Ia Machine Learning

FACULTAD DE INGENIERIA
UNIVERSIDAD INDUSTRIAL
NACIONAL Y DE SISTEMAS
HERMILIO VALDIZAN
UNHEVAL
C.P. DE INGENIERIA DE SISTEMAS
TRABAJO : INTELIGENCIA ARTIFICIAL-MACHINE

LEARNING.
ASIGNATURA : INTRODUCCION A LA COMPUTACION
CICLO : III
PROFESORA : RIVERA VIDAL VELSY. H.
ALUMNO : ESTACIO OCAÑA GUARDIA.

INTRODUCCION A LA COMPUTACION
LA INTELIGENCIA ARTIFICIAL
La inteligencia artificial es la combinación de algoritmos planteados con el propósito
de crear maquinas que presenten las mismas capacidades que el ser humano.
TIPOS DE INTELIGENCIA ARTIFICIAL
Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian

varios tipos de inteligencia artificial:
1. Sistemas que piensan como humanos: automatizan actividades

como la toma de decisiones, la resolución de problemas y el
aprendizaje. Un ejemplo son las redes neuronales artificiales.
2. Sistemas que actúan como humanos: se trata de computadoras

que realizan tareas de forma similar a como lo hacen las personas. Es
el caso de los robots.
3. Sistemas que piensan racionalmente: intentan emular el pensamiento
lógico racional de los humanos, es decir, se investiga cómo lograr que
las máquinas puedan percibir, razonar y actuar en consecuencia.
Los sistemas expertos se engloban en este grupo.
4. Sistemas que actúan racionalmente: idealmente, son aquellos que

tratan de imitar de manera racional el comportamiento humano, como
los agentes inteligentes.
APLICACIONES PRÁCTICAS DE LA INTELIGENCIA ARTIFICIAL
La IA está presente en la detección facial de los móviles, en los asistentes virtuales

de voz como Siri de Apple, Alexa de Amazon o Cortana de Microsoft y
está integrada en nuestros dispositivos cotidianos a través de bots (abreviatura de
robots) o aplicaciones para móvil, tales como: Lyli Enlace externo, se abre en
ventana nueva., un personal shopper en versión digital; Parla Enlace externo, se
abre en ventana nueva., concebida para ayudarnos con el aprendizaje de
idiomas; Ems Enlace externo, se abre en ventana nueva., diseñada para hacernos
un poco más llevadera la ardua tarea de encontrar nuevo piso; o Gyant Enlace
externo, se abre en ventana nueva., un asistente virtual de Facebook que emite
'diagnósticos' médicos. El objetivo de todas ellas: hacer más fácil la vida de las
personas.
Inteligencia artificial débil
Se considera que los ordenadores únicamente pueden simular que razonan, y
únicamente pueden actuar de forma inteligente.
Inteligencia artificial fuerte

En este caso se considera que un ordenador puede tener una mente y unos estados
mentales, y que, por tanto, un día será posible construir uno con todas las
2
UNHEVAL INGENIERIA DE SISTEMAS
capacidades de la mente humana. Este ordenador será capaz de razonar, imaginar,

etc.
Temas en la inteligencia artificial

Aunque existen puntos de vista diferentes sobre qué es la inteligencia artificial, hay
un acuerdo importante sobre cuáles son los resultados atribuibles a esta rama de la
Informática, así como a la clasificación de los métodos y técnicas desarrollados.
Repasamos a continuación los cuatro grandes temas de la inteligencia artificial.
1. Resolución de problemas y búsqueda. La inteligencia artificial tiene como

objetivo resolver problemas de índole muy diferente. Para poder cumplir este
objetivo, dado un problema es necesario formalizarlo para poderlo resolver. Este
tema se centra en cómo formalizarlo y las formas de resolución.
2. Representación del conocimiento y sistemas basados en el
conocimiento. Es frecuente que los programas en inteligencia artificial necesiten
incorporar conocimiento del dominio de aplicación (por ejemplo, en medicina) para
poder resolver los problemas.
3. Aprendizaje automático. El rendimiento de un programa puede incrementarse si
el programa aprende de la actividad realizada y de sus propios errores. Se han
desarrollado métodos con este objetivo.
4. Inteligencia artificial distribuida. Durante sus primeros años la inteligencia
artificial era monolítica. Ahora, con los ordenadores multiprocesador e Internet, hay
interés en soluciones distribuidas.
Además de los cuatro temas mencionados más arriba, existen otros que están
fuertemente relacionados con la inteligencia artificial. Son los enumerados a
continuación:
a) El lenguaje natural.
b) La visión artificial.
c) La robótica.
d) El reconocimiento del habla.
CAMPO DE LA INTELIGENCIA ARTIFICIAL
3
MACHINE LEARNING
APRENDIZAJE AUTOMÁTICO
El aprendizaje automático o aprendizaje automatizado o aprendizaje de

máquinas (del inglés, machine learning) es el subcampo de las ciencias de la
computación y una rama de la inteligencia artificial, cuyo objetivo es desarrollar
técnicas que permitan que las computadoras aprendan.
TIPOS DE ALGORITMOS
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).
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
4
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.
LOS 10 USOS MÁS COMUNES EN MACHINE LEARNING E

INTELIGENCIA ARTIFICIAL
1. Seguridad de datos
El malware es un problema creciente hoy en día. Pese a que casi a diario surgen
nuevos malware, suelen tener casi el mismo código que las versiones anteriores. De
esta manera, el machine learning puede predecir qué archivos son malware con
gran precisión.
2. Seguridad personal
El machine learning también puede ser una ventaja en este sentido. Por
ejemplo, podría servir para aligerar los controles de seguridad en aeropuertos, ya
que puede ayudar a eliminar falsas alarmas y detectar anomalías en las
proyecciones de seguridad que el ojo humano podría no ver con claridad; en
definitiva, aceleraría el proceso a la vez que se garantiza una mayor seguridad.
3. Comercio financiero
Predecir cómo se comportarán los mercados de valores es el sueño de muchos.
Gracias al machine learning esto podría convertirse en una realidad. Muchas
empresas del sector ya utilizan sus propios sistemas para predecir y ejecutar
operaciones de gran volumen a altas velocidades.
4. Cuidado de la salud
En un estudio en el que se empleó el diagnóstico asistido por computadora (CAD)
para revisar las mamografías iniciales de mujeres que desarrollaron cáncer de
mama posteriormente, la computadora detectó el 52% de los cánceres hasta un año
antes de que las mujeres fueran diagnosticadas oficialmente. Esto demuestra
que los algoritmos de machine learning pueden procesar más información y detectar
más patrones que una mente humana. Además, el machine learning también se
puede utilizar paraadvertir los factores de riesgo de enfermedad en poblaciones
grandes.
5. Marketing personalizado
El marketing personalizado se basa en un sencillo principio: mientras más se pueda
saber sobre el cliente y su comportamiento, mejor se le podrá atender y se traducirá
en más ventas.
5
6. Detección de fraudes
El machine learning es cada vez más eficaz detectando posibles casos de fraude en
diferentes campos. PayPal ya utiliza el machine learning para combatir el
blanqueo de dinero; la compañía tiene herramientas que comparan millones de
transacciones y pueden distinguir con precisión entre transacciones legítimas y
fraudulentas, entre compradores y vendedores.
7. Recomendaciones
Si eres usuario de plataformas como Amazon ya sabes de lo que hablamos. Los
algoritmos de machine learning permiten analizar la actividad de un usuario y
compararla con la del resto de usuarios para determinar qué le gustaría ver o
comprar en próximas ocasiones. En este campo los avances son increíbles, por
ejemplo, gracias a esos algoritmos la plataforma puede detectar que un usuario está
comprando un artículo que no es para él, sino para regalar.
8. Búsqueda online
Este quizás sea el uso más famoso del machine learning. Google y sus
competidores mejoran constantemente lo que entiende el motor de búsqueda. Cada
vez que se ejecuta una búsqueda en Google, el programa observa cómo responde a
los resultados.
9. Procesamiento de lenguaje natural (NLP)

Una aplicación menos común pero que ya se está utilizando en diferentes
disciplinas. Los algoritmos de machine con lenguaje natural pueden sustituir a
los empleados de atención al cliente y dirigir a los usuarios más rápidamente a la
información que necesitan. Se está utilizando, por ejemplo, para traducir la jerga
legal poco clara en los contratos a un lenguaje sencillo y para ayudar a los abogados
a ordenar grandes volúmenes de información para prepararse para un caso.
10. Coches inteligentes

Según un estudio de IBM, se espera que en 2025 ya podamos ver coches
inteligentes en la carretera. En este sentido, un coche inteligente no solo se
integraría en el Internet de las Cosas, sino que también aprendería sobre su
propietario y su entorno. Estos vehículos podrían ajustar la configuración
interna (temperatura, audio, posición del asiento, etc.) de forma automática en
función del conductor, informar e incluso solucionar problemas, y conducir y ofrecer
asesoramiento en tiempo real sobre el tráfico y las condiciones de la carretera.
6
7

Ia Machine Learning

Cargado por

Copyright:

Formatos disponibles

Ia Machine Learning

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ia Machine Learning

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERIA

C.P. DE INGENIERIA DE SISTEMAS

TRABAJO : INTELIGENCIA ARTIFICIAL-MACHINE

ASIGNATURA : INTRODUCCION A LA COMPUTACION

PROFESORA : RIVERA VIDAL VELSY. H.

ALUMNO : ESTACIO OCAÑA GUARDIA.

TIPOS DE INTELIGENCIA ARTIFICIAL

Los expertos en ciencias de la computación Stuart Russell y Peter Norvig diferencian

1. Sistemas que piensan como humanos: automatizan actividades

2. Sistemas que actúan como humanos: se trata de computadoras

4. Sistemas que actúan racionalmente: idealmente, son aquellos que

APLICACIONES PRÁCTICAS DE LA INTELIGENCIA ARTIFICIAL

La IA está presente en la detección facial de los móviles, en los asistentes virtuales

Inteligencia artificial fuerte

capacidades de la mente humana. Este ordenador será capaz de razonar, imaginar,

Temas en la inteligencia artificial

1. Resolución de problemas y búsqueda. La inteligencia artificial tiene como

CAMPO DE LA INTELIGENCIA ARTIFICIAL

El aprendizaje automático o aprendizaje automatizado o aprendizaje de

Todo el proceso de modelado se lleva a cabo sobre un conjunto de ejemplos

LOS 10 USOS MÁS COMUNES EN MACHINE LEARNING E

9. Procesamiento de lenguaje natural (NLP)

10. Coches inteligentes

También podría gustarte