Resumen

Mineria de Datos, Texto y Web

Seis factores detrás del repentino aumento de la popularidad de la minería de datos 

Reconocimiento general del valor sin explotar en grandes bases de datos;  La

consolidación de los registros de base de datos que tienden a una visión única del cliente; 

La consolidación de bases de datos, incluido el concepto de un almacén de información; 

Reducción en el costo de almacenamiento y procesamiento de datos, que prevée la

posibilidad de recopilar y recoger datos;  La intensa competencia por la atención de un

cliente en un mercado cada vez más saturado, y  El movimiento hacia la des-masificación

de las prácticas comerciales

Minería de Datos (DM) Un proceso que utiliza estadística, matemáticas, inteligencia

artificial y las técnicas de aprendizaje-máquina para extraer e identificar información útil y

el conocimiento posterior de grandes bases de datos

Las herramientas de Data Mining encuentran patrones en los datos e incluso puede deducir

normas de ellos.  Tres métodos se utilizan para identificar patrones en los datos: 1. Los

modelos simples (Consultas SQL, OLAP, Juicio humano) 2. Modelos Intermedios

(Regresión, árboles de decisión, conglomerados) 3. Los modelos complejos (Redes

neuronales y otras reglas de inducción).

La Clasificación o inducción supervisada  Utilizada para analizar los datos históricos

almacenados en una base de datos y generar automáticamente un modelo que puede

predecir el comportamiento futuro  Las herramientas comunes para la clasificación son: 1.

Redes Neuronales 2. Árboles de decisión 3. Las normas If-then-else 9  Conglomerados

Particionando una base de datos en segmentos en los que los miembros de ese segmento

comparten cualidades similares  Asociación Categoría de algoritmo de minería de datos

que establece las relaciones sobre los elementos que ocurren juntos en un registro dado. 

Descubrimiento de Secuencias La identificación de las asociaciones en el tiempo

La visualización puede ser usada en conjunto con la minería de datos para obtener una

comprensión más clara de muchas de las relaciones subyacentes  La regresión es una

técnica estadística conocida que se utiliza para asignar datos a un valor de predicción  El

pronóstico o Previsión calcula sobre la base de los valores futuros patrones dentro de

grandes conjuntos de datos  Hipótesis basada en la minería de datos. Comienza con una

propuesta por parte del usuario, quien trata de validar la veracidad de la proposición 

Descubrimiento de asociaciones. Busca patrones, asociaciones, y las relaciones entre los

datos a fin de esclarecer los hechos que antes eran desconocidos o ni siquiera contemplados

por una organización

Métodos estadísticos  Árboles de decisión  Razonamiento basado en casos  Redes

Neuronales de computación  Agentes inteligentes  Los algoritmos genéticos

Minería de Texto  Aplicación de minería de datos para archivos de texto no estructurados

o menos estructurados.  Implica la generación de índices numéricos significativos en el

texto no estructurados y entonces el procesamiento de estos índices usando una serie de

algoritmos de minería de datos

Las aplicaciones de minería de texto.  Detección automática de correo electrónico spam o

phishing a través del análisis del contenido del documento.  El procesamiento automático
de mensajes o correos electrónicos para dirigir un mensaje a la ruta más adecuada para ser

procesado.  Análisis de las reclamaciones de garantía, las llamadas al servicio e informes,

y así sucesivamente para identificar los problemas más comunes y las respuestas

pertinentes

Minería Web Es el descubrimiento y análisis de información interesante y útil de la Web,

sobre la Web, y por lo general a través de herramientas basadas en Web

Minería de Contenido Web La extracción de información significactiva desde las páginas

web  Minería de la Estructura Web El desarrollo de información significativa a partir de

los vínculos incluidos en los documentos web  Minería del Uso de la Web La extracción

de información significativa generada a partir de los datos de visitas a sitios web o

transacciones de comercio electrónico. 24 Usos de la Minería Web  Determinar la

antigüedad y el valor de los clientes.  Diseño de estrategias de mercadeo cruzado entre

productos.  Evaluar campañas de promoción Objetivo anuncios y cupones electrónicos a

grupos

Redes Neuronales. Tecnología de la computación que trata de construir computadoras que

funcionan como un cerebro humano. Las máquinas poseen memoria de almacenamiento

simultánea y trabaja con información ambigua.

Tolerancia a Fallos: Comparados con los sistemas computacionales tradicionales, los

cuales pierden su funcionalidad en cuanto sufren un pequeño error de memoria, en las redes

neuronales, si se produce un fallo en un pequeño número de neuronas, aunque el

comportamiento del sistema se ve influenciado, sin embargo no sufre una caída repentina

(pueden aprender a reconocer patrones con ruido, distorsionados, o incompleta)

Operación en Tiempo Real: Los computadores neuronales pueden ser realizados en

paralelo, y se diseñan y fabrican máquinas con hardware especial para obtener esta

capacidad. Fácil inserción dentro de la tecnología existente. Debido a que una red puede

ser rápidamente entrenada, comprobada, verificada y trasladada a una implementación

hardware de bajo costo, es fácil insertar RNA para aplicaciones específicas dentro de

sistemas existentes (chips, por ejemplo).

Sus aplicaciones son: Biología: Aprender más acerca del cerebro y otros sistemas.

Obtención de modelos de la retina. Empresa: Reconocimiento de caracteres escritos.

Identificación de candidatos para posiciones específicas. Optimización de plazas y horarios

en líneas de vuelo. Explotación de bases de datos: Evaluación de probabilidad de

formaciones geológicas y petrolíferas. Síntesis de voz desde texto. Medio Ambiente:

Analizar tendencias y patrones. Previsión del tiempo.

Redes con Aprendizaje Supervisado. El proceso de aprendizaje se realiza mediante un

entrenamiento controlado por un agente externo (supervisor, maestro) que determina la

respuesta que debería generar la red a partir de una entrada determinada. El supervisor

comprueba la salida de la red y en el caso de que ésta no coincida con la deseada, se

procederá a modificar los pesos de las conexiones, con el fin de conseguir que la salida se

aproxime a la deseada. Se consideran tres formas de llevar a cabo este tipo de aprendizaje:

Aprendizaje por corrección de error: Consiste en ajustar los pesos en función de la

diferencia entre los valores deseados y los obtenidos en la salida de la red; es decir, en

función del error. Aprendizaje por refuerzo: Se basa en la idea de no indicar durante el

entrenamiento exactamente la salida que se desea que proporcione la red ante una

determinada entrada. La función del supervisor se reduce a indicar mediante una señal de
refuerzo si la salida obtenida en la red se ajusta a la deseada (éxito=+1 o fracaso=-1), y en

función de ello se ajustan los pesos basándose en un mecanismo de probabilidades.

Aprendizaje estocástico: Este tipo de aprendizaje consiste básicamente en realizar cambios

aleatorios en los valores de los pesos de las conexiones de la red y evaluar su efecto a partir

del objetivo deseado y de distribuciones de probabilidad.

23

Cómo aprenden las Redes Neuronales? Redes con Aprendizaje No Supervisado. Estas

redes no requieren influencia externa para ajustar los pesos de las conexiones entre

neuronas. La red no recibe ninguna información por parte del entorno que le indique si la

salida generada es o no correcta, así que existen varias posibilidades en cuanto a la

interpretación de la salida de estas redes. En algunos casos, la salida representa el grado de

familiaridad o similitud entre la información que se le está presentando en la entrada y las

informaciones que se le han mostrado en el pasado. En otro caso podría realizar una

codificación de los datos de entrada, generando a la salida una versión codificada de la

entrada, con menos bits, pero manteniendo la información relevante de los datos En general

en este tipo de aprendizaje se suelen considerar dos tipos: Aprendizaje Hebbiano:

Consiste básicamente en el ajuste de los pesos de las conexiones de acuerdo con la

correlación, así si las dos unidades son activas (positivas), se produce un reforzamiento de

la conexión. Por el contrario cuando una es activa y la otra pasiva (negativa), se produce

un debilitamiento de la conexión. Aprendizaje competitivo y cooperativo: Las neuronas

compiten (y cooperan) unas con otras con el fin de llevar a cabo una tarea dada. Con este

tipo de aprendizaje se pretende que cuando se presente a la red cierta información de

entrada, solo una de las neuronas de salida se active (alcance su valor de respuesta
máximo). Por tanto las neuronas compiten por activarse , quedando finalmente una, o una

por grupo, como neurona vencedora

Trabajo en grupo: Cualquier trabajo realizado por más de una persona, en conjunto.

Características del Grupo de Trabajo. Un grupo realiza una tarea (a veces la toma de

decisiones, a veces no), cuyos miembros pueden estar situados en lugares diferentes. Los

miembros de un grupo pueden trabajar en diferentes momentos Los miembros de un

grupo pueden trabajar para la misma organización o para diferentes organizaciones Un

grupo puede ser permanente o temporal Un grupo puede estar en un nivel de dirección o

puede abarcar varios niveles Puede haber sinergia (que conduce al proceso y las

ganancias de tareas) y conflictos en el trabajo en grupo

Técnicas para mejorar el proceso de reuniones Técnica de grupo nominal (TGN) Un

simple proceso de lluvia de ideas para las reuniones no electrónicas Método Delphi

Una metodología de pronóstico cualitativo mediante cuestionarios anónimos. Eficaz para

la previsión tecnológica y para la previsión de que se presenten elementos sensibles

10

Toma de decisiones en grupo: características, procesos, ventajas y desventajas Listado de

soporte informático para trabajo en grupo La web admite la adopción de decisiones

colaborativas intra e interinstitucionales a través de herramientas de colaboración y acceso

a datos, información y conocimiento desde dentro y fuera de la organización Brindan el

apoyo intraorganizacional a decisiones en red Las extranets vinculan personas y los

equipos de las diferentes organizaciones para decidir en conjunto.

11
Toma de decisiones en grupo: características, procesos, ventajas y desventajas Listado de

soporte informático para trabajo en grupo La web admite la adopción de decisiones

colaborativas intra e interinstitucionales a través de herramientas de colaboración y acceso

a datos, información y conocimiento desde dentro y fuera de la organización Brindan el

apoyo intraorganizacional a decisiones en red Las extranets vinculan personas y los

equipos de las diferentes organizaciones para decidir en conjunto.

Herramientas Groupware. Herramientas de Colaboración en Tiempo Real Teleconferencia

Electrónica Teleconferencia El uso de comunicaciones electrónicas que permite a dos o

más personas en distintos lugares tener una conferencia simultánea. Video

teleconferencia (videoconferencia) Reunión virtual en la que los participantes en un solo

lugar pueden ver los participantes en otros lugares en una pantalla grande o una PC de

escritorio. Pueden compartir ,datos, voz, animación, imágenes, gráficos, etc. Conferencia

de datos: Reunión virtual en la que los grupos de trabajo están geográficamente dispersos y

se juntan para intercambiar documentos y archivos digitales durante las videoconferencias

Conferencia web. Se lleva a cabo en Internet , entre dos y hasta miles de personas,

permite a los usuarios ver de forma simultánea algo en la pantalla de su ordenador, la

interacción se realiza a través de mensajería o de una teleconferencia telefónica simultánea.

Pizarras interactivas: Basados en pizarras blancas que trabajan como en el mundo real,

con marcadores con borrador, excepto que cuando la persona está frente a la pantalla, los

demás participantes pueden unirse y pueden trabajar individualmente y pegar también en la

pantalla. Pantalla de compartir Software que permite a los miembros del grupo, incluso

en lugares diferentes, trabajar en el mismo documento, que se muestra en la pantalla de la

PC de cada participante. video instantánea : es una videoconferencia que se lleva a cabo

como en una sala de chat, con solo adaptar cámaras de video a las computadoras.

Herramientas Groupware Soporte de Comunicación Asincrónica Es soportado

principalmente por e-mails, SMS. Otras herramientas que no se mencionan aquí son

boletines online, autorrespondedores, workflow y portales interactivos. Espacios de Trabajo

En Línea (Online Workspaces) Son espacios de pantallas en línea en que la gente

comparte documentos, archivos, planes de proyectos, calendarios, no necesariamente al

mismo tiempo. Es una extensión de pantalla de compartir.

17

Sistemas de Apoyo a Decisiones en Grupo (GDSS) Un sistema interactivo basado en

computadoras que facilita la solución de problemas semiestructurados y no estructurados

por un grupo de tomadores de decisiones. Grupo de sistema de apoyo (GSS) Los

sistemas de información que apoyan el trabajo en grupo (comunicación, toma de

decisiones), que en general, trabajan con problemas no estructurados o semiestructurados

La gestión del conocimiento Es el manejo activo de la experiencia en una organización. Se

trata de crear, recoger, clasificar, difundir y aplicar el conocimiento

Conocimiento Entendimiento, la conciencia, o la familiaridad adquirida a través de la

educación o experiencia. Cualquier cosa que se ha aprendido, percibido, descubierto,

inferida, o entendido. La capacidad de utilizar la información. En un sistema de gestión del

conocimiento, el conocimiento es información en acción

Economía basada en Conocimiento La economía moderna, global, es impulsada por lo

que las personas y organizaciones sepan y no sólo por el capital y el trabajo

Características del conocimiento Es una palanca Extraordinaria para los rendimientos

crecientes. La fragmentación, las fugas, y la necesidad de volver a aprender Posee

Valor incierto. Valor incierto el que se le da al compartir

Capital Intelectual El know-how de una organización. El capital intelectual a menudo

incluye el conocimiento que poseen los empleados.

Conocimiento Explícito (fugas) El conocimiento que se ocupa de lo material objetivo,

racional y técnico (datos, políticas, procedimientos, software, documentos, etc)

El conocimiento tácito Conocimiento que está por lo general en el campo del aprendizaje

subjetivo, cognitivo y experiencial. Es muy personal y difícil de formalizar

Sistemas de gestión de Conocimiento (KMS) Un sistema que facilita la gestión del

conocimiento, garantizando un flujo de conocimiento de la persona (s) que conocen a

persona (s) que necesitan conocer, en toda la organización, el conocimiento se desarrolla y

crece durante el proceso de aprendizaje.

El proceso de capturar el conocimiento y ponerlo a disposición toda la empresa requiere

habilidades de aprendizaje que incluyen: La apertura a nuevas perspectivas

Conocimiento de los prejuicios personales La exposición a los datos sin filtrar Un

sentido de la humildad.

Cultura organizacional Las actitudes ante las actualizaciones en las organizaciones,

respecto de un tema determinado (por ejemplo, la tecnología, las computadoras, el DSS)

Actividades de Gestión del Conocimiento Las iniciativas de la gestión del conocimiento

tiene uno de los tres objetivos: 1. Hacer visible el conocimiento, principalmente a través de
mapas, páginas amarillas, y el hipertexto 2. Desarrollar una cultura basada en el

conocimiento 3. Construir una infraestructura del conocimiento

La creación de conocimiento es la generación de nuevos conocimientos, ideas, o rutinas.

Existen cuatro modos de creación de conocimiento: Socialización Externalización

Internalización Combinación

Intercambio de conocimientos El intercambio de conocimientos es la aplicación

intencional de una idea de la persona a ideas, soluciones, experiencias de otra persona, ya

sea a través de un intermediario o directamente. En muchas organizaciones, la

información y el conocimiento no se consideran recursos de la organización para ser

compartido, pero cada vez más, el conocimiento se vuelve un arma competitiva, que hace

que el mismo no se pueda mantener como privado Buscar el conocimiento Buscar el

conocimiento (el conocimiento de abastecimiento) es la búsqueda y utilización de los

conocimientos internos de la organización. La falta de tiempo o falta de recompensa

puede obstaculizar la búsqueda y difusión de conocimientos.

13

Introducción a la Gestión del Conocimiento Enfoques para la Gestión del Conocimiento

El proceso de acercamiento a la gestión del conocimiento Enfoque basado en procesos

El enfoque de procesos de gestión del conocimiento que intenta codificar el conocimiento

organizacional a través de controles formales, procesos y tecnologías El enfoque de la

práctica para la gestión del conocimiento Enfoque de Práctica El enfoque hacia la

práctica de la gestión del conocimiento se centra en el desarrollo de los entornos sociales o

comunidades de práctica necesaria para facilitar el intercambio de conocimiento tácito

14

Introducción a la Gestión del Conocimiento Enfoques para la Gestión del Conocimiento

Enfoque Híbrido para la gestión del conocimiento El enfoque de la práctica se utiliza

para que un repositorio almacena sólo el conocimiento explícito que es relativamente fácil

documentar El conocimiento tácito se almacena inicialmente en el repositorio de la

información de contacto sobre expertos y sus áreas de especialización Aumentar la

cantidad de conocimiento tácito con el tiempo conduce finalmente a la consecución de un

verdadero proceso de enfoque.

15

Introducción a la Gestión del Conocimiento Enfoques para la Gestión del Conocimiento

Mejores prácticas En una organización, los mejores métodos para resolver problemas. Estos

a menudo se almacenan en el repositorio de conocimiento de un sistema de gestión del

conocimiento Conocimiento del repositorio La ubicación de almacenamiento real de

conocimiento en un sistema de gestión del conocimiento. Similares en naturaleza a una

base de datos, pero en general orientado a texto Desarrollo de un repositorio de

conocimiento Repositorios de conocimiento-se desarrollan utilizando diferentes

mecanismos de varias fuentes de almacenamiento El aspecto más importante y difícil de

logar es la determinación de un buen método para la catalogación de los conocimientos

provenientes de muchos contribuyentes

16

Tecnologías de la Información (TI) en la Gestión del Conocimiento El ciclo de KMS.

Consta de los seis pasos siguientes: Crear conocimiento Captura el conocimiento

Completar los conocimientos Almacenamiento del Conocimiento Gestionar el

conocimiento Divulgar el conocimiento Se desarrolla usando estos tipos de tecnología:

Comunicación Colaboración Almacenamiento y recuperación.

Tecnologías de Apoyo a la Gestión del Conocimiento. Inteligencia artificial Agentes

inteligentes Descubrimiento de conocimiento en bases de datos Lenguaje de marcado

extensible (XML) Inteligencia artificial. Métodos utilizados en IA:

Inteligencia artificial. Métodos utilizados en IA: La exploración de correo electrónico,

documentos y bases de datos para realizar el descubrimiento del conocimiento, determinar

relaciones significativas, recoger los conocimientos, o generar reglas de inducción para

sistemas expertos Identificar patrones en los datos (por lo general a través de redes

neuronales) Pronosticar futuros resultados mediante el uso de los conocimientos

existentes Asesorar directamente a partir del conocimiento mediante el uso de redes

neuronales o sistemas expertos Proporcionar un lenguaje natural o interfaz de usuario de

voz dirigida por órdenes de un KMS. Agentes inteligentes Los agentes inteligentes son

sistemas de software que aprenden cómo trabajan los usuarios y prestan asistencia en sus

tareas diarias Se utilizan para obtener y determinar los conocimientos

20

Tecnologías de la Información (TI) en la Gestión del Conocimiento • Tecnologías de

Apoyo a la Gestión del Conocimiento. Descubrimiento de conocimiento en bases de

datos (KDD) Una máquina de proceso de aprendizaje que lleva a cabo la inducción de

regla, o un procedimiento relativo a establecer el conocimiento de grandes bases de datos •

Modelo marts Pequeños, generalmente repositorios de conocimientos en el departamento

mediante el empleo de técnicas de descubrimiento de conocimientos en los casos de

decisiones pasadas. Al igual que data marts. • Modelo de almacenes Grandes, en general,

repositorio de conocimiento de toda la empresa, creado mediante el empleo de técnicas de

descubrimiento de conocimientos en los casos de decisiones pasadas. Al igual que los

almacenes de datos. Lenguaje de marcado extensible (XML) La programación XML

permite el uso de estructuras de datos normalizadas para que los datos pueden ser

agregados y procesados adecuadamente por los sistemas heterogéneos. 21

Tecnologías de la Información (TI) en la Gestión del Conocimiento • Tecnologías de

Apoyo a la Gestión del Conocimiento. Implementación de KMS Productos y Proveedores

de Gestión de Conocimiento KnowWare Herramientas tecnológicas que apoyan la

gestión del conocimiento Empresas de desarrollo de software y proveedores de EIS

Herramientas informáticas de Colaboración Servidores de Conocimiento Protales de

Conocimiento de la (EKP) Un portal electrónico en un sistema de gestión del conocimiento

Gestión electrónica de documentos (EDM) Un método para la tramitación de documentos

por vía electrónica, incluida la captura, almacenamiento, recuperación, manipulación y

presentación Gestión de contenidos (CMS)

Mesa (Junta Directiva) CFO asegura que los recursos financieros están disponibles

Director de Operaciones se asegura de que las personas comienzan a integrar las prácticas

de gestión del conocimiento en sus procesos de trabajo diario CIO asegura que los

recursos están disponibles Los gerentes también apoyar el esfuerzo de gestión del

conocimiento y facilitar el acceso a fuentes de conocimiento Comunidad de práctica Un

grupo de personas en una organización con un interés profesional común, a menudo auto-

organizados para gestionar el conocimiento en un sistema de gestión del conocimiento

Desarrolladores KMS Los miembros del equipo que en realidad el desarrollo del sistema

Personal KMS Toda la empresa KMS requiere un personal a tiempo completo para

catalogar y gestionar el conocimiento

24

Garantizar el éxito de los esfuerzos de Gestión del Conocimiento

Casos de éxito de la gestión del conocimiento Aplicación de una estrategia de gestión del

conocimiento puede: Reducir la pérdida de capital intelectual Reducir los costes al

disminuir el número de veces que la empresa en repetidas ocasiones debe resolver el mismo

problema Reducir la redundancia de las actividades basadas en el conocimiento

Aumentar la productividad Aumentar la satisfacción de los empleados

Definición de Inteligencia Artificial (AI). Es un área de las ciencias de la computación que

involucre dos ideas básicas: Estudio de todos los procesos del pensamiento humano.

Se ocupa de la representación y duplicación de estos procesos a través de máquinas

(computadoras robots). Es el estudio de cómo las computadoras pueden hacer cosas que

hasta el momento las personas hacemos mejor.

Características de la Inteligencia Artificial. Procesamiento Simbólico Números versus

Símbolos. Algorithmic versus heuristic Heurística Es conocimiento intuitivo,

aprendido por experiencia. aI usar “reglas de buen juicio” representadas por símbolos con

métodos heurísticos para procesar información. Se utiliza la expreriencia previa en la

solución de problemas similares.

Características de la Inteligencia Artificial Inferencia Capacidades de razonamiento

que pueden construir conocimiento de alto nivel a partir de conocimientos heurísticos

existentes. Aprendizaje de Máquinas La capacidad de aprendizaje es una capacidad

única en el ser humano. Los sistemas de AI no tienen la capacidad de aprender como el ser

humano, pero a través de clasificaciones de las capacidades de aprendizaje mecánicas,

pueden ajustar sus costumbres y reaccionar a cambios del medio ambiente.

Sistemas Expertos (ES). Es un sistema basado en computadora que aplica metodologías de

razonamiento a conocimiento en un dominio específico para prestar asesoramiento o

recomendaciones, tal y como un experto humano. Un sistema informático que permite

alcanzar un alto nivel de rendimiento en las áreas de trabajo que, para los seres humanos,

requieren años de educación especial y formación Procesamiento de Lenguaje Natural

(NLP) El uso de un procesador de lenguaje natural para interactuar con un sistema basado

en computadoras. Comprende dos sub-campos: La comprensión del lenguaje natural

Generación de lenguajes naturales. • Comprensión de Discurso (voz) Traducción de la

voz humana en palabras individuales y oraciones comprensibles por una computadora

Instrucción asistida por Computadoras Inteligentes (ICAI) El uso de técnicas AI para

entrenar o enseñar con una computadora. Sistemas Inteligentes de tutoría (ITS) Sistemas

de auto-tutoría que pueden guiar a los estudiantes en cómo es la mejor forma de proceder

en el proceso de aprendizaje. Programación Automática. Permite generar programas

automáticamente cuando técnicas de AI son incrustadas en los compiladores.

Computación Neuronal – Redes de Computación Neuronal Es un set de modelos

matemáticos que simulan la forma en que funciona el cerebro humano

Lógica Difusa Lógica de formas de razonamiento coherente que pueda hacer frente a

decisiones con información incierta o parcial, característica del pensamiento humano y de

muchos sistemas expertos Los algoritmos genéticos Métodos inteligentes que utilizan los

ordenadores para simular el proceso de evolución natural para encontrar patrones de un

conjunto de datos Agente Inteligente (IA) Un sistema experto o un sistema basado en

conocimiento incrustado en un sistema de computadora basado en información para hacerla

más inteligente. Corre en segundo plano, monitorea el ambiente y reacciona a ciertas

condiciones que lo disparan

Sistema Experto: es un sistema de información basado en computadora que usa el

conocimiento de expertos para alcanzar un alto nivel de desempeño en decisiones en un

dominio de un problema. Expertise (pericia) es el amplio conocimiento, sobre una tarea

específica que los expertos poseen. Características de ES: Pericia Razonamiento

Simbólico Conocimiento profundo: Conocimiento de sí mismo

Finanzas: Evaluación para seguros, análisis de crédito, planificación de impuestos,

prevención de fraudes, análisis de reportes financieros, planificación financiera, evaluación

del desempeño. Marketing: Gestión de la relación con el cliente, análisis de mercado,

planificación de producto y planificación de mercado. Recursos Humanos: Planificación

de recursos humanos, planificación del desempeño, gestión de pensiones, etc,

Manufactura: planificación de la producción, gestión de la calidad, diseño del producto,

Procesamiento de datos, Seguridad, Automatización de Procesos de negocios, salud.

Los sistemas inteligentes que usan la arquitectura web y una interfaz amigable Los

sistemas inteligentes basados en la web: Usan la web como una plataforma para enviar

servicios. La interfaz del Usuario está habilitada para la web Son sistemas que pueden
ser utilizados para muchos propósitos, toman diferentes formas, son sistemas pequeños que

realizan tareas específicas, se les llama agentes y sistemas de recomendación.

Agentes Inteligentes basados en WEB

agente de Información recoge una solicitud y va a la página correspondiente en un sitio

Web, busca la información requerida, y la retorna como un documento XML para el

procesamiento por otro agente agentes de control son construidas sobre el agente de

información para realizar un seguimiento de los resultados previamente devueltos.

sistemas de Recomendación o agentes que ayudan a la personalización y los servicios de

personalización que son críticos para mantener buenas relaciones de los clientes

Agente inteligente (IA) Un experto o sistema basado en el conocimiento incorporado en los

sistemas de información basados en computadoras (o sus componentes) para hacerlos más

inteligentes El término agente se deriva del concepto de agencia, en referencia a la

contratación de alguien para que actúe en su nombre.

Tipos de agentes Agentes de Software Wizards Software demonios Softbots

BOTS Agentes inteligentes de software, una abreviatura de robots. Por lo general se usa

como parte de otro término, como en knowbots, softbots o shopbots

Agentes Inteligentes: Panorama

Características de la inteligencia de los agentes inteligentes según Wooldridge:

Reactividad: Están capacitados para percibir su ambiente y responder prontamente a los

cambios que ahí ocurren para satisfacer el objetivo de su creaión. Proactividad: Están

capacitados para mostrar un comportamiento orientado a la meta y toman la iniciativa para

satisfacer sus objetivos de diseño, Capacidades Sociales: Son capaces de interactuar con

otros agentes y humanos para satisfacer sus objetivos. Autonomía: Deben tener control

sobre sus propias acciones y ser capaces de cambiar de trabajo y acciones

independientemente del usuario u otros actores.

Características de la inteligencia de los agentes inteligentes según Lee: Nivel 0 – (menos

inteligentes) Agentes de recuperación de documentos para un usuario directamente bajo sus

órdenes Nivel 1 - Agentes que proporcionan un inicio para el usuario en busca de

facilidades para encontrar páginas web relevantes Nivel 2 - Agentes que mantienen

perfiles de los usuarios Nivel 3 - Los agentes tienen un componente de aprendizaje y

deducción para ayudar a un usuario que no puede formalizar una consulta o especificar un

destino para una búsqueda

Componentes de un agente: Propietario: Nombre del usuario, o del proceso padre.

Autor: desarrollador, servicio Cuenta: Anclado a la cuenta del propietario Meta:

Instrucción clara de la tarea que debe completar Descripción: Descripción de los detalles

de los atributos de la meta Creación y duración: Fecha de requerimiento Antecedentes:

información de soporte por si se requiere

10

Características de los Agentes Inteligentes

 La autonomía o empoderamiento Un agente que toma la iniciativa y ejerce control sobre

sus propias acciones tiene estas características: Orientado al Objetivo Colaborativo

Flexible De arranque automático

11

Características de los Agentes Inteligentes

Comunicación (interactividad) Muchos agentes están diseñadas para interactuar con

otros agentes, los seres humanos, los programas o software Automatización de tareas

repetitivas Un agente está diseñado para realizar tareas definidas estrictamente, lo que

puede hacer una y otra vez sin aburrirse o enfermarse, o ir a la huelga

12

Características de los Agentes Inteligentes Reactividad Los Agentes pueden percibir su

entorno y responder de manera oportuna a los cambios que se producen en él

Proactividad (o persistencia) Los agentes son capaces de exhibir un comportamiento

dirigido a tomar la iniciativa para lograr el objetivo Continuidad temporal Los agentes

están constantemente ejecutando procesos que pueden estar temporalmente inactivos a la

espera de algo que se produzca

Personalidad Los agentes tienen que ser creíble y ser capaz de interactuar con los usuarios

humanos Operando en segundo plano: Movilidad Un agente debe ser capaz de trabajar

fuera de la vista (en el ciberespacio o el equipo de otros sistemas), sin la atención constante

de su usuario De ejecución remota Agentes móviles Inteligencia y aprendizaje Para

un agente inteligente, el aprendizaje va más allá de un razonamiento basado en reglas

simples porque el agente se espera que aprendan y se comportan de forma autónoma

14

Por qué utilizar agentes? Sobrecarga de la información Un valor importante de agentes

inteligentes es que son capaces de ayudar en la búsqueda a través de todos los datos Los

agentes inteligentes ahorran tiempo al tomar decisiones sobre lo que es relevante para el

usuario. Razones de Éxito de los Agentes son: Ayuda a la decisión del usuario Apoyo

a las decisiones Front-Line Las actividades repetitivas de oficina Facilita actividades

personales Búsqueda y recuperación Dominio en los SE

Clasificación y tipos de agentes inteligentes

La clasificación por tipo de aplicación De Organización Pública Un agente que sirve a

cualquier usuario Privado (personal) Un agente que trabaja para una sola persona

17

Agentes de Software Basados en Internet Nueve áreas de aplicación principales: Asistir

en el flujo de trabajo y gestión administrativa La colaboración con otros agentes y las

personas Apoyar el comercio electrónico Apoyo a las aplicaciones de escritorio

Ayudar en el acceso a la información y gestión, incluyendo la búsqueda y Preguntas

Frecuentes Procesamiento de correo electrónico y mensajes El control y la gestión de

acceso a la red Sistemas de gestión y redes Creación de interfaces de usuario, que

incluye el desplazamiento (navegación)

18

Agentes de Software sobre Internet

 Interfaces de usuario El aprendizaje y tutoría Gestión de la cadena de suministro

Flujo de trabajo y gestión administrativa Minería Web

Monitoreo y alerta Colaboración Comercio móvil Agentes de Sistema Agentes

de recomendación Agentes de Perfiles

Otros Agentes

19

Agentes DSS y Sistemas Multiagentes

Cinco tipos de agentes DSS: Control de los datos Recolección de datos Modelado

Gestión del Dominio Aprendizaje de las preferencias

Agentes DSS y Sistemas Multiagentes Sistema Multiagente Un sistema con múltiples

agentes de software que cooperaron La inteligencia artificial distribuida (DAI) Un agente

de múltiples sistemas para la resolución de problemas. Fraccionamiento de un problema en

múltiples sistemas que cooperan en la obtención de una solución

Una de las principales aplicaciones de sistemas inteligentes en el comercio electrónico es

recomendar los productos a los clientes La motivación principal para el uso de agentes

recomendación es que la personalización es una tendencia importante en la

comercialización y servicio al cliente Sistema de Recomendación (agentes) Un sistema

informático que puede sugerir nuevos temas para un usuario basándose en sus preferencias

reveladas. Puede ser basado en el contenido o el filtrado colaborativo para sugerir

elementos que coinciden con la preferencia del usuario. Un ejemplo es la función de

Amazon.com "Otras personas han comprado este libro también compraron...“

Sistemas de Recomendación Basados en Web

Generación y Mantenimiento de Perfil. Perfil de representación del usuario

Generación del perfil inicial Aprendizaje del perfil técnico Retroalimentación

Relevante Perfil de Adaptación Técnica

27

Dos funciones principales de los Sistemas de Recomendación: Generación y mantenimiento

de Perfil Explotación y la recomendación de Perfil

Explotación del Perfil de Recomendación Los sistemas de recomendación hacen posible

tres tareas principales: Método de filtrado de información: Filtrado demográfico

Filtrado basado en contenido Filtrado Colaborativo Concondancia de un elemento del

perfil. Un método que recomienda los puntos para el usuario, basándose en la descripción

de los elementos previamente evaluados y la información disponible a partir del contenido

(por ejemplo, palabras clave) Concordancia con el perfil del usuario. Un método para

generar recomendaciones de perfil de usuario. Utiliza las preferencias de otros usuarios de

un comportamiento similar para predecir las preferencias del usuario en particular.