+

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.