Contenidos
CONTENIDOS
Introducción a los Sistemas Expertos. La inteligencia como base para la Ingeniería del Conocimiento. Tipos de Conocimientos. El Experto, sus características y tareas. Experiencia artificial vs. Experiencia Natural. Arquitectura de un SE. Viabilidad de un SE. Adquisición de Conocimiento. Análisis de Protocolos.
Conceptualización. Modelo Dinámico y Modelo Estático. Herramientas. Diccionario de Conceptos. Tabla Concepto Atributo Valor. Mapa de relación entre conceptos. Definición de Atributos. Árbol de Descomposición Funcional. Tablas de Decisión. Seudorreglas. Fórmulas. Mapa de Conocimiento. Árbol de Estrategias.
Proceso Estándar de Minería de Datos. CRISP-DM (Cross Industry Standard Process for Data Mining). Entendimiento del negocio. (Objetivo de negocio. Evaluación de la situación actual. Objetivo de minería de datos. Valoración de herramientas.) Entendimiento de los datos. (Datos iniciales. Descripción de los datos. Exploración de los datos. Verificación de calidad de los datos.) Preparación de los datos. (Selección de los datos. Limpieza de los datos. Estructura de datos. Integración de los datos. Formateo de los datos. Data Set y Descripción de los datos de nuevo Data Set) Modelado. (Técnica de modelado. Diseño de Casos de Prueba. Construcción del modelo. Evaluación del Modelo.) Evaluación (Evaluación de resultados.Revisión del proceso. Próximos pasos) Implementación (Plan de Implementación. Monitoreo y Mantenimiento. Informe Final Revisión del Proyecto).
Entendimiento del Negocio. Uso de técnicas de educción para el entendimiento del negocio. Comprensión estática del negocio. (Descripción del escenario actual. Glosario de términos del negocio. Organigrama de la organización. Definición de requisitos estructurados. Mapa estático del negocio.) Evaluación de los objetivos del negocio. (FODA. Factores críticos del éxito. Análisis de riesgo. Mapa de condicionamientos de los objetivos) Medios, expectativas y restricciones para alcanzar los objetivos. (Recursos humanos. Análisis de requerimientos. Expectativas. Restricciones. Mapa táctico para alcanzara los objetivos)
Algoritmos de Inducción. TDIDT (Top Down Induction Trees). Concepto de entropía. Poda de árboles y criterios de ramificación. Cálculo de entropia del conjunto y de los subconjuntos. Cálculo de proporción de ganancia. Generación de reglas. Evaluación de las reglas. Cálculo de Soporte. Cálculo de Confianza. Cálculo de Captura.
Redes Bayesianas. Grafo de la red. Variable dependiente. Variable independiente. Dependencia probabilística. Topologías de red. (TAN. KDB. BAYES). Aprendizaje estructural. Aprendizaje paramétrico. Probalidad a priori. Probabilidad condicional. Interpretación y presentación de los resultados.
Mapas auto-organizados (SOM) Aprendizaje no supervisado. Configuración del mapa. Capas de entrada. Capas de salida. Obtención del centroide. Cálculo de distancia al centroide. Distancia mínima. Obtención de nuevos centroides. Interpretación de los resultados. Construcción del gráfico radial.
Algoritmo de Retropropagación (Backpropagation) Aprendizaje supervisado. El perceptron. Arquitectura de una red neuronal. Interpretación de los resultados.
TRABAJOS PRÁCTICOS:
Se requieren el desarrollo de 6 (seis) trabajos prácticos durante la cursada de la materia. Los dos primeros enfocados a Sistemas Expertos y los cuatros últimos enfocados en la aplicación de los distintos de algoritmos que se ven en las clases. El alumno debe aplicar una herramienta propuesta y utilizar un set de datos provisto. Ejecutar el algoritmo y resolver el caso mediante un análisis de los resultados obtenidos.
MODALIDAD DE EVALUACIÓN PARCIAL
Normalmente se toman dos instancias de parcial; de manejo de conceptos, aplicación de conocimientos y dominio de técnicas, mediante la respuesta a preguntas y la resolución de problemas por escrito en evaluaciones parciales e integradoras. Estas evaluaciones deben ser presenciales, por lo que se realizarán una vez habilitadas las clases presenciales o bien si se aprueba algún modo online que la facultad considere válido.
Las evaluaciones parciales e integradoras son por unidades o subunidades temáticas.
MODALIDAD DE EVALUACIÓN FINAL
El alumno debe tener aprobados todos los trabajos prácticos y los dos parciales.
La evaluación final es un TP Integrador de los contenidos de la materia, donde el alumno a partir de una BD inédita y susceptible de ser analizada con técnicas de exploración de información, debe llevar adelante un proyecto de Exploración de Información, siguiendo la metodología Crisp – DM.