DATOS PERSONALES FIRMA
Nombre: Miguel Ángel DNI: 10559710
Apellidos: Montoya García
ESTUDIO ASIGNATURA CONVOCATORIA
MÁSTER UNIVERSITARIO EN 5810000101.-
Ordinaria
INTELIGENCIA ARTIFICIAL INVESTIGACIÓN EN
(PLAN 2017) Número periodo 5740
INTELIGENCIA ARTIFICIAL
FECHA MODELO CIUDAD DEL EXAMEN
3-5/03/2023 Modelo - C LIMA
Etiqueta identificativa
INSTRUCCIONES GENERALES
1. Ten disponible tu documentación oficial para identificarte, en el caso de que se te
solicite.
2. Rellena tus datos personales en todos los espacios fijados para ello y lee
atentamente todas las preguntas antes de empezar.
3. Las preguntas se contestarán en la lengua vehicular de esta asignatura.
4. Debes contestar en el documento adjunto, respetando en todo momento el
espaciado indicado para cada pregunta. Si este es en formato digital, los márgenes,
el interlineado, fuente y tamaño de letra vienen dados por defecto y no deben
modificarse. En cualquier caso, asegúrate de que la presentación es suficientemente
clara y legible.
5. Entrega toda la documentación relativa al examen, revisando con detenimiento que
los archivos o documentos son los correctos. El envío de archivos erróneos o un
envío incompleto supondrá una calificación de “no presentado”.
6. Durante el examen y en la corrección por parte del docente, se aplicará el
Reglamento de Evaluación Académica de UNIR que regula las consecuencias
derivadas de las posibles irregularidades y prácticas académicas incorrectas con
relación al plagio y uso inadecuado de materiales y recursos.
Código de examen: 10120317
Puntuación
Preguntas cortas
● Puntuación máxima 5,00 puntos
Pregunta de desarrollo
● Puntuación máxima 5,00 puntos
Preguntas cortas
En esta parte del examen deberás aportar respuestas a las siguientes preguntas cortas. Se
valorará especialmente la capacidad de razonamiento y la claridad en la exposición de los
conceptos.
Son 5 preguntas, cada una de ellas valorada con 1 punto (5 puntos en total).
El espacio indicado para cada pregunta es de 1/2 cara. Dispones de 3 caras en total.
Pregunta 1 - Describe bajo tu punto de vista, qué aspectos de estilo en la redacción científica
son mejorables en el siguiente texto: "El método 1 distribuye mejor, sin duda alguna, los
resultados que el método 2".
En el texto se debe especificar a que se refiere con “distribuye mejor”. Se debería hacer
referencia a alguna métrica que indique de forma clara y precisa una medida con la cual
comparar. Ademas la frase “sin duda alguna” no es objetiva ya que se refiere al punto de vista
del autor.
Por ejemplo el texto podria quedar asi: “El método 1 a dado un resultado con accuracy de 0.9,
que comparado con el accuracy obtenido con el metodo 2 de 0.6, nos indica que el primero
tiene mayor exactitud”.
Pregunta 2 - Al redactar un artículo académico que describe un experimento, es frecuente
separar los apartados de resultados, discusión y conclusiones. Desarrolla un ejemplo de un
resultado experimental y describe en tres párrafos el resultado, su discusión y la conclusión
que se obtiene.
Resultados:
Código de examen: 10120317
De los experimientos realizados con la técnica de random forest se obtuvieron resultados poco
satifactorios. El accuracy fue de 0.5, además el recall dió un valor de 0.6, lo cual significa que el
modelo no ha sido capaz de predecir adecuadamente las clases positivas. Igualmente, la
regresión logística a dado valores por debajo de los esperados: un accuracy de 0.6 y un recall
de 0.75. Finalmente, las redes neuronales multicapa son los que han dado los mejores
resultados: accuracy de 0.9 y un recall de 0.85.
Discusión:
Los resultados obtenidos nos permiten afirmar que las redes neuronales multicapa dan mejores
resultatos en este modelo en particular. Sin embargo, hay que considerar que no se cuenta con
suficientes datos de tal forma de que las clases a predecir esten equitativamente balancedas,
ya que se tienen más instancias de la clase A respecto a las clases B y C.
Conclusión:
Este experimiento nos a permitido evaluar tres técnicas de aprendizaje automático aplicado a la
predicción del precio de las acciones en base a información del histórico del precio de las
acciones y al análisis de sentimientos de las noticias de las empresa que cotizan en la bolsa.
Sin embargo, debido a que aún no se cuenta con suficiente información, ya que queda
pendiente incluir datos de las redes sociales, los resultados no son del todo satisfactorios. No
obstante, este trabajo preliminar no da una idea de la dirección en la que debe ir la
investigación a fin de validar la hipotesis planteada.
Pregunta 3 - En el contexto de la ciencia de datos, explica qué diferencias esenciales existen
cuando hablamos de modelos de Inteligencia Artificial frente a un proyecto tradicional de
software.
La principal diferencia es que para crear los modelos de inteligencia artificial se tienen que
hacer muchos experimientos con los datos y usar diferentes técnicas, lo cual le da un caracter
impredecible en cuanto al tiempo de desarrollo. Esto significa que son proyectos con alta
incertidumbre, por lo que no es posible hacer una estimación del tiempo de desarrollo como si
se podría hacer con un proyecto para desarrollar un software tradicional.
Otra diferencia es que para el desarrollo de proyectos de inteligencia artificial se necesita
contar un equipo multidisciplinar entre ellos: científicos de datos, análistas de datos,
estadísticos y desarrolladores. En el caso de desarrollo de proyectos de software tradicional se
tienen los analistas del negocio y desarrolladores. Pero por lo general no se requiere
profesionales en análisis de datos.
Pregunta 4 - Describe en qué consisten los algorítmos evolutivos (o genéticos) y propón un
problema que pueda ser tratado con ellos.
Los algoritmos genéticos son técnicas de inteligencias artificial inspirados en la teoría evolución
de las especies. Consisten en considerar una población de modelos, al que se le aplican
técnicas que imitan la evolución como: selección, mutación y cruce, con el objetivo de que
luego de muchas iteraciones se logre obtener un modelo óptimo.
Un problema al que se le puede aplicar esta técnica podría ser para encontrar la ruta más
óptima que debe recorrer los camiones de una empresa de logística. Si se compara con los
algorítmos de búsqueda exaustiva, los algoritmos genéticos pueden dar mejores resultados ya
que una de sus ventajas es que se adaptan bien a entornos cambiantes.
Código de examen: 10120317
Pregunta 5 - Los sistemas cognitivos requieren de grandes volúmenes de datos para generar
aplicaciones realmente eficaces y mostrar resultados consistentes, fiables y relevantes.
Desarrolla un caso de uso de aplicación del Big Data a sistemas cognitivos, caracterizado por
capturar información de fuentes de datos diversas, que se generen a una velocidad
considerable y con un gran volumen.
Un caso de uso podría ser un chatbot de tutoría inteligente para educación universitaria. Para
ello, se necesitará contar con un gran volúmen de datos de los diferentes cursos. Se deberá
construir un corpus de conocimiento que conecte todas las materias de estudio. Se deberá
incluir informacion estructurada como no estructurada (libros, revistas, videos, imagenes, etc).
Con este conocimiento el chat podrá responder a las consultas de los estudiantes de manera
confiable ya que la información será validada previamente por la universidad.
1. Escribe tus respuestas en las páginas siguientes. (Responder en 3 caras)
Pregunta de desarrollo
En este apartado debes diseñar una investigación completa y explicarla en el formato de
un abstract extendido.
El formato de abstract extendido es muy popular en algunas conferencias y también en revistas
que publican números especiales sobre una temática muy concreta. Consisten en solicitar una
versión preliminar del artículo a modo de filtro previo, buscando un equilibrio entre elegir las
mejores contribuciones y no sobrecargar a los autores con la tarea de escribir un artículo
completo que después podría no ser aceptado. Un abstract extendido normalmente se escribe
de manera estructurada, con una longitud de 1-2 páginas.
En esta investigación vamos a suponer que tenemos un problema concreto que queremos
abordar mediante la aplicación de redes neuronales profundas. Ya tenemos el problema
concreto y el conjunto de datos, y también un conjunto de datos más pequeño que nos sirva
para probar distintas tecnologías y ver si funcionan adecuadamente.
Nos queda el problema de decidir qué tecnología utilizar, entre las distintas plataformas de
terceros que existen.
El problema en concreto y las soluciones a comparar los puedes elegir libremente. Debes fijar
qué parámetros vas a medir y cómo vas a compararlos.
El trabajo debe plantear un experimento concreto a partir de una pregunta de investigación.
Como en las actividades de clase, ten muy en cuenta que lo importante no es que sepas a
priori cuál es la mejor solución, sino la consistencia de la propuesta de investigación planteada
y que el resultado final sea una exposición coherente con una línea de discurso consistente.
El abstract extendido deberá incluir los siguientes apartados, que se evaluarán por separado:
Introducción (1 punto) – En este apartado se debe contextualizar el experimento a realizar y
los resultados que se quieren verificar. La sección debería responder a preguntas tales como:
¿Cuál es el objetivo de la investigación? ¿Cuáles son las hipótesis o preguntas de
investigación que queremos resolver? ¿Por qué es relevante el problema? ¿Cómo podríamos
Código de examen: 10120317
abordar el proceso de investigación? ¿Qué resultados esperamos obtener? La longitud
esperada es de 100-150 palabras.
Métodos (1,5 puntos) – En este apartado se debe describir el experimento a realizar, así
como los materiales y recursos necesarios. Debe responder a preguntas tales como: ¿Qué tipo
de experimento vamos a realizar? ¿Es un experimento con grupo experimental y grupo de
control o es un experimento comparativo? ¿Qué recursos son necesarios? ¿Qué variables
vamos a medir? ¿Se va a utilizar algún tipo de cuestionario? La longitud esperada es de 150-
200 palabras.
Resultados y discusión (1 punto) – En este apartado se debe incluir un resumen breve de los
resultados obtenidos. Al ser un abstract extendido, se espera que el grueso de la información
de resultados esté en el artículo completo final, y aquí solamente se espera que indiques los 2-
3 resultados principales de la investigación, junto con la discusión de por qué son relevantes.
La longitud esperada es de menos de 100 palabras.
Conclusiones (1 punto) – En este apartado se deben comentar las conclusiones del artículo,
resaltando el haber conseguido dar una respuesta a las preguntas o hipótesis de investigación,
así como resaltar las lecciones aprendidas que pueden ser aprovechadas por otros
investigadores. La longitud esperada es de menos de 100 palabras.
Al ser un abstract extendido, no es necesario que incluyas bibliografía ni estado del arte.
En todos los apartados se valorará lo adecuado de la contribución y el estilo de escritura, que
debe ajustarse a los criterios habituales de un documento científico que expone resultados de
investigación.
De manera transversal, se valorará con 0,5 puntos adicionales la coherencia entre los
distintos apartados y la línea de discurso del trabajo.
1. Desarrolla tu respuesta en las páginas siguientes (extensión máxima: 2 caras) (Responder
en 2 caras)
Introdución:
La seleccion peruana de futbol clasificó al mundial en el año 2018 luego de más 35 años. Esto
fue un gran logro, sin embargo no logró clasificar al último mundial. La Federación Nacional de
Futbol a decidido llevar a cabo un proyecto de inteligencia artificial como herraminenta que
permita mejorar el rendimiento de los jugadores y aprovechar al máximo sus fortalezas con el
objetivo de lograr un mejor desempeño de cara al próximo mundial.
Para ello, el equipo de especialistas deportivos a planteado la hipótesis de que una nutrición
personalizada, junto con las últimas técnicas entrenamiento funcional, considerando las
caracteristicas propias de cada jugador podrá aumentar de forma significativa las posibilidades
de éxito en el próximo mundial de futbol. Para ello, se ha considerado aplicar técnicas de
aprendizaje automático, en particular redes neuronales profundas, para predecir el valor de
cada jugador en base a los datos de su alimentación y medidas corporales. Este valor será un
indicador para predecir si el jugador tendrá un buen desempeño en los partidos de futbol.
Métodos
Código de examen: 10120317
Los experimentos que se van a realizar consisten en crear un modelo con redes neuronales
profundas con diferentes librerías para seleccionar las que den los mejores resultados, entre
las librerías a considerar están: Scikit-learn, TensorFlow y Keras. Se creará un grupo de
experimental y un grupo de control. En el grupo experimiental estará conformado de jugadores
que van a seguir la dieta recomendada por los nutricionistas del proyecto y el entrenamiento
funcional, mientras que el grupo de control no va a seguir una dieta en particular y va a
continuar con su entrenamiento de siempre.
El experimiento durará dos meses. Las variables a medir serán: velocidad, potencia de disparo,
precisión y resistencia física. Se utilizará un cuestionario al final del experimiento el que se
preguntará sobre el estado de animo, motivacion y otros factores a tomar en cuenta en el
análisis final.
Resultados
Luego del experimiento se encontró que el grupo de experimental mejoró notablemente su
rendimiento. El modelo de redes neuronales se fue actualizandose diariamente con los datos
obtenidos de los entrenamientos, y las predicciones del valor de los jugadores se utilizó para
hacer ajustes en la dieta personalizada y en el entenamiento. Por otro lado, el grupo de control
no tuvo ninguna mejora en sus métricas de desempeño.
Conclusiones
Del experimiento se concluye que una dieta personalizada en conjunto con técnicas de
entrenamiento funcional puede dar mejores resultados en la preparación de los jugadores de
futbol.
Por otro lado, el uso de herramientas de inteligencia artificial como las redes neuronales
profundas son de gran ayuda para identificar las variables que pueden ayudar a mejorar el
rendimiento deportivo y predecir el desempeño de los jugadores, asi como identificar en que
momento en necesario realizar ajustes a fin de lograr estos objetivos.
Código de examen: 10120317
