INTELIGENCIA ARTIFICIAL
CON APRENDIZAJE
AUTOMÁTICO EN JAVA
Integrantes:
Luis Fernando Ventocilla Polin
Niber Matencio Paucar
Belinda Quispe Quezada
EXPLICACIÓN DEL USO
DE LA IA.
USO DEL APRENDIZAJE
AUTOMÁTICO
DEFINICIÓN
El aprendizaje automático
EJEMPLO
Si un usuario ha visto
permite que las máquinas
aprendan de datos APLICACIÓN
En el sistema de
varias películas de
acción con buenas
históricos y mejoren sus calificaciones, el
recomendación, el
predicciones sin ser sistema recomendará
aprendizaje automático
explícitamente películas similares.
analiza el comportamiento
programadas.
de visualización de los
usuarios (películas vistas,
calificaciones y géneros).
DIFERENCIA ENTRE APRENDIZAJE
SUPERVISADO Y NO SUPERVISADO
SUPERVISADO NO SUPERVISADO
Trabaja con datos etiquetados. Trabaja con datos sin etiquetas.
Aplicación en Aplicación en
recomendaciones: Clasificar recomendaciones: Agrupar
películas como "recomendadas" usuarios con intereses similares
o "no recomendadas" según las usando clustering
calificaciones de otros usuarios. (agrupamiento).
Ejemplo: Un modelo predice si Ejemplo: Crear grupos de
un usuario disfrutará una película usuarios que ven principalmente
basándose en sus preferencias comedias románticas.
previas.
DIFERENCIA ENTRE DATOS
E INFORMACIÓN
DATOS INFORMACIÓN
Es el resultado del análisis
Son números o hechos
de los datos, con valor
sin procesar.
agregado.
Ejemplo: Género,
Ejemplo: "Los usuarios que
calificación y duración
ven películas de comedia
de una película.
los fines de semana
califican mejor las
películas de 90 minutos."
TRANSFORMACIÓN EN EL SISTEMA:
Los datos crudos se convierten en
patrones útiles que guían las
recomendaciones personalizadas.
DIFERENCIA ENTRE
CLASIFICACIÓN Y REGRESIÓN
CLASIFICACIÓN APLICACIÓN
Predice categorías. La clasificación
Ejemplo: Clasificar
si un usuario verá
REGRESIÓN identifica qué películas
recomendar, mientras
Predice valores
una película ("Sí" o que la regresión
numéricos continuos.
"No"). Ejemplo: Estimar qué predice el nivel de
calificación daría un satisfacción esperado.
usuario a una película
en una escala del 1 al
5.
UTILIZA RECURSIVIDAD
EN LA PROGRAMACIÓN
¿QUÉ ES LA
La
RECURSIVIDAD?
recursividad es un concepto en
programación donde una función se llama a sí
misma directa o indirectamente para resolver
un problema. Es una técnica poderosa y
elegante que se utiliza para dividir un
problema grande en subproblemas más
pequeños y manejables.
¿QUÉ ES UNA
ESTRUCTURA DE ÁRBOL?
Un árbol es una estructura de datos jerárquica que organiza información
en nodos conectados, donde cada nodo tiene un "padre" y puede tener
múltiples "hijos". Se utiliza para representar relaciones como sistemas de
archivos, estructuras familiares o decisiones en juegos.
El árbol tiene:
Raíz: Es el nodo principal (de donde parte el árbol).
Hijos: Nodos conectados directamente al padre.
Hojas: Nodos que no tienen hijos.
Ramas: Conexiones entre nodos que forman los caminos.
RECORRIDOS DE UN ÁRBOL
PRE-ORDER INORDEN
Procesa el nodo actual
El nodo se procesa
antes de visitar sus hijos.
POST-ORDER entre sus hijos izquierdo
Procesa el nodo y derecho (ideal para
actual después de árboles binarios de
visitar todos sus hijos. búsqueda).
IMPLEMENTACION DE UN ÁRBOL
BINARIO Y RECORRIDOS
CONSTRUYE ALGORITMO
DE ÁRBOL DE DECISIONES
ÁRBOLES DE
DECISIÓN
Es una herramienta visual que se
utiliza para tomar decisiones basadas
en diferentes opciones o condiciones.
Se parece a un árbol, donde cada
rama representa una posible decisión
o resultado. Se usa para analizar cuál
es la mejor opción cuando hay varias
alternativas y queremos ver las
consecuencias de cada una.
LA ENTROPIA Y GANANCIA DE
INFORMACIÓN
GANANCIA DE
LA ENTROPIA INFORMACIÓN
Es una medida de Mide cuánto se reduce
incertidumbre o la entropía al dividir un
desorden en un conjunto de datos en
conjunto de datos. Se subconjuntos utilizando
usa para cuantificar un atributo específico.
cuán impredecible es Es una métrica que
la información en un evalúa la relevancia
de un atributo para
sistema. separar los datos.
ALGORITMO ID3
El algoritmo ID3 nos ayuda a construir un árbol
de decisión que permita clasificar datos en
función de atributos, basándose en la
reducción de incertidumbre o impureza
mediante el uso de entropía y ganancia de
información.
¡GRACIAS POR
TU ATENCIÓN!
