Post on 04-Jul-2020
+
Aprendizaje Automático
Dra. Karina Figueroa
+Contenido
Políticas del curso
Inteligencia Artificial
Introducción al Aprendizaje automático Inteligencia ….
Agente Características
Aprendizaje automático Algoritmos y su complejidad
Clasificación
+Políticas del curso
Promedio de los 3 parciales: 45%
Examen Final (proyecto final): 20% Examen escrito (sólo última parte del curso) 30%
Proyecto final (con entrega) 70%
Proyecto (80%)
Entrega (20%)
Presentaciones y participaciones: 15%
Promedio Tareas (mini proyectos): 20%
+Planificación
Fechas importantes 1er parcial: 4 septiembre
2o parcial: 2 octubre
3o parcial: 6 de noviembre
Final: 1o. Diciembre
Fechas por definir Entregas de tareas
+Programa del curso
Introducción al Aprendizaje Automático Arquitectura de un agente que aprende Tipos de aprendizaje Software de Aprendizaje Ejemplos de Aprendizaje
Aprendizaje Supervisado Inducción y clasificación Inducción y regresión Algoritmos de árboles de decisión Algoritmos de redes neuronales Algoritmos Bayesianos Aplicaciones de aprendizaje supervisado
+Programa del curso (cont..)
Aprendizaje No-Supervisado Agrupamiento y clasificación El problema de “Clustering” Representación de datos y medidas de proximidad Algoritmos de optimización Algoritmos jerárquicos Aplicaciones de aprendizaje no-supervisado
Aprendizaje por Refuerzo
Recompensas y castigos Aprendizaje pasivo y estimación de utilidades Explotación y exploración Algoritmos pasivos de aprendizaje Aprendizaje activos de aprendizaje Aplicaciones de aprendizaje por refuerzo
+Inteligencia Artificial
Desarrollar sistemas que piensen y actúen racionalmente Es una rama en crecimiento
Áreas
Búsquedas
Razonamientos
Sistemas expertos
Sistemas de diagnóstico
+Ejemplos de IA
http://www.ai.mit.edu/projects/humanoid-robotics-group/kismet/kismet.html
+Ejemplos de IA (cont…)
+Introducción
El Aprendizaje Automático Rama de la Inteligencia Artificial Objetivo:
desarrollar técnicas que permitan a las computadoras aprender.
Se trata de crear programas capaces de generalizar comportamientos a partir de una información no estructurada suministrada en forma de ejemplos.
+Introducción (cont…)
Es un proceso de inducción del conocimiento.
El Aprendizaje Automático se solapa con el de la Estadística, ya que las dos disciplinas se basan en el análisis de datos.
El Aprendizaje Automático se centra más en el estudio de la Complejidad Computacional de los problemas
Muchos problemas son de clase NP-hard, por lo que gran parte de la investigación realizada en Aprendizaje Automático está enfocada al diseño de soluciones factibles a esos problemas.
+Aplicaciones A.A.
motores de búsqueda,
diagnósticos médicos,
detección de fraude en el uso de tarjetas de crédito,
análisis del mercado de valores,
clasificación de secuencias de ADN,
reconocimiento del habla y del lenguaje escrito,
juegos y robótica.
+Diferencias entre humanos y máquinas
Humanos Inteligentes
En base a qué razonamos?
Máquinas Inteligentes
En base a qué razonan?
+Ser humano inteligente
Aprende
Razona y deduce
Realiza las soluciones elaboradas
Genera sentimientos Desprendidos de los razonamientos
+Máquina Inteligente
Capacidad Percibir visualmente los objetos que la rodean y reconocer sus
formas
Entender el lenguaje natural
Respuesta ante cambios de entorno
Se dice que una máquina es inteligente cuando puede almacenar información y conocimientos a los que manipula mediante reglas y algoritmos para alcanzar soluciones a los problemas que plantea su funcionamiento.
+Agente Inteligente
Entidad que percibe y actúa sobre un entorno
Multiagentes
En la mayoría de las ocasiones, los agentes no son desarrollados de forma independiente sino como entidades que constituyen un sistema.
Comunicación entre agentes ACL –Agent Communication Language
+Características de un agente
Continuidad temporal. Proceso con ejecución continua
Autonomía Autónomo basandose en su experiencia
Sociabilidad Permite interactuar con otros agentes
Racionalidad Realiza lo correcto en base a su experiencia
+Características de un agente (cont..)
Reactividad Realiza cambios de acuerdo a su entorno
Pro-activo Búsca alcanzar sus objetivos, pese a su entorno
Adaptabilidad Cambia su comportamiento de acuerdo al entorno
Movilidad Capacida para moverse en la red
+Características de un agente (cont..)
Veracidad Los agentes comunican sólo verdades
Benevolencia Ayuda a otros agentes mientras no entre en conflicto con sus
propios planes
+Algoritmo
Es una lista bien definida, ordenada y finita de operaciones que permite hallar la solución a un problema.
+Algoritmos típicos
Algoritmos típicos Ordenamiento
Mergesort
Quicksort
Búsquedas
Binaria
Jumpsearch
Etc, etc, etc
+Complejidad Computacional
Mide los recursos requeridos durante el cómputo de un algoritmo
Se miden distintos parámetros Comparaciones
Uso de memoria
Lecturas/escrituras a disco
+Clasificación de los algoritmos del A.A
Aprendizaje Supervisado (función) Clasificación
Aprendizaje No-supervisado Modelado
Aprendizaje por refuerzo Feedback
Transducción Clasificación con nuevas categorías
Aprendizaje multi-tarea Permite interactuar con otros agentes
+Resumen
Un agente es una entidad que percibe y actúa sobre un entorno
En el curso usaremos Algoritmos
Agentes
Tarea Lectura del artículo: Agentes inteligentes: el siguiente paso en la
Inteligencia Artificial. Entrega, jueves 7 de agosto.