Documente Academic
Documente Profesional
Documente Cultură
I. INTRODUCCIÓN
Hoy en día se han implementado diferentes tecnologías que
antiguamente nunca se hubieran podido imaginar, una de ellas
es la muy comúnmente conocida como la inteligencia artificial
(AI) [1]. La AI se extiende en diferentes subramas tales como:
Artificial General Intelligence, que consiste en una
computadora razona acerca del mundo de manera similar a una
persona [1]; Natural Lenguage Processing, que se enfoca en
permitir a las computadoras entender y procesar el lenguaje de
las personas [2]; Machine Learning (ML), es hacer conseguir
que una computadora aprenda y actué como una persona lo
hace, y hacer que improvise su aprendizaje a través del tiempo
de manera autónoma [3]; Superintelligence, es un sistema
inteligente que crece su inteligencia rápidamente en un corto
tiempo, específicamente, sobrepasar la capacidad cognitiva de
una persona promedio [4]; Decisional Algorithms (“Hard-
Coded”), es la implementación de un programa o un proyecto
en el cual no se puede modificar el código fuente; Video Game
AI, es usado para comportamientos de generar respuestas,
adaptación e inteligencia principalmente en personajes que no
son principales [5]. Fig. 1. Proceso durante el ML
Si nos centramos en el ML, y específicamente en una subrama Tomada de [7]
llamada Deep Learning (DL), encontraremos que está tiene
infinidad de aplicaciones utilizadas por compañías como B. Tipos de ML
Google para por ejemplo traducir textos y entre otras Se han desarrollado muchos tipos diferentes de técnicas de
aplicaciones para la medicina [6]. aprendizaje automático para resolver problemas en diversos
Este documento tiene como objetivo mostrar que es el Deep campos. Estas técnicas de aprendizaje automático pueden
Learning (DL). Además se describirán las diferentes técnicas y clasificarse en tres tipos según el método de capacitación. La
como se puede aplicar a la ingeniería eléctrica. Figura 2 muestra los tipos de ML existentes [7].
Proyecto Final Redes de Comunicación 27 de febrero de 2019. Sebastián, Autor, Estudiante, Universidad Distrital Francisco José de Caldas,
Molina Celis, Crithian Eduardo, Autor, Estudiante, Universidad Distrital Ingeniería eléctrica (juasgomezc@correo.udistrital.edu.co ) 20142007128.
Francisco José de Caldas, Ingeniería eléctrica
(cmolinac@correo.udistrital.edu.co) 20141007109. Gómez Chitiva, Juan
Universidad Distrital Francisco José De Caldas. Profesora: Danilo Alfonso López Sarmiento
idiomas. Este depende de la capacidad de entender una la sangre que podría controlarse y regularse mediante
oración. El DL busca dependencias en oraciones completas. la administración de insulina.
El siguiente paso será entrenar redes de DL más grandes en
E. Make Money (Hacer Dinero) [6]
párrafos para mejorar la continuidad entre oraciones.
El 75 por ciento de las operaciones en la Bolsa de Nueva
C. Listen [6] York está automatizado. El DL está mejorando cada vez más
Este tiene el objetivo del reconocimiento de voz. Cuando el al ganar más dinero y mayores ganancias.
reconocimiento de voz se combina con la traducción de
F. Law (Leyes)
idiomas, será posible comunicarse a través de las culturas en
tiempo real. El DL apenas comienza a afectar a la profesión jurídica. Gran
parte del trabajo rutinario de los asociados en bufetes de
D. Medicina (Diagnose) [6] abogados que cobran cientos de dólares por hora será
a. Deep Skin: El diagnóstico médico basado en los automatizado, especialmente en oficinas comerciales grandes y
registros de millones de pacientes será más preciso. Un de alto valor.
estudio reciente aplicó el aprendizaje profundo a
G. Alpha-Go
130,000 imágenes dermatológicas para más de 2,000
enfermedades diferentes, una base de datos médica En marzo de 2016, Lee Sedol, el campeón mundial de Go 18
diez veces más grande que la utilizada anteriormente. veces en Corea, jugó y perdió un partido de cinco partidos
La red del estudio fue entrenada para diagnosticar cada contra el AlphaGo de DeepMind, un programa de Go-playing
enfermedad a partir de un "conjunto de pruebas" de que utilizó redes de DL para evaluar las posiciones de la mesa
nuevas imágenes que no había visto antes. Su y los posibles movimientos.
desempeño diagnóstico en las nuevas imágenes fue
comparable y, en algunos casos, mejor que el de 21
dermatólogos expertos. Pronto será posible que
cualquier persona con un teléfono inteligente tome una
foto de una lesión cutánea sospechosa y se la
diagnostique instantáneamente, un proceso que ahora
requiere una visita al consultorio de un médico. Todos
los médicos serán mejores en el diagnóstico de
enfermedades de la piel raras con la ayuda del DL.
b. Deep Cancer: La detección del cáncer de mama
metastásico en imágenes de biopsias de ganglios
linfáticos en diapositivas es realizada por expertos que Fig. 7. Tablero de Go durante el juego en el partido de cinco partidos
cometen errores, errores que tienen consecuencias que enfrentó al campeón de Korean Go Lee Sedol contra AlphaGo,
mortales. El Deep Learning, entrenada en un gran una red neuronal de aprendizaje profundo que había aprendido a
conjunto de datos de diapositivas para las cuales se jugar Go jugando solo.
conoció la verdad, alcanzó una precisión de 0.925, Tomado de [6]
buena pero no tan buena como los expertos que
lograron 0.966 en el mismo conjunto de pruebas. V. DEEP LEARNING Y LA INGENIERÍA ELÉCTRICA
Las redes de Deep Learning y las personas tienen Se dice que antes de que existiera el concepto de DL o ML, la
diferentes maneras de ver los mismos datos. IE ya aplicaba dichos conceptos, este es más comúnmente
c. Deep Sleep: tiene que ver con la clínica de sueño que conocido como Adaptive Control Systems (sistemas de control
consiste en observar durante la noche a una persona adaptables). Muchos sistemas de control se basan en un enfoque
grabando un electroencefalograma (EEG) de la de modelo de estado, y hay coeficientes asociados con cada
misma. Esta es en efecto costosa, llegando a costar parte del modelo de estado. Existen muchas reglas para
unos US 2000. determinar cuáles deberían ser los coeficientes, pero... si el
Con DL, los expertos en sueño serán entrenados para estado cambia, como el aislamiento de un motor o la pérdida de
buscar características reveladoras que caracterizan las lubricación de los cojinetes, o el factor de potencia en el cambio
diferentes etapas del sueño. de alimentación, esos coeficientes cambian. ¿Pero a qué se
Neurovigil, una empresa estadounidense, ya tiene un cambian?
dispositivo compacto, el iBrain, que puede grabar el El control adaptativo fue una extensión del concepto de
EEG en casa, transmitir los datos a Internet y analizar retroalimentación muy prevaleciente en los sistemas de control.
los datos en forma longitudinal para detectar Se "devolvieron" los nuevos parámetros del sistema a una
tendencias y anomalías. Esto permitirá a los médicos parte del sistema que "controló el modelo" cambiando los
detectar problemas de salud en forma temprana coeficientes de control. Era una especie de sistema de control
cuando es más fácil tratarlos y detener el desarrollo de “meta”.
enfermedades crónicas. El continuo monitoreo puede El análisis es algo sencillo, se aplican algunas reglas y
llegar a encontrar otras enfermedades como diabetes descubres cómo funciona algo. El diseño o síntesis es otro
tipo 1, el cual puede monitorear el nivel de azúcar en animal. Por lo general, existen muchas maneras de hacer que
algo funcione, pero muchas de ellas son mejores que otras de
Universidad Distrital Francisco José De Caldas. Profesora: Danilo Alfonso López Sarmiento
I. IOT (INTERNET DE LAS COSAS) Desde la computadora portátil se puede acceder a la página web
de Home Gateway y controlar el termostato de forma remota.
La internet de las cosas (IoT, por sus siglas en inglés) es un
sistema de dispositivos de computación interrelacionados,
máquinas mecánicas y digitales, objetos, animales o personas
que tienen identificadores únicos y la capacidad de transferir
datos a través de una red, sin requerir de interacciones humano
a humano o humano a computadora [1].
Una cosa, en la internet de las cosas, puede ser una persona con
un implante de monitor de corazón, un animal de granja con un
transpondedor de biochip, un automóvil que tiene sensores
incorporados para alertar al conductor cuando la presión de los
neumáticos es baja, o cualquier otro objeto natural o artificial al
que se puede asignar una dirección IP y darle la capacidad de
transferir datos a través de una red [1].
II. EJEMPLO
Un ejemplo de IoT se puede realizar en el programa packet La MCU está configurada para leer desde el sensor de
tracer. Buscando en lo ejemplos se encontró uno en cual hay un temperatura, convertir el valor a un rango y luego salir a la
ambiente en el que varía la temperatura. pantalla LCD.
III. BIBLIOGRAFÍA
Proyecto Final Redes de Comunicación 27 de febrero de 2019. Sebastián, Autor, Estudiante, Universidad Distrital Francisco José de Caldas,
Molina Celis, Crithian Eduardo, Autor, Estudiante, Universidad Distrital Ingeniería eléctrica (juasgomezc@correo.udistrital.edu.co ) 20142007128.
Francisco José de Caldas, Ingeniería eléctrica
(cmolinac@correo.udistrital.edu.co) 20141007109. Gómez Chitiva, Juan