Learning y su Utilización en Riesgo de Seemant Teotia Sr. Director International Analytics Equifax Inc. USA Crédito Principios de Machine Learning Qué es? Por qué lo usamos? Cuándo lo usamos? Ejemplos
Más detallesInteligencia Artificial 2018
Inteligencia Artificial Prof. Dr. Ariel Monteserin ISISTAN (CONICET UNCPBA) silvia.schiaffino@isistan.unicen.edu.ar ariel.monteserin@isistan.unicen.edu.ar Ejercicio /Colaboración Listar 15 películas favoritas
Más detallesIdentificación de polaridad en textos en español basada en la creación de un léxico afectivo
Centro Nacional de Investigación y Desarrollo Tecnológico Identificación de polaridad en textos en español basada en la creación de un léxico afectivo Ponente: Yolanda Raquel Baca Gómez Dra. Alicia Martínez
Más detallesV https://www.google.com/analytics/resources/white-paper-mit-tr-analytics-machine-learning.html?utm_source=twitter&utm_medium=social-owned&utm_campaign=2016-q4-gbl-all-ga360-suite&utm_content=mit-whitepaper
Más detallesDIPLOMADO EN DATA MINING
DIPLOMADO EN DATA MINING DIPLOMADO EN DATA MINING Los datos que tienen relevancia para las decisiones de gestión, se están acumulando a un ritmo increíble, debido a una serie de avances tecnológicos. La
Más detallesAutomatización de la Evaluación del Impacto Social en Proyectos de Inversión Publica
Automatización de la Evaluación del Impacto Social en Proyectos de Inversión Publica Ronald René Vergara Pareja 1 Agenda Objetivo de la Investigación. Situación Actual de los Proyectos de Inversión Publica.
Más detallesBenemérita Universidad Autónoma de Puebla Vicerrectoría de Docencia Dirección General de Educación Superior Facultad de Ciencias Físico Matemáticas
PLAN DE ESTUDIOS (PE): Licenciatura en Matemáticas Aplicadas ÁREA: Análisis y Métodos Numéricos ASIGNATURA: CÓDIGO: CRÉDITOS: 6 FECHA: Julio de 2017 1 1. DATOS GENERALES Nivel Educativo: Licenciatura Nombre
Más detallesIntroducción a la minería de datos
Introducción a la minería de datos 1 Temario Qué es minería de datos? Quién usa minería de datos? Por qué de la minería de datos? Ciclo virtuoso de la minería de datos 2 Definición de minería de datos
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 detallesINGENIERÍA DE SISTEMAS Y COMPUTACIÓN
Ciclo I Comprensión de Textos y Redacción Básica Estrategias para el Aprendizaje Autónomo Competencias Digitales Introducción a la Ingeniería de Sistemas y Computación Matemática Discreta Matemática Básica
Más detallesPROPUESTA DE MINOR CIENCIA DE LOS DATOS. DATA SCIENCE Resultados de Aprendizaje del Minor
PROPUESTA DE MINOR Nombre del Minor CIENCIA DE LOS DATOS DATA SCIENCE del Minor Al finalizar el Minor el estudiante logrará: Analizar y representar grandes volúmenes de datos complejos tales como: imágenes,
Más detallesUNIVERSIDAD CATÓLICA SANTO TORIBIO DE MOGROVEJO VICERRECTORADO ACADÉMICO
Página 1 de 10 UNIVERSIDAD CATÓLICA SANTO TORIBIO DE MOGROVEJO VICERRECTORADO ACADÉMICO FACULTAD DE: ESCUELA PROFESIONAL DE: INGENIERÍA INGENIERÍA DE PLAN CURRICULAR: 2017 CARRERA PROFESIONAL: INGENIERÍA
Más detallesESTADÍSTICA BAYESIANA Y TEORÍA DE DECISIONES
MISIÓN Formar profesionales altamente capacitados, desarrollar investigación y realizar actividades de extensión en Matemáticas y Computación, así como en sus diversas aplicaciones. ESTADÍSTICA BAYESIANA
Más detallesObjectivos Nivel B1. Adultos. Alter Ego+ B1. 3 ó 4 horas semanales
Objectivos Nivel B1 Adultos 3 ó 4 horas semanales Alter Ego+ B1 DELF B1 Puedo entender y participar en una conversación, dar mi opinión y me siento en confianza en todas las situaciones de la vida cotidiana.
Más detalles5ª Jornada de Difusión Tecnológica
5ª Jornada de Difusión Tecnológica La Minería de Textos y Opinión, oportunidad para la adquisición de información no estructurada. 23 noviembre 2010 D. Antonio Moreno Profesor Titular e Investigador del
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 detallesUniversidad Fermín Toro. Cabudare Lara
Universidad Fermín Toro Cabudare Lara Lenguaje Natural y Lenguaje Artificial Autor: Jesús Colmenarez C.I.13.032.160 Sec. SAIA Introducción a la Computación Lenguaje Natural El lenguaje natural es el lenguaje
Más detallesLICENCIATURA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN PLAN: 2052 OPCIÓN: Horas Teo.
Hoja : 1 de 7 PROGRAMA: EN CIENCIAS DE LA COMPUTACIÓN PLAN: 2052 Clave Materia Tipo Créditos Horas Teo. Horas Lab. Eje Créditos Req. Materias Requisito 0119 ACTIVIDADES CULTURALES Y DEPORTIVAS OBL 4 0
Más detallesLínea de Especialización Inteligencia Computacional y Robótica
Línea de Especialización Inteligencia Computacional y Robótica 1.- Propósito de la línea de especialización La Inteligencia Computacional agrupa la teoría, diseño y aplicación de métodos y técnicas biológica
Más detallesSistema de Detección de Intrusos para ataques Cross-Site Scripting
Sistema de Detección de Intrusos para ataques Cross-Site Scripting García Ramírez Israel & Fonseca Casao Sergio Israel Directores: M. en C. Ramírez Morales Mario Augusto & M. en C. Saucedo Delgado Rafael
Más detallesFernando Galindo Soria MÉXICO. 18 de Abril del 2014 R E D I. Información. Materia Energía
Desarrollo de productos de Informática http://www.fgalindosoria.com/alta_direccion/d_i/2desarrollo_productos_informatica.ppt http://www.fgalindosoria.com/alta_direccion/d_i/2desarrollo_productos_informatica.pdf
Más detallesGrado en Ingeniería Informática
Grado en Ingeniería Informática Primer Curso Primer semestre ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular
Más detallesAprendizaje Supervisado Clasificación Bayesiana (Método de Naïve Bayes)
Aprendizaje Supervisado Clasificación Bayesiana (Método de Naïve Bayes) 10 10 Modelo general de los métodos de Clasificación Id Reembolso Estado Civil Ingresos Anuales 1 Sí Soltero 125K No Fraude Algoritmo
Más detallesCientífico de datos o data scientist
Científico de datos o data scientist La demanda de científicos de datos se ha incrementado de manera constante en los últimos años, existe en el mercado una amplia oferta para los científicos de datos.
Más detallesAnálisis Inteligente de Datos: Introducción
Análisis Inteligente de Datos: cvalle@inf.utfsm.cl Departamento de Informática - Universidad Técnica Federico Santa María Santiago, Marzo 2009 Temario 1 Temario 1 Preguntas Relevantes Por qué análisis
Más detallesAgenda. Análisis de Sentimientos en Opiniones en Español: Tratamiento de la Negación. Elementos de la negación
Agenda Análisis de Sentimientos en Opiniones en Español: Tratamiento de la Negación. Samara Gretel Villalba Osornio, Juan Andrés Pérez Celis, Luis Villaseñor, Manuel Montes y Gómez. Instituto Nacional
Más detallesObjetivos Nivel B1. Adolescentes: años. Adomania B1. 3 horas semanales
Objetivos Nivel B1 Adolescentes: 11-16 años 3 horas semanales Adomania B1 DELF B1: Puedo entender y participar en una conversación, dar mi opinión y me siento en confianza en todas las situaciones de la
Más detalles1 o GII. Calendario de Exámenes 2018 Convocatoria de junio. Universidad de Murcia Facultad de Informática
1 o GII 1891 Estadística 22-5-2018 M A.01, A.02,, A.04, Labs. 1 a planta 1886 Fundamentos lógicos de la informática 24-5-2018 T A.01, A.02, 1885 Algebra y matemática discreta 28-5-2018 M A.01, A.02, Lab.
Más detallesCARRERA DE INGENIERIA DE SISTEMAS
COMPUTACIÓN GRÁFICA CARRERA DE INGENIERIA DE SISTEMAS Act. Mayo 14 2013 ASIGNATURAS DE ÉNFASIS OFRECIDAS PARA LA CARRERA COMPUTACIÓN GRÁFICA 4189 Introducción a la Computación Gráfica 3 21801 Interacción
Más detallesInteligencia Artificial Plan 2010-Ingeniería en Sistemas Computacionales
Inteligencia Artificial Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad 1: Fundamentos de Inteligencia Artificial 1.1. Historia de la IA. 1.2. Conceptos y técnicas (Estado
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 detallesEdith Rivero. Redes Sociales: Podemos detectar contenido malicioso?
Redes Sociales: Podemos detectar contenido malicioso? Edith Rivero Redes Sociales: Podemos detectar contenido malicioso? 1 Agenda 1. Introducción 2. Contenido malicioso 2.1. Delitos informáticos 2.2. En
Más detallesCARACTERÍSTICAS GENERALES
CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Ingeniería en Sistemas y Comunicaciones 2004 b) Titulo que se otorga Ingeniero/a en Sistemas y Comunicaciones c) Espacio donde se imparte Centro
Más detallesASIGNATURA FECHA HORA AULA. Introducción a la Robótica 15-dic 11,00-13,00 2,2H/2,3H. Programación de Robots I 18-dic 10,00-12,00 2,2H/2,3H
EXÁMENES CONVOCATORIA ORDINARIA 1ºC PRIMER CURSO Introducción a la Robótica 15-dic 11,00-13,00 2,2H/2,3H Programación de Robots I 18-dic 10,00-12,00 2,2H/2,3H Fundamentos de Ingeniería Informática 20-dic
Más detallesInteligencia Artificial II
Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de
Más detallesUniversidad Autónoma del Estado de México Licenciatura de Ingeniería en Sistemas Inteligentes 2007 Programa de estudios de la unidad de aprendizaje:
Universidad Autónoma del Estado de México Licenciatura de Ingeniería en Sistemas Inteligentes 2007 Programa de estudios de la unidad de aprendizaje: Cálculo II I. Datos de identificación Licenciatura Ingeniería
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 detallesLICENCIATURA EN CIENCIAS COMPUTACIONALES. Este programa educativo se ofrece en las siguientes sedes académicas de la UABC:
LICENCIATURA EN CIENCIAS COMPUTACIONALES Este programa educativo se ofrece en las siguientes sedes académicas de la UABC: Campus Campus Ensenada, Unidad Ensenada Unidad académica donde se imparte Facultad
Más detallesSistema Plan Estudio Martes, 18 de Noviembre de :46 - Actualizado Viernes, 30 de Junio de :30. Año Sem. Nº Asignatura Regulares
Ingeniería en Sistemas de Información Reglamentación Práctica Profesional Supervisadas Solicitud Inicial De Práctica Profesional Supervisadas Plan de Estudio 2008 Año Sem. Nº Asignatura Regulares Apr 1
Más detallesUniversidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática
Universidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática Plan de Estudios 2008 (Modificado: Resolución VD-8687-2011)
Más detallesAnalizando patrones de datos
Analizando patrones de datos SQL Server DM, Excel DM, Azure ML y R Ana María Bisbé York @ambynet http://amby.net/ Temario Introducción a Minería de datos MS Office Excel Herramientas de tabla y Minería
Más detallesÍndice general. Prefacio...5
Índice general Prefacio...5 Capítulo 1 Introducción...13 1.1 Introducción...13 1.2 Los datos...19 1.3 Etapas en los procesos de big data...20 1.4 Minería de datos...21 1.5 Estructura de un proyecto de
Más detallesa Distribución del plan de estudios en créditos ECTS, por tipo de materia. Total créditos ECTS: 240 Tipo de materia:
1 Descripción general del plan de estudios: a Distribución del plan de estudios en créditos ECTS, por tipo de materia. Total créditos ECTS: 240 Tipo de materia: Formación básica 60 Obligatorias 66 Optativas
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Enfasis 0 Bloque Común(no hay énfasis) 1 CI0110 INTRODUCCIÓN A LA COMPUTACIÓN 5 0 0 0 4 1 EF- ACTIVIDAD DEPORTIVA 0 0 2 0 0 1 EG-I CURSO INTEGRADO DE HUMANIDADES I 8 0 0 0 6 1 LM1030 ESTRATEGIAS
Más detalles11. FUENTES DE INFORMACIÓN
multidimensionales Unidad 3: Tratamiento del color Identificar las características del histograma y su uso para el tratamiento del color Obtener el histograma de diferentes imágenes para indicar las características
Más detallesG: GRADOS PLAN 2014 (COMPUTADORES, SOFTWARE Y SISTEMAS DE INFORMACIÓN), C: COMPUTADORES (PLAN 2009), S: SOFTWARE (PLAN 2009)
PROGRAMACIÓN EÁMENES GRADOS CURSO 2015/16 EÁMENES CONVOCATORIA DE M1 9 a 12 12 a 15 15 a 18 18 a 21 2016 L M J V S D 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 DÍA TURNO M1 V 8 M1 LÓGICA Y MATEMÁTICA DISCRETA
Más detallesLicenciado en Ciencias Computacionales Plan
Licenciado en Ciencias Computacionales Plan 2017-2 Este programa educativo se ofrece en las siguientes unidades académicas de la UABC: Campus Unidad académica Organismo Acreditador Situación de calidad
Más detallesReconocimiento Automático de Voz
Reconocimiento Automático de Voz Presentación basada en las siguientes Referencias: [1] Rabiner, L. & Juang, B-H.. Fundamentals of Speech Recognition, Prentice Hall, N.J., 1993. [2] Rabiner, L. & Juang,
Más detallesf) Calendario escolar y periodos para administrar las unidades de aprendizaje Calendario escolar anual, con dos periodos regulares y un intensivo
CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Licenciatura en Ingeniería en Computación 2004 b) Título que se otorga Ingeniero/a en Computación c) Espacios donde se imparte Facultad de Ingeniería
Más detallesMachine Learning Bases
Machine Learning Bases Programa de Estudio Machine Learning Bases Si te interesa convertirte en un experto en Inteligencia Artificial, en este curso se detallarán los conocimientos imprescindibles para
Más detallesUniversidad de Málaga, en sesión celebrada el día 16 de diciembre de 2013, a este Vicerrectorado,
En uso de la atribución de competencias conferida por el Consejo de Gobierno de la Universidad de Málaga, en sesión celebrada el día 16 de diciembre de 2013, a este Vicerrectorado, se INFORMA al Consejo
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 detallesBloque/ Aula T1 ARQUITECTURA Y DISEÑO SOFTWARE (S3) 3101
EXÁMENES CONVOCATORIA DE 9 a 12 12 a 15 15 a 18 18 a 21 2017 9 10 11 12 13 14 15 16 17 18 19 20 21 22 FUNDAMENTOS DE LOS COMPUTADORES (G1)/ SISTEMAS DIGITALES (C1) L 9 INGLÉS MEDIO (G-OPT y CS-OPT) REDES
Más detallesAPRENDIZAJE PROBABILÍSTICO NAIVE BAYES
1 APRENDIZAJE PROBABILÍSTICO NAIVE BAYES Bases de Datos Masivas 9 de Noviembre de 2016 2 Razonamiento Probabilístico Es una herramienta de aprendizaje estadístico. Se trata de razonar en un contexto incierto;
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 detalles1.-DATOS DE LA ASIGNATURA
1.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Minería de Datos Carrera: Ingeniería en Sistemas Computacionales Clave de la asignatura: ADM-0701 Horas teoría-horas práctica-créditos: 3-2-8 2.-HISTORIA
Más detallesSegmentación de una cartera de clientes usando aprendizaje de máquina
Inicio Segmentación de una cartera de clientes usando aprendizaje de máquina Universidad San Ignacio de Loyola I encuentro interdisciplinario de investigación desarrollo y tecnología USIL 2014 Inicio Inicio
Más detallesInteligencia Artificial Plan 2010-Ingeniería en Sistemas Computacionales
Inteligencia Artificial Plan 2010-Ingeniería en Sistemas Computacionales Rafael Vázquez Pérez Unidad 1: Fundamentos de Inteligencia Artificial 1.1. Historia de la IA. 1.2. Conceptos y técnicas (Estado
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Enfasis 0 Bloque Común(no hay énfasis) 1 CI0110 INTRODUCCIÓN A LA COMPUTACIÓN 5 0 0 0 4 1 EF- ACTIVIDAD DEPORTIVA 0 0 2 0 0 1 EG-I CURSO INTEGRADO DE HUMANIDADES I 8 0 0 0 6 1 LM1030 ESTRATEGIAS
Más detallesBuenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM.
Buenas prácticas para la implementación de herramientas de Ciencia de Datos Leonardo Alfonso Ramos Corona Facultad de Geografía, UAEM. Qué es la ciencia de datos? Es muy difícil encontrar una definición
Más detallesTítulo! Analiza, conecta, genera credibilidad.
Título Analiza, conecta, genera credibilidad. CONÓCENOS CANDIDATUM es un servicio que le permite a los candidatos monitorear el pulso de los electores, construir comunidades de simpatizantes y generar
Más detallesIngeniería Informática
Grado en Ingeniería Informática Escuela Superior de Ingeniería Avda. de la Universidad de Cádiz, 10 11519 - Puerto Real (Cádiz) 95483200 grado.informatica@uca.es http://esingenieria.uca.es Itinerario Curricular
Más detallesINFORMACIÓN ACADÉMICO PROFESIONAL CIENCIA DE DATOS CURSO
INFORMACIÓN ACADÉMICO PROFESIONAL CIENCIA DE DATOS CURSO 2018-19 2 / 8 CIENCIA DE DATOS 1. PRESENTACIÓN DE ESTOS ESTUDIOS El grado en responde a la necesidad de formar graduados expertos en el procesamiento
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Plan de Estudio Enfasis 0 Bloque Común(no hay énfasis) Nivel Curso Nombre del curso T P L TP Cred. Requisitos y Req. Equivalentes Correquisitos y Correq. Equivalentes 1 CI1010 INTRODUCCIÓN
Más detallesINTRODUCTION TO MACHINE LEARNING ISABELLE GUYON
INTRODUCTION TO MACHINE LEARNING ISABELLE GUYON 2008-02-31 Notas tomadas por: María Eugenia Rojas Qué es Machine Learning? El proceso de aprendizaje de maquina consiste en tener una gran base de datos
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 detallesLÓGICA PROPOSICIONAL
LÓGICA PROPOSICIONAL QUE ES LA LÓGICA? El sentido ordinario de la palabra lógica se refiere a lo que es congruente, ordenado, bien estructurado. Lo ilógico es lo mismo que incongruente, desordenado, incoherente.
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detallesModelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS)
VICERRECTORADO DE INVESTIGACIÓN INNOVACIÓN Y TRANSFERENCIA DE TECNOLOGÍA MAESTRÍA EN INGENIERÍA DE SOFTWARE SEGUNDA PROMOCIÓN Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de
Más detallesLa era de las decisiones inteligentes: Data Science y Marketing Digital
La era de las decisiones inteligentes: Data Science y Marketing Digital La Ciencia de Datos (Data Science) es una disciplina de reciente aparición que está revolucionando la forma en que se hacen negocios.
Más detallesDATA MINING: TORTURANDO LOS DATOS HASTA QUE CONFIESEN. Luis Carlos Molina Félix INT Intelligence & Telecom
1 DATA MINING: TORTURANDO LOS DATOS HASTA QUE CONFIESEN Luis Carlos Molina Félix INT Intelligence & Telecom Qué tan nuevos son todos estos conceptos? La toma de decisiones Antes de Cristo Año Evento 3050
Más detallesBúsqueda por Contenido de Imágenes y Videos
Búsqueda por Contenido de Imágenes y Videos Juan Manuel Barrios http://juan.cl/ Departamento de Ciencias de la Computación Universidad de Chile Semestre Otoño 2016 Curso Búsqueda por Contenido de Imágenes
Más detallesGrado en Ingeniería Informática-Tecnologías Informáticas
Curso 1º 1 2060001 Fundamentos de Programación 12 A 1 2060002 Administración de Empresas 6 C1 1 2060003 Cálculo Infinitesimal y Numérico 6 C1 1 2060004 Circuitos Electrónicos Digitales 6 C1 1 2060005 Introducción
Más detallesLICENCIATURA EN INGENIERÍA EN SISTEMAS COMPUTACIONALES
La presente Licenciatura cuenta con el Reconocimiento de Validez Oficial de Estudios: - Secretaría de Educación Pública Federal: RVOE SEPF - 20111079; OCTUBRE 2012 La Licenciatura en Ingeniería en Sistemas
Más detallesExtracción de Regiones
Visión por Computadora Unidad V Extracción de Regiones Rogelio Ferreira Escutia Contenido ) Conceptos sobre Regiones 2) Binarización mediante detección de umbral 3) Etiquetado de componentes conexas 4)
Más detallesInteligencia artificial
Inteligencia artificial Proceso de Lenguaje Natural Qué es el Lenguaje? Qué es el Lenguaje Natural? Procesamiento del lenguaje Natural (PLN) Aplicaciones PLN Niveles del Lenguaje Arquitectura de un sistema
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 detallesANALÍTICA DE BIG DATA (BDA)
ANALÍTICA DE BIG DATA (BDA) Tendencias Retos Oportunidades Fabián García Nocetti IIMAS-UNAM CAACFMI-UNAM AMIAC Ciencia de Datos y Big Data Analítica de Big Data (BDA) Aplicaciones Arquitectura General
Más detallesAulas Pruebas de Evaluación Grados Ingeniería Informática, Ingeniería Informática + ADE y Matemáticas e Informática
Miércoles 27 de junio de 2018 105000013 Programación I 1º 9:00 167 105000352 Programación I 1º 9:00 3203 5 105000105 Programación I 1º 9:00 Bloque 3 aula 3202 24 105000141 Geometría Fractal 8º 9:00 0 105000048
Más detallesCapitulo 1: Introducción al reconocimiento de patrones (Secciones )
Capitulo 1: Introducción al reconocimiento de patrones (Secciones 1.1-1.6) M A C H I N E P E R C E P T I O N U N E J E M P L O S I S T E M A S D E R E C O N O C I M I E N T O D E P A T R O N E S C I C
Más detallesCoeficientes Cepstrales en Frecuencia Mel y Dynamic Time Warping para Reconocimiento Automatico del Habla
Coeficientes Cepstrales en Frecuencia Mel y Dynamic Time Warping para Reconocimiento Automatico del Habla Jorge Luis Guevara Diaz Semana ciencia de la Computación Escuela de Informática Universidad Nacional
Más detallesCalendario escolar y períodos para administrar las unidades de aprendizaje Calendario escolar anual, con dos períodos regulares y un intensivo
CARACTERÍSTICAS GENERALES Nombre de la carrera Licenciatura en Ingeniería en Computación, 2004 Título que otorga Ingeniero/a en Computación Espacio académico donde se imparte Facultad de Ingeniería Centro
Más detallesClasificación Bayesiana
Clasificación Bayesiana Naive Bayes septiembre 30, 2014 Ricardo Corral Corral rcorral@email.ifc.unam.mx Instituto de Fisiología Celular Universidad Nacional Autónoma de México Temas 1 Introducción Conceptos
Más detallesFORTISSIMO 2 EXPERIMENT 904: MEJORA DEL SISTEMA REMOTO
OTEAres FORTISSIMO 2 EXPERIMENT 904: MEJORA DEL SISTEMA REMOTO EXPERTO BASADO EN EL SOFTWARE OTEA innovation programme under grant agreement No 680481 (Fortissimo 2 project). Objetivos de OTEAres OTEARES
Más detallesEXÁMENES CONVOCATORIA DE JUNIO M1 9 a 12 M2 12 a 15 T1 15 a 18 T2 18 a 21
EÁMENES CONVOCATORIA DE 9 a 12 12 a 15 15 a 18 18 a 21 2018 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 DÍA TURNO ASIGNATURA Bloque/ ASIGNATURA ESTRUCTURAS DE DATOS (G1) I L 4 TRADUCTORES DE LENGUAJES DE
Más detallesIII.Otrasdisposicionesyactos
Página5514/Núm.36 BOLETÍNOFICIALDELARIOJA Miércoles,18demarzode2015 III.Otrasdisposicionesyactos UNIVERSIDADINTERNACIONALDELARIOJA Resoluciónde4demarzode2015,delaUniversidadInternacionaldeLaRioja,porlaquesepublica
Más detallesTópicos Selectos en Aprendizaje Maquinal. Clasificación y Regresión con Datos Reales
Tópicos Selectos en Aprendizaje Maquinal Guía de Trabajos Prácticos N 2 Clasificación y Regresión con Datos Reales 18 de septiembre de 2014 1. Objetivos Introducir conceptos básicos de aprendizaje automático.
Más detalles