Está en la página 1de 7

REPBLICA BOLIVARIANA DE VENEZUELA

MINISTERIO DEL PODER POPULAR PARA LA EDUCACIN SUPERIOR


CARRERA: INGENIERA INFORMTICA
MATERIA: INTELIGENCIA ARTIFICIAL
SECCIN: 01

Guatire, 26 de Noviembre del 2014.

INTRODUCCIN

El concepto de caos a menudo puede crear en nosotros una idea negativa, una visin
de desorden en donde las cosas no funcionan bien, en un mundo en donde lo establecido y
lo "correcto" es precisamente el orden. Si consideramos que el paradigma bajo el cual
siempre hemos crecido es el del orden, entonces es realmente "catico", al menos, pensar
que el orden es un desorden armonioso, algo necesario para la continuidad universal.

Desde el momento en que estamos hablando de establecer una nueva forma de


concebir al mundo, no ser fcil asimilar rpidamente esta visin debido a que se trata de
un nuevo paradigma, es ms, coincido con algunos autores que sealan que la Teora del
Caos o Caologa no es fcil de entender y muchas veces sus conceptos pueden confundir
ms de lo que intentan explicar.

De acuerdo a la Minera de Datos, a travs de una amplia variedad de campos, los


datos se recogen y se acumulan a un ritmo dramtico, es por ello, la generacin de nuevas
teoras computacionales y herramientas para asistir a los seres humanos en la extraccin de
informacin til conocimiento, de los cada vez mayores volmenes de datos digitales se
convierte en una necesidad urgente. Estas teoras y herramientas son el tema central del
campo emergente de descubrimiento de conocimiento en las bases de datos

Desde esta perspectiva se tratara de hacer algunas breves reflexiones con respecto a
esta novedosa teora, esperando no caer en una confusin que haga un "total caos" en mis
ideas.

TEORIAS DEL CAOS, MINERA DE DATOS

La definicin de la teora del caos es la rama de las matemticas, la fsica y otras


ciencias que tratan ciertos tipos de sistemas dinmicos muy sensibles a las variaciones en
las condiciones iniciales.

Los sistemas dinmicos se pueden clasificar bsicamente en:


Estables
Inestables
Caticos
Sistema Estable
Un sistema estable tiende a lo largo del tiempo a un punto, u rbita, segn su dimensin
(atractor o sumidero).
Sistema Inestable
Un sistema inestable se escapa de los a tractores.
Sistema Catico
Un sistema catico manifiesta los dos comportamientos.

Aplicaciones
La teora del Caos y la Matemtica Catica resultaron ser una herramienta con
aplicaciones a muchos campos de la ciencia y la tecnologa.

Efecto de Mariposa
El efecto mariposa es un concepto que hace referencia en la nocin del tiempo de
las condiciones iniciales dentro del marco de la teora del caos. La idea es que, dadas unas
condiciones iniciales de un determinado sistema catico, la ms mnima variacin en ellas
puede provocar que el sistema evolucione en ciertas formas completamente diferentes.
Su nombre proviene de las frases: el aleteo de las alas de una mariposa se puede
sentir al otro lado del mundo (proverbio chino) o el aleteo de las alas de una mariposa

puede provocar un Tsunami al otro lado del mundo as como tambin el simple aleteo de
una mariposa puede cambiar el mundo.

MINERA DE DATOS

La minera de datos es el proceso que intenta descubrir patrones en grandes


volmenes de conjuntos de datos. Su objetivo general consiste en extraer informacin de un
conjunto de datos y transformarla en una estructura comprensible para su uso posterior.
Adems de la etapa de anlisis en bruto, que involucra aspectos de bases de datos y de
gestin de datos, de procesamiento de datos, del modelo y de las consideraciones de
inferencia, de mtricas de Intereses, de consideraciones de la Teora de la complejidad
computacional, de post-procesamiento de las estructuras descubiertas, de la visualizacin y
de la actualizacin en lnea.

Un proceso tpico de minera de datos consta de los siguientes pasos generales:


1. Seleccin del conjunto de datos: Tanto en lo que se refiere a las variables objetivo
(aquellas que se quiere predecir, calcular o inferir), como a las variables independientes
(las que sirven para hacer el clculo o proceso), como posiblemente al muestreo de los
registros disponibles.
2. Anlisis de las propiedades de los datos: En especial los histogramas, diagramas de
dispersin, presencia de valores atpicos y ausencia de datos (valores nulos).
3. Transformacin del conjunto de datos de entrada: Se realizar de diversas formas en
funcin del anlisis previo, con el objetivo de prepararlo para aplicar la tcnica de
minera de datos que mejor se adapte a los datos y al problema.
4. Seleccionar y aplicar la tcnica de minera de datos: se construye el modelo
predictivo, de clasificacin o segmentacin.
5. Extraccin de conocimiento: Se obtiene un modelo de conocimiento, que representa
patrones de comportamiento observados en los valores de las variables del problema o
relaciones de asociacin entre dichas variables.

6. Interpretacin y evaluacin de datos: una vez obtenido el modelo, se debe proceder a


su validacin comprobando que las conclusiones que arroja son vlidas y
suficientemente satisfactorias.

ANLISIS DE LA MINERA DE DATOS CON RELACIN A LOS ENFOQUES


DE LA IA

Para todas las grandes empresas en la actualidad es vital disponer de un punto


centralizado donde almacenar su informacin y la cual pueda servir o apoyar en la toma
decisiones empresariales. Este proceso puede requerir la solucin de problemas que se
clasifican en los siguientes tipos:
-

Clasificacin de casos

Derivacin de dependencias

Deteccin de desviaciones

Estas tcnicas se han desarrollado dentro del mbito de la Inteligencia Artificial, y


actualmente estn siendo utilizadas de forma conjunta con tcnicas bien conocidas de
anlisis estadstico, bajo el nombre de data mining o knowledge discovery. Las principales
tcnicas aplicables son:
1. Redes neuronales, especialmente mapas de Kohonen y redes de backpropagation o
perceptrones multicapa.
2. Generadores de reglas por induccin, explotables mediante motores inferenciales.
3. Generadores de bases de casos a las que se accede mediante tcnicas CBR.
4. Sistemas clsicos de heursticos.

Las estrategias de aplicacin de estas tcnicas adoptan actualmente varias formas


distintas:
1. Algunas de ellas se encuentran disponibles actualmente en algunas herramientas
standalone de minera de datos, que facilitan la excavacin de vastas cantidades de
informacin.

2. En otros casos, se trata de desarrollos que integran como subsistemas.


3. En tercer lugar, puede optarse por implementar directamente los algoritmos
correspondientes en desarrollos convencionales que se alimentan de los datos
proporcionados por el entorno de Data Warehouse.
4. Recientemente, se est prestando gran atencin, especialmente en el terreno de la
minera de datos, al nuevo paradigma de los agentes inteligentes. Un agente inteligente
no es, en realidad, una nueva tecnologa, sino una metfora para describir un tipo
especfico de funcionalidad de sistema que exhibe las siguientes caractersticas A:
-

Autonoma: Puede trabajar en ausencia del usuario y puede adaptar sus acciones a
condiciones cambiantes del entorno.

Personalizacin: Mantiene y explota informacin acerca de ciertos intereses o hbitos


de un usuario o grupo de usuarios.

Multiaplicacin/Multiplataforma. .Capacidad de aprendizaje: Cambia su conducta en el


tiempo depen- diendo de las acciones o del feedback del usuario.

Capacidad de cooperacin con otros agentes. En las secciones siguientes se ofrece una
breve revisin de las herramientas de minera de datos y descubrimiento de
conocimiento actualmente disponibles3, que incluyen una o ms de estas tcnicas

TEORA DEL CAOS COMPARACIN CON LA MINERA DE DATOS

De acuerdo a la teora del caos, se define como la teora de la matemtica y la fsica


la palabra caos puede inducir a error, porque esta teora no entiende al 'Caos' en calidad de
ausencia de orden, sino como un 'orden impredecible'. Un ejemplo claro, y del que naci la
Teora del Caos, es el de las nubes y de ella surge el efecto mariposa. En cuanto a la
minera de datos es el proceso de detectar la informacin procesable de los conjuntos
grandes de datos, utilizando el anlisis matemtico para deducir los patrones y tendencias
que existen en los datos. Normalmente, estos patrones no se pueden detectar mediante la
exploracin tradicional de los datos porque las relaciones son demasiado complejas o
porque hay demasiado datos.

CONCLUSIN

Podramos decir que la Teora del Caos es todo lo anterior y mucho ms, es
encontrar el orden en el desorden y constituye el principal afn de quienes, en los diversos
campos de la Ciencia, adoptan esta nueva perspectiva; un ejemplo de ello es
la Geometra moderna que surgen de figuras "caticamente raras y bellas" como resultado
de modelos recursivos que generan comportamientos impredecibles, sin embargo estos
conservan un cierto orden. Estas formas son conocidas como fractales.

En cuanto a la minera de datos, se pudo definir como una nueva tecnologa de


manejo y anlisis de informacin que aprovecha la capacidad existente hoy da de
procesamiento, almacenamiento y transmisin de datos a gran velocidad y bajo costo;
permitiendo encontrar el conocimiento contenido en las inmensas montaas de informacin
para luego tomar decisiones mejor fundamentadas para el futuro de una organizacin.