Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 57 vistas

    Ficha Investigacion

    Cargado por

    Uriel Gamboa
    Este documento describe los modelos y tipos de aprendizaje en inteligencia artificial. Explica que existen modelos descriptivos, predictivos y prescriptivos, así como aprendizaje no supervisado, supervisado y reforzado. Además, menciona que el aprendizaje mixto combina diferentes algoritmos de aprendizaje.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Ficha Investigacion

    Cargado por

    Uriel Gamboa
    57 vistas9 páginas
    Este documento describe los modelos y tipos de aprendizaje en inteligencia artificial. Explica que existen modelos descriptivos, predictivos y prescriptivos, así como aprendizaje no supervisado, supervisado y reforzado. Además, menciona que el aprendizaje mixto combina diferentes algoritmos de aprendizaje.

    Descripción original:

    ES UN INTRODUCCION IA

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe los modelos y tipos de aprendizaje en inteligencia artificial. Explica que existen modelos descriptivos, predictivos y prescriptivos, así como aprendizaje no supervisado, supervisado y reforzado. Además, menciona que el aprendizaje mixto combina diferentes algoritmos de aprendizaje.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    57 vistas9 páginas

    Ficha Investigacion

    Cargado por

    Uriel Gamboa
    Este documento describe los modelos y tipos de aprendizaje en inteligencia artificial. Explica que existen modelos descriptivos, predictivos y prescriptivos, así como aprendizaje no supervisado, supervisado y reforzado. Además, menciona que el aprendizaje mixto combina diferentes algoritmos de aprendizaje.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 9

    Universidad Nacional Autónoma de México

    Facultad de Ingeniería
    Ingeniería en Computación

    Inteligencia Artificial

    Guillermo Molero-Castillo
    Email: [email protected] Enero, 2019
    1
    I. Modelos y tipos de aprendizaje

    Complejidad de modelos de IA

    Predice y luego
    ¿Qué se debe hacer? sugiere acciones
    Acciones para una mejor
    Análisis toma de decisiones
    Prescriptivo
    Previsión, anticipación
    ¿Qué podría pasar?
    (Foresight)
    Análisis
    Predictivo
    ¿Qué sucede? Percepción, agudeza
    (Insight)
    Valor

    Análisis
    Descriptivo

    Comprensión, retrospectiva
    (Hindsight)

    Nivel de complejidad

    2
    1. Modelos
    Meta modelo
    Es un modelo global que describe otros
    modelos.

    Modelo
    Es una representación formal de un problema.
    Diferentes modelos pueden representar el mismo
    problema desde distintos puntos de vista.

    Proceso
    Representa una secuencia de pasos generales para la
    construcción de modelos. Los pasos pueden estar
    distribuidos en varios niveles de detalle.

    Método
    Es un conjunto de lineamientos y pasos
    específicos que trazan un camino para
    alcanzar un fin o propósito específico.

    Algoritmo
    Es un conjunto de instrucciones ordenadas
    de manera lógica que permite solucionar un
    determinado problema.
    3
    1. Modelos de IA

    Modelar comportamientos inteligentes.

    Modelos en IA

    Modelos Modelos
    descriptivos predictivos

    ¿Qué sucede? ¿Qué podría pasar?

    Modelos
    prescriptivos

    ¿Qué debemos hacer?

    Predice y luego sugiere acciones para una mejor toma de decisiones


    4
    2. Tipos de aprendizaje

    Tipos de
    Aprendizaje

    Descriptivo Aprendizaje no Aprendizaje Inferencial o


    o Deductivo supervisado supervisado Inductivo

    Aprendizaje
    reforzado

    Basado en
    estímulos
    (condiciones)

    5
    2. Tipos de aprendizaje

    a. Algoritmos de aprendizaje no supervisados

    § Tratan de determinar la estructura oculta a partir de los datos.


    § Los datos no requieren ser pre-etiquetados.
    § Por ejemplo, calcular las distancias de los elementos y luego agruparlos y dividirlos en
    pequeños subgrupos.
    § Otro ejemplo son los sistemas de recomendación del tipo X entonces Y.

    6
    2. Tipos de aprendizaje

    b. Algoritmos de aprendizaje supervisados

    § En este tipo de algoritmos se requiere etiquetar los datos, conocido como variables clase o
    variables dependientes.
    § Basado en las características de los datos etiquetados se pueden hacer clasificaciones o
    regresiones.
    § Por ejemplo, predicción del número de ventas de un determinado producto, pronóstico del
    consumo eléctrico.

    7
    2. Tipos de aprendizaje

    c. Algoritmos de aprendizaje reforzado

    § Es conocido como aprendizaje reforzado o por refuerzo.


    § Aprenden por ensayo y error en un entorno simulado.
    § Por ejemplo, simulaciones con el método de Montecarlo, programación dinámica ,
    aplicaciones en robótica.

    8
    2. Tipos de aprendizaje

    d. Aprendizaje mixto

    § Es la combinación de uno o más algoritmos de aprendizaje supervisados, no supervisados y


    por refuerzo.
    § Algunos de sus usos generales incluyen clasificación, reconocimiento de patrones,
    detección de anomalías y agrupamiento.

    También podría gustarte