O slideshow foi denunciado.
Utilizamos seu perfil e dados de atividades no LinkedIn para personalizar e exibir anúncios mais relevantes. Altere suas preferências de anúncios quando desejar.

Clase 17 tendencias en la ingenier ia de sistemas

48 visualizações

Publicada em

tendencias en la ingenier ia de sistemas

Publicada em: Educação
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Clase 17 tendencias en la ingenier ia de sistemas

  1. 1. Pedro Armijo Inteligencia Artificial 1 «Tan importante es educar a las nuevas generaciones que vienen como también creo que es importante enseñar a la fuerza laboral existente, para que puedan entender cómo hacer que la Inteligencia Artificial les sirva a ellos y a sus roles». Sarah Aerni
  2. 2. Pedro Armijo Inteligencia Artificial Alan Turing 2 Científico ingles, considerado el padre de la computación. Diseño la Maquina de Turing, la cual es una máquina conceptual que utilizó para formalizar los conceptos del modelo computacional que se sigue en la actualidad. (Garcia, 2016, p. 1)
  3. 3. Pedro Armijo Inteligencia Artificial 3 Cumputing Machinery and Intelligence Si una máquina puede actuar como un humano, entonces podremos decir que es inteligente. 1950 Permite afirmar si una máquina es o no inteligente. Para llegar a esta conclusión, un ser humano se comunicaría a través de una terminal informática con una entidad que se hallaría en una habitación contigua. Esta entidad podría ser un humano o una máquina inteligente. Si tras una conversación la persona no es capaz de distinguir si lo que hay en la otra habitación es un humano o una máquina, entonces, en caso de ser una máquina, la podemos considerar inteligente. Test de Turing (Garcia, 2016, p. 1)
  4. 4. Pedro Armijo Inteligencia Artificial 4 Test de Turing Una maquina que sea capaz de pasar el test de Tuting debe tener las siguientes capacidades. • Reconocimiento del lenguaje natural • Razonamiento • Aprendizaje • Representación del conocimiento Test de Turing Total Indica que si una terminal informática que permita la comunicación dispone de cámara de vídeo e imagen, por lo que la comunicación se produce como si fuera una videoconferencia. Para pasar esta prueba la maquina debe tener dos capacidades adicionales • Visión • Robótica (Garcia, 2016, p. 1)
  5. 5. Pedro Armijo 5 Inteligencia Artificial Procesamiento del lenguaje Natural o NLP (Natural Language Processing Razonamiento Automático Aprendizaje Automático Representación del conocimiento Agente Inteligente (Garcia, 2016, p. 1)
  6. 6. Pedro Armijo Los temas fundamentales de la Inteligencia Artificial 6
  7. 7. Pedro Armijo Conceptualizaciones alrededor de la IA 7 Haugeland, 1985 • “La interesante tarea de lograr que las computadoras piensen… máquinas con mente, en su amplio sentido literal” Bellman, 1978 • “[La automatización de] actividades que vinculamos con procesos de pensamiento humano, actividades tales como toma de decisiones, resolución de problemas, aprendizaje,…” Kurzweil, 1990 • “El arte de crear máquinas con capacidad de realizar funciones que realizadas por personas requieren de inteligencia” Rich y Knight, 1991 • “El estudio de cómo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor”
  8. 8. Pedro Armijo Conceptualizaciones alrededor de la IA 8 Charniak y McDermott, 1985 • “El estudio de las facultades mentales mediante el uso de modelos computacionales”. Winston, 1992 • “El estudio de los cálculos que permiten percibir, razonar y actuar” Schalkoff, 1990 • “Un campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales” Luger y Stubblefield, 1993 • “La rama de la ciencia de la computación que se ocupa de la automatización de la conducta inteligente”
  9. 9. Pedro Armijo Categorías en que se clasifica la IA. 9 Sistemas que piensan como humanos. Sistemas que piensan racionalmente. Sistemas que actúan racionalmente. Sistemas que actúan como humanos.
  10. 10. Pedro Armijo Ramas que componen la inteligencia artificial 10 Lógica difusa Redes neurales artificiales Algoritmos genéticos
  11. 11. Pedro Armijo Ramas que componen la inteligencia artificial 11 Lógica difusa Rama de la IA que le permite a una computadora analizar información del mundo real en una escala entre lo falso y verdadero. Los matemáticos dedicados a la lógica en la década de 1920 definieron un concepto clave: todo es cuestión de grado. La lógica difusa manipula conceptos vagos como “caliente” o “húmedo” y permite a los ingenieros construir televisores, acondicionadores de aire, lavadores y otros dispositivos que juzgan información difícil de definir. Los sistemas difusos son una alternativa a las nociones de pertenencia y lógica que se iniciaron en la Grecia antigua.
  12. 12. Pedro Armijo 12
  13. 13. Pedro Armijo Ramas que componen la inteligencia artificial 13 Redes Neuronales artificiales Se basan en generalizar información extraída de datos experimentales, tablas bibliográficas o bases de datos, los cuales se determinan por expertos humanos. Dichas redes neurales toman en cuenta las entradas (corriente, voltaje) y como salidas las señales del sistema (velocidad, temperatura, torque). La red neural utilizada es una red multicapa de diez neuronas en la capa de entrada, diez neuronas en la capa oculta y cinco neuronas en la capa de salida.
  14. 14. Pedro Armijo 14
  15. 15. Pedro Armijo Ramas que componen la inteligencia artificial 15 Algoritmos Genético J. D. Bagley: “El funcionamiento de los sistemas adaptables empleando algoritmos genéticos y correlativos”, en 1967. Esta tesis influyó decisivamente en J. H. Holland, quien se puede considerar como el pionero de los AG. Estos algoritmos se basan en la mecánica de la selección natural, la cual afirma que sólo los organismos que mejor se adapten sobreviven. Parte de la historia de los algoritmos se describió en los antecedentes de la IA, de manera que ahora se abordarán otros aspectos importantes para entender mejor esta parte de la ciencia. Los componentes de un algoritmo genético son: • Una función que se desea optimizar. • Un grupo de candidatos para la solución. • Una función de evaluación que mida cómo los candidatos optimizan la función. • Función de reproducción.
  16. 16. Pedro Armijo 16
  17. 17. Pedro Armijo 17 https://www.youtube.com/watch?v=5rvZBsueMoc Inteligencia Artificial – IBM - 12mit
  18. 18. Machine Learning 18
  19. 19. Pedro Armijo 19 “Machine Learning es la ciencia que permite que las computadoras aprendan y actúen como lo hacen los humanos, mejorando su aprendizaje a lo largo del tiempo de una forma autónoma, alimentándolas con datos e información en forma de observaciones e interacciones con el mundo real.” — Dan Fagella Consiste en tener una gran base de datos que se coloca como entrada a un algoritmo que se ejecuta dentro en una maquina entrenada para obtener una salida, en el proceso de utilización el usuario realiza preguntas o consultas a la máquina y obtiene respuestas. (Rojas, 2008) El aprendizaje automático consiste en programar computadoras para optimizar un criterio de rendimiento utilizando datos de ejemplo o experiencias pasadas. Tenemos un modelo definido hasta algunos parámetros, y el aprendizaje es la ejecución de un programa de computadora para optimizar el parámetro del modelo utilizando los datos de transición o la experiencia pasada. (Alpaydin, 2014) Conceptualizaciones alrededor del Machine Learning
  20. 20. Pedro Armijo 20 Terminología Básica y Notaciones Cada fila de la matriz es una muestra, observación o dato puntual. Cada columna es una característica (o atributo), de la observación mencionada en el punto anterior. En el caso más general habrá una columna, que llamaremos objetivo, etiqueta o respuesta, y que será el valor que se pretende predecir.
  21. 21. Pedro Armijo 21 Tipos de Machine Learning • Aprendizaje supervisado • Aprendizaje no supervisado • Aprendizaje profundo
  22. 22. Pedro Armijo 22 Aplicaciones • Aplicaciones en Banca, comunicaciones y Ventas • Aplicaciones en Biomédicina y Biometría • Aplicaciones en Computacion e Internet
  23. 23. Pedro Armijo 23 5 Must Have Skills To Become Machine Learning Engineer https://www.youtube.com/watch?v=DZ7xuZ1-uh8
  24. 24. Deep Learning Es un subcampo de Machine Learning, que usa una estructura jerárquica de redes neuronales artificiales, que se construyen de una forma similar a la estructura neuronal del cerebro humano, con los nodos de neuronas conectadas como una tela de araña. Esta arquitectura permite abordar el análisis de datos de forma no lineal. (Rojas, 2019) El aprendizaje profundo es un subconjunto del aprendizaje automático donde las redes neuronales artificiales, algoritmos inspirados en el cerebro humano, aprenden de grandes cantidades de datos. De manera similar a cómo aprendemos de la experiencia, el algoritmo de aprendizaje profundo realizaría una tarea repetidamente, cada vez que la modificara un poco para mejorar el resultado. (Mar, B. 2018)
  25. 25. Pedro Armijo 25 8 ejemplos prácticos de aprendizaje profundo Virtual assistants • Ya sea Alexa o Siri o Cortana, los asistentes virtuales de los proveedores de servicios en línea utilizan el aprendizaje profundo para ayudar a comprender su discurso y el lenguaje que los humanos usan cuando interactúan con ellos. Translations • Los algoritmos de aprendizaje profundo pueden traducir automáticamente entre idiomas. Esto puede ser poderoso para viajeros, empresarios y personas en el gobierno. Visión para camiones de reparto sin conductor, drones y automóviles autónomos. • La forma en que un vehículo autónomo comprende las realidades de la carretera y cómo responder a ellas, ya sea una señal de alto, una pelota en la calle u otro vehículo, es a través de algoritmos de aprendizaje profundo.
  26. 26. Pedro Armijo 26 8 ejemplos prácticos de aprendizaje profundo Chatbots and service bots • Brindan servicio al cliente para muchas empresas pueden responder de manera inteligente y útil a una cantidad cada vez mayor de preguntas auditivas y de texto gracias al aprendizaje profundo. Image colorization • Los algoritmos de aprendizaje profundo pueden usar el contexto y los objetos en las imágenes para colorearlas para recrear básicamente la imagen en blanco y negro en color. Los resultados son impresionantes y precisos. Facial recognition • El aprendizaje profundo se está utilizando para el reconocimiento facial no solo con fines de seguridad, sino también para etiquetar a las personas en las publicaciones de Facebook y es posible que podamos pagar los artículos en una tienda simplemente usando nuestras caras en el futuro cercano.
  27. 27. Pedro Armijo 27 8 ejemplos prácticos de aprendizaje profundo Medicine and pharmaceuticals • Desde diagnósticos de enfermedades y tumores hasta medicamentos personalizados creados específicamente para el genoma de un individuo. Personalized shopping and entertainment • ¿Alguna vez se preguntó cómo Netflix presenta sugerencias sobre lo que debe ver a continuación? ¿O dónde Amazon presenta ideas para lo que debe comprar a continuación y esas sugerencias son exactamente lo que necesita, pero nunca lo supo antes? Sí, son algoritmos de aprendizaje profundo en el trabajo.
  28. 28. Pedro Armijo 28 Deep Learning In 5 Minutes | What Is Deep Learning? https://www.youtube.com/watch?v=6M5VXKLf4D4
  29. 29. Referentes bibliográficos Alpaydin E. (2014). Introduction to machine learning. MIT press. Recueprado de https://books.google.co.uk/books?hl=es&lr=&id=tZnSDwAAQBAJ&oi=fnd&pg=PR7&ot s=F2ZY5Y9uAh&sig=1nD6dADNg- JxzB_VHkFddCeAi1I&redir_esc=y#v=onepage&q&f=false Discovery Channel Latinoamerica. (2018). Inteligencia Artificial – IBM [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=5rvZBsueMoc Garcia, A. (2016). Inteligencia Artificial. Fundamentos, práctica y aplicaciones. México DF, Mexico: Alfaomega Guyon, I. (2008). Introduction to machine learning. Slides and Videolecture. Recuperado de http://www.disi.unal.edu.co/~fgonza/courses/2008-I/ml/notes-Guyon-IntroML.pdf Marr, B. (2018). What Is Deep Learning AI? A Simple Guide With 8 Practical Examples. Recuperado de https://www.forbes.com/sites/bernardmarr/2018/10/01/what-is- deep-learning-ai-a-simple-guide-with-8-practical-examples/#62d469bd8d4b Ponce, P. (2010). Inteligencia artificial con aplicaciones a la ingeniería. México DF, Mexico: Alfaomega Roman, V. (2019). Introducción al Machine Learning: Una Guía Desde Cero. Recuperado de https://medium.com/datos-y-ciencia/introduccion-al-machine-learning-una- gu%C3%ADa-desde-cero-b696a2ead359 Simplilearn. (3-junio, 2019). Deep Learning In 5 Minutes | What Is Deep Learning? [Archivo de vídeo] Recuperado de https://www.youtube.com/watch?v=6M5VXKLf4D4

×