109454384 aprendizaje y razonamiento automatico y laboratorio 8 michels lopez
TRANSCRIPT
![Page 1: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/1.jpg)
UNIVERSIDAD MARIANO GALVEZ DE GUATEMALA CENTRO REGIONAL SAN PEDRO SACATEPEQUEZ, S.M.
FACULTAD DE INGENIERIA INGENIERIA EN SISTEMAS DE INFORMACION Y CIENCIAS DE
LA COMPUTACION
Aprendizaje y Razonamiento
Automático Laboratorio # 8
Inteligencia Artificial
12vo. Semestre
13/09/2012
Michels Estuardo Leandro López Tul 0903-07-11-528
![Page 2: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/2.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 2
INDICE INTRODUCCION ................................................................................................................................... 3
OBJETIVOS ........................................................................................................................................... 3
APRENDIZAJE AUTOMATICO ............................................................................................................... 4
Tipos de Aprendizaje Automático ................................................................................................... 4
Aprendizaje supervisado ............................................................................................................. 4
Aprendizaje no supervisado ........................................................................................................ 4
Aprendizaje semisupervisado ..................................................................................................... 4
Aprendizaje por refuerzo ............................................................................................................ 4
Transducción ............................................................................................................................... 4
Aprendizaje multi-tarea .............................................................................................................. 4
En el aprendizaje automático podemos obtener 3 tipos de conocimiento los cuáles son: ............ 5
1. Crecimiento ............................................................................................................................. 5
2. Reestructuración ..................................................................................................................... 5
3. Ajuste ....................................................................................................................................... 5
Algoritmos de la AA ......................................................................................................................... 5
Aplicaciones..................................................................................................................................... 5
RAZONAMIENTO AUTOMATICO .......................................................................................................... 6
Las sub-áreas más desarrolladas del razonamiento automatizado ................................................ 6
Utilización de un sistema de RA ...................................................................................................... 6
Algunos sistemas de RA .................................................................................................................. 6
Campos de aplicación ...................................................................................................................... 7
Minería de Datos (Laboratorio # 8) ..................................................................................................... 8
CONCLUSION ..................................................................................................................................... 10
REFERENCIAS ..................................................................................................................................... 10
![Page 3: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/3.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 3
INTRODUCCION Se desarrolla un ensayo sobre Aprendizaje Automático, Razonamiento Automático y la Resolución
del Laboratorio número ocho, en la cual el aprendizaje es enseñarle mediante información no
estructurada genere comportamientos, siendo por ello inducción del conocimiento; el
Razonamiento trata demostrar que una conjetura es una consecuencia lógica de un conjunto de
axiomas o hipótesis, y el preguntas sobre Minería de Datos.
OBJETIVOS Estudiar el Aprendizaje y Razonamiento Automático de la Inteligencia Artificial;
Analizar las diferentes características de cada uno de los casos de estudio de la Inteligencia
Artificial descritas anteriormente;
Comprender el desarrollo y la utilización tecnológica computacional para el aprendizaje y
razonamiento de casos.
![Page 4: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/4.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 4
APRENDIZAJE AUTOMATICO Aprendizaje de Máquinas es una rama de la Inteligencia Artificial cuyo objetivo es desarrollar
técnicas que permitan a las computadoras aprender. De forma más concreta, se trata de crear
programas capaces de generalizar comportamientos a partir de una información no estructurada
suministrada en forma de ejemplos. Es, por lo tanto, un proceso de inducción del conocimiento.
Estudia cómo construir programas que mejoren automáticamente con la experiencia.
Tipos de Aprendizaje Automático
Aprendizaje supervisado
El algoritmo produce una función que establece una correspondencia entre las entradas y las
salidas deseadas del sistema. Un ejemplo de este tipo de algoritmo es el problema de clasificación,
donde el sistema de aprendizaje trata de etiquetar (clasificar) una serie de vectores utilizando una
entre varias categorías (clases). La base de conocimiento del sistema está formada por ejemplos
de etiquetados anteriores. Este tipo de aprendizaje puede llegar a ser muy útil en problemas de
investigación biológica, biología computacional y bioinformática.
Aprendizaje no supervisado
Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos formado tan sólo por
entradas al sistema. No se tiene información sobre las categorías de esos ejemplos. Por lo tanto,
en este caso, el sistema tiene que ser capaz de reconocer patrones para poder etiquetar las
nuevas entradas.
Aprendizaje semisupervisado
Este tipo de algoritmos combinan los dos algoritmos anteriores para poder clasificar de manera
adecuada. Se tiene en cuenta los datos marcados y los no marcados.
Aprendizaje por refuerzo
El algoritmo aprende observando el mundo que le rodea. Su información de entrada es el
feedback o retroalimentación que obtiene del mundo exterior como respuesta a sus acciones. Por
lo tanto, el sistema aprende a base de ensayo-error.
Transducción
Similar al aprendizaje supervisado, pero no construye de forma explícita una función. Trata de
predecir las categorías de los futuros ejemplos basándose en los ejemplos de entrada, sus
respectivas categorías y los ejemplos nuevos al sistema.
Aprendizaje multi-tarea
Métodos de aprendizaje que usan conocimiento previamente aprendido por el sistema de cara a
enfrentarse a problemas parecidos a los ya vistos.
![Page 5: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/5.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 5
En el aprendizaje automático podemos obtener 3 tipos de conocimiento
los cuáles son:
1. Crecimiento
Es el que se adquiere de lo que nos rodea, el cual guarda la información en la memoria como si
dejara huellas.
2. Reestructuración
Al interpretar los conocimientos el individuo razona y genera nuevo conocimiento al cual se le
llama de reestructuración.
3. Ajuste
Es el que se obtiene al generalizar varios conceptos o generando los propios.
Los tres tipos se efectúan durante un proceso de aprendizaje automático pero la importancia de
cada tipo de conocimiento depende de las características de lo que se está tratando de aprender.
El aprendizaje es más que una necesidad, es un factor primordial para satisfacer las necesidades
de la inteligencia artificial.
Algoritmos de la AA Aprendizaje basado en árboles de decisión
Aprendizaje basado en redes neuronales artificiales
Aprendizaje probabilístico y Bayesiano
Aprendizaje basado en instancias
Aprendizaje evolutivo
Aprendizaje lógico inductivo
Aprendizaje por refuerzo
Aplicaciones Motores de búsqueda
Diagnóstico médico
Detección de fraudes con el uso de tarjetas de crédito
Análisis del mercado de valores
Clasificación de secuencias de ADN
Reconocimiento del habla
Robótica
![Page 6: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/6.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 6
RAZONAMIENTO AUTOMATICO El razonamiento automático se dedica al desarrollo de programas de ordenador que sean capaces
de demostrar que una conjetura es una consecuencia lógica de un conjunto de axiomas o
hipótesis.
Es un área de la informática y la lógica matemática dedicada a comprender los diferentes aspectos
de razonamiento. El estudio en el razonamiento automatizado ayuda a producir software que
permite a los ordenadores a la razón por completo, o casi por completo, de forma automática.
Aunque el razonamiento automatizado se considera un sub-campo de la inteligencia artificial
también tiene conexiones con la informática teórica, e incluso la filosofía. Como tal, está
considerado como un sub-campo de la inteligencia artificial, pero tiene, también, conexiones con
la ciencia computacional teórica e incluso filosofía. Sus siglas en inglés son AR, del término
Automated reasoning.
Las sub-áreas más desarrolladas del razonamiento automatizado Demostración automática de teoremas (y el sub-campo menos automatizado, pero más
pragmático de demostrar el teorema interactivo )
Comprobación de prueba automatizada (visto como el razonamiento correcto garantizado
con arreglo a criterios fijos).
Razonamiento por analogía inducción y abducción.
Utilización de un sistema de RA El usuario formaliza el problema y lo pasa al sistema de demostración automática como
entrada.
El sistema intenta resolver el problema.
Si el sistema tiene éxito, se obtendrá una solución al problema.
Si el sistema no tiene éxito, entonces el usuario puede proporcionar
cierta ayuda, intentar demostrar un resultado intermedio o revisar la formalización.
Algunos sistemas de RA OTTER:
MACE:
EQP:
VAMPIRE:
WALDMEISTER:
NQTHM:
ACL2:
COQ:
HOL:
PVS:
NUPRL:
![Page 7: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/7.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 7
Campos de aplicación Matemáticas
o “Problema de Robbins” - EQP
o Problemas de quasigrupos - OTTER
Síntesis de programas
Verificación de software
Verificación de hardware
o FM9001 - NQTHM
o AMD5K86 - ACL2
Web semántica
![Page 8: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/8.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 8
MINERÍA DE DATOS (LABORATORIO # 8) 1) Defina que es Minería de Datos.
La minería de datos es un mecanismo de explotación, consistente en búsqueda de
información valiosa en grandes volúmenes de datos, centrándose en necesidades de
descubrir el porqué, para luego producir y pronosticar las acciones con cierto factor de
confianza para cada predicción.
2) Indique cuales son los pasos, del proceso de Minería de Datos.
• Filtrado de datos
• Análisis de las Propiedades de los Datos
• Transformación del conjunto de Datos de Entrada
• Selección de Variables y Técnicas
• Extracción de Conocimiento
• Interpretación y evaluación
3) Indique cuales son las técnicas conocidas para realizar Minería de Datos.
• Redes Neuronales
• Regresión Lineal
• Arboles de Decisión
• Modelos Estadísticos
• Algoritmos Genéticos
• Clustering (Agrupamiento)
• Reglas de Asociación
• Aprendizaje Automático
4) Indique como puede contribuir la Minería de datos en los sistemas administrativos de
una empresa. Proponga algunos ejemplos.
• La contribución que aportaría la Minería de Datos, en sistemas administrativos,
para poder tener un mejor perspectiva y análisis del crecimiento de la empresa, en
ventas, ganancias y poder realizar proyectadas de los mismos, también para ver el
desempeño de los empleados y el rendimiento operacional del mismo. Los
ejemplos que identifico podrían ser:
![Page 9: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/9.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 9
• En un sistema en donde se manejen Instituciones del Estado y la información que
maneje el estado, como sus contratos, facturación y demás, en la cual se generen
reportes de los diferentes departamentos del país y así poder analizar el
crecimiento de instituciones por aéreas.
• En universidades, para el registro y control de los estudiantes, reportes de notas,
documentos didácticos y demás para poder homologar la información para todos
los estudiantes de cada centro educativo y con ello poder determinar el
crecimiento y desarrollo del mismo, reporte de egresados por año y demás análisis
para poder generar o no centros regionales.
• En un control de inventarios de sucursales nacionales e internacionales, en la cual
se maneja información a diario y en cantidad, y con ello poder desarrollar
reportes, análisis, mediante técnicas para determinar oportunidades, amenazas y
demás en una empresa y el crecimiento organizacional.
5) Cuál es la diferencia entre Minería de Datos y Datawarehouse
• Datawarehouse: Son la manera mas efectiva y tecnológicamente mas avanzadas
para integrar, transformar y combinar los datos para combinar al usuario o a otros
sistemas el análisis de la información. También es una colección de datos
orientada a un dominio, integrada, no volátil, variante en el tiempo para ayudar a
la toma de decisiones.
• Minería de Datos: Conjunto de técnicas de análisis de datos que permiten, extraer
patrones, tendencias y regularidades para describir y comprender mejor los datos;
extraer patrones y tendencias para predecir comportamientos futuros y por ello
debe ser semiautomático.
• La diferencia radica en que la el datawarehouse, transforma y facilita el acceso a
la información, mientras que la Minería de Datos Analiza los datos mediante
técnicas.
![Page 10: 109454384 Aprendizaje y Razonamiento Automatico y Laboratorio 8 Michels Lopez](https://reader035.vdocument.in/reader035/viewer/2022071921/55cf9b6c550346d033a6054d/html5/thumbnails/10.jpg)
UMG [APRENDIZAJE Y RAZONAMIENTO AUTOMÁ]
Inteligencia Artificial Página 10
CONCLUSION El Aprendizaje Automático, crea programas de comportamiento general mediante datos no
estructurados para la solución de problemas organizacionales; el Razonamiento Automático
conseguir software que pueda permitir el razonamiento autónomo o casi autónomo, para dar
soluciones optimas mediante conocimientos teóricos y filosóficos de los mismos; y, la Minería de
Datos, sirve para realizar análisis de los datos que maneja una empresa mediante técnicas para
poder presentarla.
REFERENCIAS Aprendizaje Automático
http://es.wikipedia.org/wiki/Aprendizaje_autom%C3%A1tico
http://www-2.dc.uba.ar/materias/aa/aa.html
http://www-2.dc.uba.ar/materias/aa/aa.html
Razonamiento Automático
http://en.wikipedia.org/wiki/Automated_reasoning
http://www.cs.us.es/~jalonso/cursos/d-ra-04/temas/tema-1.pdf