CURSOS PIT

Fundamentos
de Inteligencia
Artificial
CURSOS PIT

PhD Wester Edison Zela Moraya

PhD en Computer Science – Inteligencia Artificial por la Universidad
Politécnica de Madrid. Master en Ingeniería de Software por la
Universidad de Oxford. Master en Análisis Financiero y Económico por
la Universidad Complutense de Madrid. Ingeniero de Sistemas de la
UNI.
Amplia experiencia profesional en Transformación Digital, Machine
Learning, RPAs, Data Science, Metodologías Ágiles, Microservices,
gestión económica de proyectos. Docente de Inteligencia Artificial en la
Universidad Nacional de Ingeniería.
Director de TI en empresas en Peru y Europa
Consultor de IA y Datos en la SGTD en la PCM
Miembro del AI Connect Program (US Department y Atlantic Council)
Creador de Troomes.com

2
CURSOS PIT

Agenda Sesion 1

01 Analisis Descriptivo, Predictivo y Prescriptivo

02 Inteligencia Artificial y su historia

03 Aplicaciones de la Inteligencia Artificial

04 Machine Learning
Analisis Descriptivo

• El análisis descriptivo se ocupa de estudiar el pasado. Como el nombre indica, el

análisis descriptivo se usa para describir lo que ha pasado. Hay varias formas de
describir el pasado:
• Usando estadísticas fáciles de entender, en plan: mínimo, máximo, media,
mediana, cuartiles, desviación típica, los 10 mejores / peores. La misma
información se puede dar agrupada.
• Por ejemplo:
– Estadísticas de las ventas de una multinacional agrupadas por país.
– Estadísticas de los accesos a un sitio web
Analisis Descriptivo

• Usando gráficos que resuman los datos. Hay varios tipos de gráficos que pueden
ser útiles. Por ejemplo, evolución de ventas, beneficios y costes como serie
temporal. O también de distribución de datos; por ejemplo, histogramas con la
edad de los clientes.
• Las tablas también son un aspecto fundamental del análisis descriptivo.
– Por ejemplo, el balance de una empresa a final de año, sabes de qué estoy hablando.
Analisis Descriptivo

• Google Analytics
 Analisis Predictivo

• El análisis predictivo se refiere al uso de aprendizaje automático supervisado. A efectos

prácticos, normalmente consta de estos pasos:
• Decidir qué es lo que queremos predecir en el futuro. Por ejemplo, predecir la
probabilidad de que un cliente haga click en un anuncio de Internet.
• Decidir en qué datos van a estar basadas estas predicciones (atributos relevantes).
Por ejemplo, historial de compras, productos que ha buscado, productos que
normalmente se compran juntos, etc.
• Darle a los algoritmos de Inteligencia Artificial datos históricos. Debemos incluir tanto
los atributos relevantes como el resultado que obtuvimos.
 Analisis Predictivo

• Como resultado, se ha entrenado un modelo que refleja la relación entre los datos
de entrada y los resultados a predecir. Para estar seguros tendremos que medir la
generalización del modelo y realizar un análisis de errores.
• Una vez que tenemos un modelo de IA, sólo nos queda usarlo para predecir.
Siguiendo el ejemplo anterior, podemos calcular la probabilidad de que un usuario
haga click en varios anuncios.
 Analisis Prescriptivo

• Con el análisis prescriptivo intentamos cambiar el futuro. Es decir, vamos a usar

Inteligencia Artificial para descubrir qué tenemos que hacer para obtener los
resultados que queremos.
• Una forma de realizar análisis prescriptivo es usando modelos de inteligencia artificial
explicables. Es decir, entender cómo el modelo de machine learning está realizando su
predicción. Actualmente los modelos de machine learning que mejor resultados dan
para predecir, son difíciles de interpretar.
– Por ejemplo, esto le pasa a las redes neuronales profundas (deep learning) y a los bosques
aleatorios (random forests).
 Analisis Prescriptivo

• Por ejemplo, para realizar el análisis de las noticias de un portal, se puede usar una regresión
lineal o logística. La regresión lineal o logística son modelos fáciles de interpretar. Así que
podemos inspeccionar lo que ha aprendido y cómo los datos de entrada influyen en los
resultados.
• Si conseguimos encontrar qué causa los resultados que queremos … entonces ya sabremos
lo que tenemos que hacer.
Experimentos aleatorios

• Después de usar una IA explicable, asegurarnos que generaliza bien y usar nuestra
inteligencia humana … el último paso es realizar experimentos aleatorios (randomized tests).
Estos experimentos se usan mucho en farmacia. Son el estándar para demostrar la
efectividad de un medicamento. También se usan mucho para la optimización de sitios web
y marketing. En este contexto se les llama tests A/B.
Experimentos aleatorios

• Ejemplo de test aleatorio

• Por ejemplo, creamos un modelo de machine learning para predecir cuánto tiempo
un usuario va a visitar un sitio web. Usamos un modelo de machine learning
explicable y nos damos cuenta que unos de los factores principales es el tamaño de
letra de la página que visitan.
• Podríamos concluir que lo que tenemos que hacer es aumentar el tamaño de letra
de todos los artículos. Pero hay otros factores que no estamos considerando. Por
ejemplo, a lo mejor los distintos tamaños de letra corresponden a las preferencias
de los autores de los artículos. Así que, en este casos, los visitantes del sitio web
tendrían preferencia por el autor, en lugar de por el tamaño de letra.
Experimentos aleatorios

• Ejemplo de test aleatorio

• Para estar seguros tendríamos que realizar un experimento aleatorio. Conforme vayan llegando
usuarios, aleatoriamente les daríamos una de dos versiones: una en la que todas las páginas
tienen una fuente mayor, y otra en la que la fuente es normal. Al medir los resultados de este
experimento podríamos saber realmente si un tamaño de letra mayor es una causa del tiempo
en el sitio web.
¿Que es Inteligencia/Inteligencia Artificial?

¿Inteligencia?
La propia capacidad de lógica, comprensión, comunicación, aprendizaje, memoria, resolución
de problemas, etc.
¿Inteligencia artificial?
Inteligencia exhibida por máquinas o software.
El estudio y diseño de agentes inteligentes.
La ciencia y la ingeniería para fabricar máquinas inteligentes.
 ¿Inteligencia/Inteligencia Artificial?

“El nuevo y emocionante esfuerzo de hacer que las computadoras piensen”

(Haugeland, 1985)
“La Automatización de actividades que asociamos con el pensamiento humano,
actividades como toma de decisiones, resolución de problemas, aprendizaje”,
(Bellman, 1978)
"El estudio de las facultades mentales mediante el uso de modelos
computacionales", (Charniak y McDermott 1985)
“El estudio de los cálculos que permiten percibir, sonar y actuar”, (Winston 1992)
"IA ... se preocupa por el comportamiento inteligente de los artefactos", (Nilsson,
1998)
 ¿Inteligencia/Inteligencia Artificial?

• Toma ideas de diferentes campos : Ingeniería, biología, psicología,

teoría de la comunicación, matemáticas, estadística, lógica y
filosofía.
https://www.youtube.com/watch?v=RsWbEA7XvOM
Artificial Intelligence in Economy/Society
Inteligencia Artificial en la Economía y la Sociedad

Fuente: https://oecd.ai/en/
 Inteligencia Artificial - ENIA

Fuente: https://www.gob.pe/institucion/pcm/informes-publicaciones/1929011-estrategia-nacional-de-inteligencia-
artificial
Inteligencia Artificial - ENIA
En sus inicios, la IA simulaba el comportamiento humano a través de reglas. Sin
embargo los métodos más recientes se enfocan en hacer que las máquinas
aprendan de los datos y su interacción con el mundo exterior automáticamente.
Actualmente, la OECD propone la siguiente definición: “Un sistema de IA es un
sistema electrónico-mecánico que puede, para una serie de objetivos
definidos por humanos, hacer predicciones, recomendaciones, o tomar
decisiones, influenciando ambientes reales o virtuales. Los sistemas de IA
están diseñados para operar con niveles variados de autonomía”.

Para complementar estas dos definiciones, queremos mencionar también que la

IA recibe influencias e influye áreas como la neurociencia, lingüística, robótica,
Ingeniería, biología, psicología, teoría de la comunicación, matemáticas,
estadística, lógica, lingüística, filosofía, entre otras.

https://www.gob.pe/institucion/pcm/informes-publicaciones/1929011-estrategia-nacional-de-inteligencia-
artificial
 Inteligencia Artificial - ENIA

Fuente: https://www.gob.pe/institucion/pcm/informes-publicaciones/1929011-estrategia-nacional-de-inteligencia-
artificial
 Inteligencia Artificial
• Robot viene palabra checa Robota: trabajo de siervo, trabajo de esclavo. Esto
proviene de una obra de ciencia ficción RUR escrita por Karel Čapek. Dos tipos de
robots:
Robots de ciencia ficción, se parecen a nosotros, piensan como nosotros, se comportan como
nosotros: no existen
• Robots que no se parecen a nosotros, no se comportan como nosotros. Robots que
encapsulan el mundo (mapas, sensores, bases de datos, algoritmos, etc.): Realice
tareas simples -> Éxito
• Los problemas (u objetivos) centrales de la investigación de la IA incluyen el
razonamiento, el conocimiento, la planificación, el aprendizaje, el procesamiento
del lenguaje natural (comunicación), la percepción y la capacidad para mover y
manipular objetos.
 Inteligencia Artificial
• Departamento de AI / ENG: no importa es realmente AI, si hace un
buen trabajo -> Éxito
https://www.troomes.com/viewtopic.php?f=3&t=240

• Departamento de Inteligencia Artificial / Ciencias Cognitivas:

Implementación no biológica de la inteligencia. Enourmos el éxito si
es inteligente en absoluto -> fracasando
https://www.troomes.com/viewtopic.php?f=11&t=395
Inteligencia Artificial – Areas

• Algunas áreas de IA:

– Sistemas expertos
– Procesamiento natural del lenguaje
– Visión por computador
– Algoritmos genéticos
– Redes neuronales artificiales
– Aprendizaje profundo
– Algoritmos de neuroevolución.
– Aprendizaje reforzado
– Otros
 Inteligencia Artificial - Historia
• 1945-1947: Turing diseñó ACE (Motor de cómputo automático)
• 1950: Prueba de Turing. Simon, Newell, Cliff desarrolló un programa de teoría de la
lógica. Computadora para jugar al ajedrez.
https://www.troomes.com/viewtopic.php?f=3&t=562
https://en.wikipedia.org/wiki/Loebner_Prize
• 1956: Primera conferencia sobre IA: símbolos de proceso, nuevos lenguajes, etc.
(John McCarthy, Marvin Minsky, Allen Newell e Herbert Simon)
 Inteligencia Artificial - Historia

• 1960: LISP, Programas ELIZA y otros programas. Evolucionar Sistemas Adaptativos,

Algoritmos Genéticos. Holland.

• 1960,1972: Aparición de una red neuronal artificial.

 Inteligencia Artificial - Historia

A principios de la década de 1980, la investigación de la IA fue revivida por el éxito

comercial de los sistemas expertos, pero fue muy difícil encontrar presupuesto
para investigar en IA
A partir de 1991, la IA logró el mayor éxito con aplicaciones comerciales como
logística, minería de datos, diagnóstico médico, etc. Motivo: potencia de la
computadora.
 Inteligencia Artificial - Historia

• El 11 de mayo de 1997, IBM Deep Blue se convirtió en el primer sistema

informático de juego de ajedrez en vencer al campeón mundial de ajedrez
Kasparov.
https://www.youtube.com/watch?v=KF6sLCeBj0s
• En febrero de 2011, ¡en peligro! concurso de exhibición de concurso, el sistema
de respuesta a preguntas de IBM, Watson, derrotó a los dos mayores campeones
de Jeopardy.
• En marzo de 2016, AlphaGo ganó 4-1 en un campeón de Go Match to Go, Lee
Sedol, convirtiéndose en el primer sistema informático de Go-playing en vencer a
un jugador de Go humano profesional sin desventajas.
https://www.troomes.com/viewtopic.php?f=11&t=4474
AI - Machine Learning – Deep Learning
 Machine Learning
• Un campo de estudio que brinda a las computadoras la capacidad de
aprender sin ser programadas explícitamente.
• Se dice que un programa de computadora aprende de la experiencia E
con respecto a alguna clase de tareas T y medida de desempeño P, si su
desempeño en las tareas de T, medido por P, mejora con la experiencia E
(Tom M. Mitchell).
• El aprendizaje automático se encuentra en la intersección de la
informática, la ingeniería y la estadística y, a menudo, aparece en otras
disciplinas.
• Se puede aplicar a muchos campos, desde la política hasta la Medicina.
 AI and COVID-19
• With the help of AI and other technologies, interactive real-time maps were created
to monitor the progress of the epidemic [*], with public and transparent information
(by region, district, neighborhood) for all citizens, and thus suggest what population
avoid frequenting certain places and that the authorities can focus efforts.

[*] https://www.healthmap.org/es/
https://www.troomes.com/viewtopic.php?f=5&t=4527
 AI and COVID-19
• Prediction of the following places where the pandemic is going to spread: BlueDot that
was able to predict at the beginning of the pandemic in late December 2019 the next
cities in danger of contamination outside Wuham, this was achieved with the use of
information on plane flights, information from public health organizations, information in
the media, population demographics, etc. and using Machine Learning and Big Data
algorithms he was able to predict where the pandemic would spread [*].

[*] https://bluedot.global/
 AI and COVID-19
• Clinical diagnoses through pattern recognition based on images collected from chest
radiographs or computed tomography (CT). Some companies like Alibaba have made
software available to carry out this type of diagnosis [*]. This can be very useful
especially in places where there are not many doctors who can read this type of
images or that due to the number of cases, tools are needed that can quickly rule
out the existence of the virus.

[*] https://www.alibabacloud.com/solutions/ct-image-analytics
 AI and COVID-19

• Applications with thermal cameras located in public

places such as airports, entrances to public buildings to
identify the temperature of suspicious people and apply a
protocol to avoid contamination to other people in the
place.

• Applications to detect people without mask

https://www.troomes.com/viewtopic.php?f=3&t=4640
https://www.troomes.com/viewtopic.php?f=45&t=4581
 AI and COVID-19
• Applications that can predict the risk of mortality of a person infected with coronavirus [*],
this to help calculate how much of our population, once infected, could unfortunately lose
their lives, and based on this, work on early interventions, potentially reducing mortality.

[*] https://www.medrxiv.org/content/10.1101/2020.02.27.20028027v2
 Jueces Robot
• En 2019, el Ministerio de Justicia solicitó oficialmente que el director de datos
de Estonia diseñara un juez robot para presidir las disputas de reclamos
menores de menos de 7,000 euros para despejar una acumulación de tales
casos. Actualmente está en desarrollo (*).
• China ha estado empleando inteligencia artificial en la sala de audiencias desde
2017. Se utiliza un juez robot para escuchar casos específicos como disputas
comerciales, reclamos de responsabilidad por comercio electrónico e
infracciones de derechos de autor. Hasta la fecha, más de 3 millones de casos
han sido manejados por un juez robot en China

Source: https://automatingsociety.algorithmwatch.org/report2020/estonia/
37
 Sistema para Predecir Futuras Reincidencias Delictivas
• HART, es un sistema desarrollado por la Policía de Durham y la Universidad de Cambridge,
utiliza datos de entrenamiento de 104.000 personas arrestadas durante cinco años.
• El sistema utiliza variables como el historial de delitos del sospechoso, edad, sexo y área
geográfica, para clasificar a un delincuente como de riesgo bajo, medio o alto de cometer
nuevos delitos graves durante el período de dos años siguientes.
• Aquellos en la categoría de riesgo medio "que probablemente cometan un delito no grave" -
pueden entonces ser incluidos en el programa 'Checkpoint' de la fuerza policial, que "ofrece a
los infractores elegibles un contrato de 4 meses para participar como alternativa a
enjuiciamiento.
• HART fue desarrollado con el objetivo de reducir el número de personas encarceladas, y de ser
susceptibles a otras formas de intervención que serían tan o incluso más efectivas para reducir
el riesgo de reincidencia.
Sugerencias del Ciudadano

• IA para analizar las sugerencias del ciudadano recogidas a través

de plataformas digitales usando ML + NLP (*). Los algoritmos
identifican los temas principales y agrupan ideas similares en
grupos, que luego pueden desglosarse por rasgo demográfico o
ubicación geográfica.

Source: https://oecd-opsi.org/innovations/unlocking-the-potential-of-crowdsourcing-for-public-decision-making-with-artificial-intelligence.
39
Casos de Uso en el Sector Publico

• Chatbots para gobiernos locales. Los ciudadanos disfrutan de

respuestas instantáneas a preguntas sobre servicios públicos y
una navegación más fácil a través de la jungla de datos públicos,
incluyendo vías rápidas para los formularios que deben
completar.

Source: https://oecd-opsi.org/innovations/unlocking-the-potential-of-crowdsourcing-for-public-decision-making-with-artificial-intelligence.
40
Casos de Uso en el Sector Publico

• Sistema de soporte para los gestores municipales para identificar

jóvenes de 16 a 26 años que puedan pertenecer a grupo de
población en riesgo: Jóvenes con riesgo a dejar la escuela,
quedarse sin trabajo o sin capacitaciones.

Source: https://automatingsociety.algorithmwatch.org/report2020/estonia/
41
Identificación de la Pobreza

• Identificación de barrios marginales o de nuevas zona de

invasiones de terrenos mediante el uso de imagines satelitales
(*).

(*) Bangalore, India.

42
 Inteligencia Artificial en la economía/sociedad

• ¿Robots de IA reemplazando a los humanos?

– ¿Reemplazo de agentes de la mesa de ayuda, médicos, profesores, periodistas, trabajadores de
fabricación, soldados, etc.?
• La IA creará más trabajos de los que destruirá
– Trabajos de IA con el salario más alto
Inteligencia Artificial en la
Economia/Sociedad

¿La IA es mala para la humanidad?

Impacto en la economía, seguridad, moral, ética.

https://singularityhub.com/2019/01/01/ai-will-create-millions-more-jobs-than-it-will-destroy-heres-how/
 Foto: Pixabay
Ética en IA
Sesgos y discriminación en la IA

Evaluación de datos y de algoritmos

Evaluación multidisciplinaria de la IA

Automatización del empleo por la IA

Dificultad en la medición del impacto - Informalidad

Se busca promover empleos en base de digitalización
Se busca promover capacitación de los desplazados

Lineamientos, guías mundiales y propuestas

Identificar estereotipos negativos y utilidad de personalización (acceso a universidad, acceso

al crédito y otros servicios).
Promover uso en problemas de poblaciones vulnerables, para la salud y aplicaciones
logísticas.
 Foto: Pixabay
Total de publicaciones en IA anuales del sector
académico peruano recogidas desde Scopus
En los últimos 7 años se ha observado un incremento de casi un 400% de publicaciones en IA en revistas
Scopus del sector académico peruano.

Fuente: ENIA Peru

 Foto: Pixabay
Total de publicaciones en IA por área de conocimiento del
sector académico peruano recogidas desde Scopus
Se observa que las áreas de conocimiento que están publicando sobre IA son Ciencias de la Computación,
Ingenierías, Medicina, Ciencias Sociales, Matemáticas y otras.

Fuente: ENIA Peru

 Resultado de la Encuesta del Estado de IA en el
Sector Público Peruano (Enero - 2021)

Pregunta: ¿Estas usando Inteligencia Artificial (IA) o Ciencia de Datos en tu institución?

La encuesta la contestaron alrededor de 20% de la instituciones públicas. Solo el 7% de las
instituciones que contestaron que afirman usan la IA en su institución.

(*) Respondieron 454 instituciones públicas

Fuente: ENIA Peru

 TROOMES.COM
Troomes.com : It is platform to share knowledge about all IT Related Topics.
In this platform you will find:
- AI projects (http://www.troomes.com/viewforum.php?f=37)
- DataSet for Data Science Problems (http://www.troomes.com/viewforum.php?f=39)
- IT Events created by members (http://www.troomes.com/app.php/Calendar/June/2020)
- Other related topics as Jobs, Forums, Social Network,etc.
 Machine Learning
• Un campo de estudio que brinda a las computadoras la capacidad de
aprender sin ser programadas explícitamente.
• Se dice que un programa de computadora aprende de la
experiencia E con respecto a alguna clase de tareas T y medida de
desempeño P, si su desempeño en las tareas de T, medido por P,
mejora con la experiencia E (Tom M. Mitchell).
• El aprendizaje automático se encuentra en la intersección de la
informática, la ingeniería y la estadística y, a menudo, aparece en
otras disciplinas.
• Se puede aplicar a muchos campos, desde la política hasta la
Medicina.
Machine Learning
3. Lenguajes y Herramientas en ML

• C++
• .NET (Machine Learning Projects for .NET developers, Mathias Brandewinder,
Apress)
• Java
• R, Visual R
• Matlab
• Python
• Weka (https://waikato.github.io/weka-wiki/downloading_weka/)
 Algunos ejemplos de Machine Learning
– Identificación de zonas con mayor índice de tráfico de Animales Silvestres:
https://www.troomes.com/viewtopic.php?f=37&t=7319
– Clasificación de Secuelas Neurológicas en Pacientes Post-Covid19:
https://www.troomes.com/viewtopic.php?f=37&t=7016
– Clasificación de clientes en un VAS de telecomunicaciones:
https://www.troomes.com/viewtopic.php?f=37&t=7009
– Modelo predictivo para detección de fraude en el uso de tarjetas de crédito
https://www.troomes.com/viewtopic.php?f=38&t=5193
– Segmentación de clientes de una empresa bancaria:
https://www.troomes.com/viewtopic.php?f=38&t=4413
 Algoritmos de Aprendizaje Supervisado
Algunos algoritmos en el aprendizaje supervisado:
–Arboles de Decisión
–Redes Bayesianas
–Máquinas de Vectores de Soporte (SVM)
–Red Neuronal Artificial
 Weka
• Install Weka
–http://www.cs.waikato.ac.nz/ml/weka/downloading.html
• Click Explorer to open
 Weka
• Menus:
–Preprocess: visualización y pre-procesado de los datos (aplicación de filtros)
–Classify: Aplicación de algoritmos de clasificación y regresión
–Cluster: Agrupación
–Associate: Asociación
–Select Attributes: Selección de atributos
–Visualize: Visualización de los datos por parejas de atributos
 Weka File
• Different kind of input file: *.arff, *.csv
 Weka File
• Usar el archivo Iris.arff
 Preprocesamiento del Dataset
• Elegir el archivo: editarlo, guardarlo.
 ¿Como los atributos están clasificando?
• Opción ViewAll
 Pre-procesamiento
• Aplicar algunos filtros o remover algunos atributos
Clasificación
 Tarea
• Del dataset de Diabetes, identificar que variables están correlaciones
• Leer del Manual del Weka del cap. 3 al cap. 4
• Instalar Weka en sus PCs/Laptops:
https://www.troomes.com/viewtopic.php?f=70&t=7397
• Usar Weka para visualizar que variables (individualmente o por pares)
clasifican mejor a las personas con diabetes?