cloud

CLOUD
Presentado por: Bayron

Alexis Parra Pardo
Ficha: 2895550
Presentado a instructor SENA: Jeysson Contreras
SERVICIO NACIONAL DE APRENDIZAJE SENA

ITIIC
Regional distrito capital
Bogotá D.C
08/11/2024
En las décadas de 1980 y 1990, comenzaron a gestarse los primeros avances en el
campo del aprendizaje automático (machine learning) y el aprendizaje profundo (deep
learning), aunque en sus primeras etapas estos algoritmos eran principalmente
estadísticos y matemáticos. Fueron, en gran medida, los bancos y sectores financieros
quienes empezaron a adoptar estas tecnologías para predecir patrones a partir de
grandes volúmenes de datos, abriendo el camino para su posterior expansión.
A lo largo de los años 2000, los avances en algoritmos permitieron una mejora
considerable en la capacidad de procesar enormes cantidades de información. Este
tipo de algoritmos matemáticos y estadísticos facilita la predicción de resultados a
partir de secuencias de datos, pudiendo manejar y analizar miles de millones de
puntos de información de manera eficiente. Este proceso, conocido como aprendizaje
profundo, tiene su núcleo en redes neuronales artificiales que imitan, de alguna forma,
el funcionamiento del cerebro humano.
Ya en 2018 y 2019, la llegada de tecnologías como los Transformers y la capacidad de

paralelizar los procesos de aprendizaje mediante clústeres de procesamiento masivo
hicieron posible que se pudieran entrenar modelos mucho más complejos y potentes.
Esta capacidad de paralelización, junto con la creciente potencia de los sistemas de
procesamiento, permitió un avance significativo en el campo de la inteligencia artificial
generativa, la cual es capaz de crear contenido de forma autónoma, desde texto hasta
imágenes o música.
Gracias a estos avances, hoy en día la inteligencia artificial generativa está

revolucionando múltiples sectores, ofreciendo soluciones innovadoras para
problemas complejos de predicción, automatización y creación de contenido. La
evolución de estos algoritmos y tecnologías ha sido fundamental para llegar a los
sistemas de IA de vanguardia que conocemos hoy.
Hoy en día, las aplicaciones basadas en inteligencia artificial (IA) se utilizan en

múltiples sectores para automatizar y optimizar tareas, mejorando la eficiencia de los
procesos. Un ejemplo claro de esto es el uso de chatbots en la atención al cliente.
Imaginemos una empresa de salud que implementa un chatbot para agendar citas
médicas y proporcionar información sobre su red de médicos.
Cuando un usuario se conecta a través de WhatsApp, el bot le responde

automáticamente, ofreciéndole información personalizada sobre los servicios médicos
disponibles. El chatbot no solo tiene acceso a una base de datos con detalles sobre los
médicos, horarios de consultas, y disponibilidad, sino que también puede interactuar
con documentos, imágenes o cualquier otro contenido relevante para la empresa.
Además, al conectarse con APIs específicas, como la de WhatsApp y OpenAI, puede
ofrecer respuestas dinámicas y procesadas en tiempo real. Esto permite que los
usuarios realicen consultas, agenden citas o resuelvan dudas sin necesidad de
intervención humana.
Detrás de estas interacciones, hay un modelo de machine learning (aprendizaje

automático) que permite al chatbot mejorar su capacidad de respuesta. Estos
algoritmos son capaces de analizar grandes cantidades de datos (como registros de
citas anteriores, preferencias de los usuarios y patrones de interacción) para prever
comportamientos futuros y mejorar la calidad de las respuestas. Lo que hacen estos
algoritmos es identificar patrones, a través de la creación de "rectas numéricas", y
buscar los puntos de datos más cercanos a estas rectas, lo que les permite hacer
predicciones sobre nuevas entradas de datos.
Por ejemplo, si un usuario solicita una cita médica, el sistema de IA puede analizar el
historial de consultas previas y sugerir la mejor opción de acuerdo con las preferencias
pasadas o la disponibilidad del médico. Este proceso se basa en la minimización del
error, buscando siempre la predicción más precisa a partir de los datos históricos.
Además de la mejora en la interacción, los sistemas de IA en la nube permiten una

escalabilidad y elasticidad sin precedentes. Las aplicaciones pueden ajustarse según
la demanda en tiempo real, lo que las hace más eficientes y flexibles. Con la
infraestructura en la nube, se pueden utilizar recursos cognitivos y servicios
especializados, como análisis de datos, reconocimiento de patrones, o procesamiento
de lenguaje natural, sin la necesidad de grandes inversiones en hardware local. Todo
esto se maneja con una alta disponibilidad, lo que significa que la aplicación puede
funcionar 24/7 sin interrupciones, y con la capacidad de adaptarse a cambios en la
carga de trabajo de manera ágil y dinámica.
El uso de estos algoritmos y arquitecturas en la nube no solo mejora la experiencia del

usuario, sino que optimiza la infraestructura tecnológica, garantizando que los
servicios sean rápidos, precisos y escalables según las necesidades de la empresa y
sus clientes.

cloud

Cargado por

Copyright:

Formatos disponibles

cloud

Cargado por

Información del documento

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

cloud

Cargado por

Copyright:

Formatos disponibles

CLOUD

Presentado por: Bayron

Presentado a instructor SENA: Jeysson Contreras

SERVICIO NACIONAL DE APRENDIZAJE SENA

Ya en 2018 y 2019, la llegada de tecnologías como los Transformers y la capacidad de

Gracias a estos avances, hoy en día la inteligencia artificial generativa está

Hoy en día, las aplicaciones basadas en inteligencia artificial (IA) se utilizan en

Cuando un usuario se conecta a través de WhatsApp, el bot le responde

Detrás de estas interacciones, hay un modelo de machine learning (aprendizaje

Además de la mejora en la interacción, los sistemas de IA en la nube permiten una

El uso de estos algoritmos y arquitecturas en la nube no solo mejora la experiencia del

También podría gustarte