Num´erica Resumiendo N´ umero 9 Agosto, 2017

Desde los datos al conocimiento: conceptos relacionados

Introducci´ on

Inteligencia Artificial (IA)

Miner´ıa de datos

Uno de los siete pasos en la visualizaci´on de datos es la extracci´on y

Seg´ un la investigaci´on y la ciencia, el objetivo de la IA es “comprender

Utiliza t´ecnicas de inteligencia artificial sobre grandes conjuntos de da-

transformaci´on, ya que permite “aplicar m´etodos de an´alisis para distin-

los principios que hacen posible el comportamiento inteligente en sistemas

tos (Big Data), su principal objetivo es descubrir y describir patrones en

guir patrones”; es aqu´ı donde recobra a´ un m´as importancia el contexto

artificiales”[3] y cumple con los siguientes procesos:

sus fuentes (bases de datos, data warehouses, repositorios o informaci´on en la web).

matem´atico[1].

Adicionalmente, algunos m´etodos nos permitir´an evaluar su complejidad mediante Inteligencia Artificial (IA), miner´ıa de datos o espec´ıficamente la aplicaci´on de t´ecnicas de aprendizaje autom´atico (machine learning).

Luego se realiza comparaciones y obtenci´on de conclusiones previas con la extensi´on de los datos estad´ısticos mediante “´ındices” representativos.

Adem´as, los procesos son autom´aticos o semiatutom´aticos y los modelos Por lo tanto, “transformar y traducir los datos en respuestas” es par-

descubiertos ayudan a tomar decisiones.

te de la innovaci´on, y ´esta debe ser aplicada con responsabilidad y creatividad[2].

Aprendizaje autom´ atico (machine learning)

T´ ecnicas (machine learning)

Est´a dentro de la Inteligencia Artificial y se define como la construcci´on

1. Aprendizaje supervisado (supervised learning): Las instancias fueron

y utilizaci´on de programas computacionales que aprenden si su rendimien-

etiquetadas por un experto o de forma semi-autom´atica para descri-

to en las tareas mejora con la experiencia[4].

bir un concepto lo que permite predecir una etiqueta para los nuevos

Instancias → Entrenamiento → Sistema de aprendizaje → Concepto

casos que aparezcan.

Finalmente Es importante disponer de datos, conocer su relaci´on entre variables; sin embargo, su valor est´a en transformarlos en conocimiento.

Clasificaci´on y regresi´on: a´rboles de decisi´on Predicci´on y evaluaci´on 2. Aprendizaje no supervisado (unsupervised learning): Las instancias no requieren un etiquetado previo, basado en datos reales (datos tal y como los recibe) para formar un nuevo concepto (determinar relaciones de similitud, diferencia o asociaci´on).

Agrupamiento o clustering Detecci´on de anomal´ıas: Anomaly Detector Reglas de asociaci´on: Association Rules

Referencias [1] Quituisaca-Samaniego, L. (2017). Visualizaci´ on de datos: siete pasos. Num´erica Resumiendo, No. 2. Disponible en: https://goo.gl/AvoMuf.

[2] The Software Alliance. (2015). ¿Por qu´e son tan importantes los datos?. Disponible en: https://goo.gl/5dpX3P.

[3] Poole, D. & Mackworth, A. (2010). Artificial intelligence: foundations of computational agents. New York: Cambridge University Press.

[4] Mirchell, T. (1997). Machine Learning. Mc.Graw-Hill.

Citar como: Quituisaca-Samaniego, L. (2017). Desde los datos al conocimiento: conceptos relacionados. Num´erica Resumiendo, No. 9. Disponible en: www.numericaiid.com/#NIIDResumiendo

[email protected] — [email protected] www.numericaiid.com