Inteligencia Artificial Avanzada

MODALIDAD ABIERTA Y A DISTANCIA
Departamento de Ciencias de la Computacin y Electrnica

Seccin Inteligencia Artificial
Inteligencia Artificial Avanzada

Evaluacin a distancia
4 Crditos
Titulacin
Ciclo
IX
Ingeniero en Informtica
Profesora principal:
Ing. Priscila Marisela Valdiviezo Daz

TUTORAS: El profesor asignado publicar en el Entorno Virtual de Aprendizaje (EVA) su nmero telefnico y horario de tutora, para
contactarlo utilice la opcin Contactar al profesor
Ms informacin puede obtener llamando al Call Center 072588730, lnea gratuita
1800 88758875 o al correo electrnico callcenter@utpl.edu.ec
Abril-Agosto 2014
Asesora virtual:
www.utpl.edu.ec
La Universidad Catlica de Loja
Evaluaciones a distancia: Inteligencia Artificial Avanzada
PRIMERA EVALUACIN A DISTANCIA

PRIMER BIMESTRE
Le recordamos que a partir del presente ciclo acadmico usted debe
enviar de forma obligatoria su evaluacin a distancia a travs del
Entorno Virtual de Aprendizaje (EVA) en las fechas definidas, con
carcter de EXCLUSIVAS E IMPOSTERGABLES
.
OS
PRIMER BIMESTRE
FECHAS DE ENVO
TITULACIONES
* Licenciado en Ciencias de la Educacin, Mencin:
- Educacin Bsica
- Fsico Matemticas
- Qumico Biolgicas
- Lengua y Literatura
* Ingeniero en Contabilidad y Auditora
* Ingeniero en Gestin Ambiental
* Economista
* Licenciado en Psicologa
* Licenciado en Ciencias de la Educacin, Mencin: Ingls
* Licenciado en Ciencias de la Educacin, Mencin: Educacin Infantil
* Abogado
* Ingeniero en Administracin en Gestin Pblica
* Licenciado en Ciencias de la Educacin, Mencin: Ciencias Humanas y Religiosas
* Ingeniero en Administracin de Empresas Tursticas y Hoteleras
* Ingeniero en Administracin en Banca y Finanzas
* Licenciado en Asistencia Gerencial y Relaciones Pblicas
* Ingeniero en Informtica
* Ingeniero en Administracin de Empresas
* Licenciado en Comunicacin Social
Del jueves 1 al martes 13 de

mayo de 2014
Del jueves 1 al mircoles 14 de

mayo de 2014
Del jueves 1 al jueves 15 de

mayo de 2014
Del jueves 1 al viernes 16 de

mayo de 2014
Para el envo de las evaluaciones acceda a: www.utpl.edu.ec.
Estimado estudiante, recuerde la importancia de

ingresar e interactuar a travs del Entorno Virtual de
Aprendizaje (EVA). Las actividades planteadas tienen
un valor de 2 puntos, importantes para su calificacin.
PRUEBA OBJETIVA (2 puntos)
Seleccione la alternativa correcta de los siguientes enunciados.
1.
2.
3.
4.
5.
Una arquitectura reflexiva es aquella que:

a.
Representa el conocimiento y el comportamiento del agente mediante

un modelo simblico
b.
Combina las arquitecturas reactivas y deliberativas
c.
Utiliza un meta-razonamiento, que permite la deliberacin sobre las

entidades y acciones computacionales que ocurren dentro de la misma
arquitectura.
La arquitectura de un agente se encarga de:

a.
Hacer que las percepciones de los actuadores ejecute los programas
b.
Hacer que las percepciones de los sensores estn disponibles para el

programa, ejecute el programa y poner en marcha las acciones generadas
a travs de los actuadores.
c.
Un computador que se ocupa de que las actuaciones lleguen al programa

y que las percepciones lleguen a los efectores.
La Metodologa MAS- CommonKADS propone algunos modelos

interrelacionados entre s para la definicin de un SMA, entre ellos estn:
a.
Modelo de organizacin, Modelo de tares, Modelo de entorno
b.
Modelo de agente, de experiencia, y de diseo
c.
Modelo de coordinacin, de comunicacin, de entorno
El trmino INGENIAS hace referencia a:

a.
Una metodologa para el desarrollo de un sistema multi-agente
b.
Un arquitectura para el desarrollo de sistemas multi-agentes
c.
Una plataforma para el desarrollo de agentes inteligentes
Para el desarrollo de un sistema multi-agente (SMA) con la metodologa

MAS- CommonKADS, interviene la extraccin o adquisicin de conocimiento
para obtener una primera descripcin del problema. Este proceso se realiza
en la fase de:
a.
Integracin
b.
Conceptuacin
c.
Diseo
6.
7.
8.
9.
10.
11.
INGENIAS considera cinco puntos de vista para el diseo de un SMA, stos

son:
a.
Agente, Comunicacin, Codificacin, Entorno, Experiencia
b.
Agente, organizacin operacin, tareas, interacciones
c.
Agente, organizacin, entorno, tareas y objetivos, interacciones
En la metodologa MAS-Common-KADS el modelo de experiencia describe:

a.
El conocimiento necesitado por los agentes para alcanzar sus objetivos
b.
Las tareas que los agentes pueden realizar, los objetivos de cada tarea,
su descomposicin, los ingredientes y los mtodos de resolucin de
problemas para resolver cada objetivo
c.
La arquitectura y el diseo del sistema multi-agente como un paso previo

a su implementacin.
JADE es:
a.
Una arquitectura que permite el diseo de agentes inteligentes
b.
Una metodologa de construccin de agentes
c.
Una plataforma de software para programar agentes inteligentes
El aprendizaje en los agentes inteligentes puede ser:

a.
Supervisado y evaluable
b.
No supervisado y por inspeccin
c.
Supervisado, no supervisado o por refuerzo
La base de conocimiento contiene un conjunto de sentencias en un lenguaje

de representacin de conocimiento. Este lenguaje puede ser:
a.
Lgica de primer orden, lgica difusa, modal, etc.
b.
Ontologas
c.
JAVA
Las ontologas que implementan los agentes, incluyen algn razonador dado
que:
a.
Las ontologas obtienen un vocabulario implcito oculto en las mismas.
b.
Las ontologas slo describen de forma explcita algn vocabulario de

dominio y los razonadores obtienen el vocabulario implcito oculto en las
mismas.
c.
Los razonadores describen de forma implcita el vocabulario del dominio.
12.
13.
14.
15.
16.
17.
Una ontologa con ayuda de la lgica puede expresar reglas. Seale cul de
las siguientes opciones corresponde a una regla.
a.
Cdigo de estudiante matriculado.
b.
Si un cdigo de estudiante est asociado a un cdigo de matrcula, y si un

nmero es el cdigo de estudiante, entonces ese nmero tiene asociado
el cdigo de matrcula.
c.
Nmero de estudiante asignado a un cdigo de matrcula.
El aprendizaje automtico hace referencia a:

a.
La forma como un algoritmo responde a un conjunto de entradas

obteniendo una respuesta para cada una de ellas.
b.
La representacin del conocimiento y al funcionamiento de algoritmos
c.
Al aprendizaje de los agentes inteligentes
El objetivo del aprendizaje automtico es:

a.
Aprender de las entradas y salidas del algoritmo utilizado
b.
Desarrollar tcnicas que permitan a las computadoras aprender
c.
Predecir ciertos comportamientos no previstos
El aprendizaje no supervisado es aquel que:

a.
Establece una correspondencia entre las entradas y salidas del sistema.
b.
Todo el proceso de modelado se lleva a cabo en el conjunto de

entradas del sistema
c.
Aprende observando el mundo que lo rodea
El aprendizaje por refuerzo es aquel que:

a.
Aprende observando el mundo que lo rodea.
b.
Su aprendizaje no se basa explcitamente en una funcin matemtica.
c.
Que utiliza conocimiento previamente aprendido, este aprendizaje

tambin se lo conoce con el nombre de Bias.
Si tenemos dos figuras que se corresponden a una misma clase, entonces se

podra:
a.
Entrenar a una clase para clasificar ambas figuras
b.
Clasificar ambas figuras en distintas clases a travs de un algoritmo de

aprendizaje automtico
c.
Entrenar a un algoritmo para que aprenda automticamente que ambas

figuras pertenecen a una misma clase.
18.
19.
20.
Consideremos que tenemos una figura de un vehculo, al obtener su vector

de caractersticas, ste estara formado por elementos como:
a.
forma, color, dimensin
b.
Altura, nmero de pasajeros
c.
forma, gravedad, peso
Scheme es un lenguaje muy utilizado en Inteligencia Artificial para tareas de:

a.
representacin de conocimiento
b.
aprendizaje
c.
segmentacin
El aprendizaje automtico se refiere a:

a.
sistemas capaces de la adquisicin e integracin automtica de

conocimiento
b.
sistemas capaces del procesamiento de datos automticos
c.
La forma en como los algoritmos aprenden
PRUEBA DE ENSAYO (4 puntos)
1.
De acuerdo a las arquitecturas de agentes presentadas en el texto gua.

Seleccione cul sera la ms adecuada para un sistema de conductor
automtico de vehculo. Fundamente su respuesta en un mnimo de 5 lneas.
Estrategia:
Desarrollar una lectura comprensiva de las arquitecturas de agentes,
completar el estudio con los recursos complementaria sealados en el
texto gua y en el EVA, y luego contextualice al sistema en mencin.
2.
En base al ciclo de vida de diseo de sistemas multiagentes propuesto

por MAS-CommonKADS, identifique los elementos y caractersticas que
conforman al sistema conductor automtico de vehculo, sealado en el
literal 1.
Estrategia
Realizar una lectura comprensiva del texto gua, seccin 1.3. Metodologas
para el diseo de agentes, y determine cada una de las fases de un SMA,
contextualizndolo al sistema conductor automtico de vehculo. Recordemos
que por cada fase se especifican los puntos a desarrollar (a tener en cuenta)
para el diseo del agente o agentes. Puede apoyarse de los recursos sealados
en el EVA y en la bibliografa complementaria
3.
Considere el dominio Universidad y determine los conceptos, relaciones

y reglas, que componen a la ontologa de este dominio. Luego explique
cul sera la funcin de un agente ontolgico en el dominio de aplicacin
sealado.
Estrategia:
Revise detenidamente la seccin 1.4 y 1.5 del texto gua, y contextualice al
domino indicado. Apoyarse de las lecturas de los recursos complementarios.
4.
Para familiarizarnos con el entorno de Weka, vamos a descargar el conjunto

de datos: iris.arff
Luego abrir el archivo de datos con un editor, y revisar su contenido. En
base a esto conteste las siguientes interrogantes:
a.
Cuntos atributos caracterizan los datos de esta tabla de datos?
b.
Cuntas instancias constan en la tabla de datos?,
c.
Instale weka, y luego abra o cargue el archivo iris.arff
d.
Una vez cargado el conjunto de datos, en la seccin attributes se puede

dar clic sobre cada atributo para obtener informacin estadstica de ellos.
En base a esto Qu atributos sern utilizados para predecir la clase?
Estrategia:
Puede descargar el archivo desde google, o instalar primeramente la
herramienta weka disponible en http://www.cs.waikato.ac.nz/ml/weka/index
documentation.html, y luego abra el archivo para analizar su contenido, y as
dar respuesta a las interrogantes planteadas.
5.
Interactividad con el EVA

Participe en el foro propuesto en el EVA. Para este foro es necesario haber
revisado los contenidosdel texto gua correspondiente al I Bimestre. Lo invitamos
a compartir su criterio y a reflexionar sobre el tema planteado en este espacio de
interaccin.
Estimado(a) estudiante, una vez resuelta su evaluacin a distancia en el

documento impreso (borrador), acceda al Entorno Virtual de Aprendizaje
(EVA) en www.utpl.edu.ec e ingrese las respuestas respectivas.
SEOR ESTUDIANTE:
Le recordamos que para presentarse a rendir las
evaluaciones presenciales no est permitido el uso de
ningn material auxiliar (calculadora, diccionario, libros,
Biblia, formularios, cdigos, leyes, etc.)
Las pruebas presenciales estn diseadas para
desarrollarlas sin la utilizacin de estos materiales.
SEGUNDA EVALUACIN A DISTANCIA

SEGUNDO BIMESTRE
Le recordamos que a partir del presente ciclo acadmico usted debe
enviar de forma obligatoria su evaluacin a distancia a travs del
Entorno Virtual de Aprendizaje (EVA) en las fechas definidas, con
carcter de EXCLUSIVAS E IMPOSTERGABLES.
OS
SEGUNDO BIMESTRE
FECHAS DE ENVO
TITULACIONES
* Licenciado en Ciencias de la Educacin, Mencin:
- Educacin Bsica
- Fsico Matemticas
- Qumico Biolgicas
- Lengua y Literatura
* Ingeniero en Contabilidad y Auditora
* Ingeniero en Gestin Ambiental
* Economista
* Licenciado en Psicologa
* Licenciado en Ciencias de la Educacin, Mencin: Ingls
* Licenciado en Ciencias de la Educacin, Mencin: Educacin Infantil
* Abogado
* Ingeniero en Administracin en Gestin Pblica
* Licenciado en Ciencias de la Educacin, Mencin: Ciencias Humanas y Religiosas
* Ingeniero en Administracin de Empresas Tursticas y Hoteleras
* Ingeniero en Administracin en Banca y Finanzas
* Licenciado en Asistencia Gerencial y Relaciones Pblicas
* Ingeniero en Informtica
* Ingeniero en Administracin de Empresas
* Licenciado en Comunicacin Social
Del martes 1 al jueves 17 de

julio de 2014
Del martes 1 al mircoles 16 de

julio 2014
Del martes 1 al martes 15 de

julio 2014
Del martes 1 al lunes 14 de

julio de 2014
Para el envo de las evaluaciones acceda a: www.utpl.edu.ec.
Estimado estudiante, recuerde la importancia de

ingresar e interactuar a travs del Entorno Virtual de
Aprendizaje (EVA). Las actividades planteadas tienen
un valor de 2 puntos, importantes para su calificacin.
PRUEBA OBJETIVA (2 puntos)

Seleccione la alternativa correcta en cada uno de los enunciados.
11
1.
2.
3.
4.
5.
6.
7.
12
La tcnica de clustering utiliza un tipo de aprendizaje:

a.
Supervisado
b.
No supervisado
c.
Mixto
La tcnica que permite agrupar elementos en conjuntos homogneos en

funcin de algunas semejanzas entre ellos, se conoce como:
a.
Clustering
b.
Clasificacin supervisada
c.
Redes neuronales
El algoritmo k-medias se utiliza en los mtodos de:

a.
Particin
b.
Jerrquicos
c.
Supervisin
Los mtodos jerrquicos se clasifican en:

a.
Supervisados y no supervisados
b.
Conglomerados y de mximo valor esperado
c.
Aglomerativos y Disociativos
Los mtodos que parten de un conjunto de elementos y se van dividiendo

sucesivamente hasta llegar a elementos individuales o grupos ms pequeos
se llaman:
a.
Aglomerativos
b.
Mximo valor esperado
c.
Disociativos
Los mtodos conglomerados necesitan:

a.
Una combinacin de tcnica y algoritmos
b.
Minimizar el error
c.
Una correcta inicializacin de los grupos de inicio
El algoritmo k-means basa su clasificacin en lo que se conoce como:

a.
Particin
b.
Centroide
c.
K grupos
8.
9.
10.
11.
12.
13.
14.
Un centroide hace referencia a:

a.
Un valor que es el centro de un conjunto de datos analizados
b.
La inicializacin de k grupos
c.
La medida de similitud de los grupos
Los rboles de decisin es una tcnica de clasificacin

a.
No supervisada
b.
Supervisada
c.
Semi-supervisada
El algoritmo c4.5, es utilizado para tareas de:

a.
Agrupacin
b.
Clasificacin
c.
Probabilsticas
La unidad fundamental de una red neuronal se conoce como:

a.
Procesamiento
b.
Perceptron
c.
Capa oculta
Los pesos en un perceptron se utilizan para:

a.
Establecer valores aleatorios en la funcin de activacin.
b.
Procesar las entradas
c.
Representar el vector de activacin
Las salida en un perceptron pueden estar:

a.
Activadas y linealmente separables
b.
Desactivadas y linealmente no separables
c.
Desactivadas, activadas o neutrales
El perceptron simple se basa en:

a.
Mltiples capas
b.
Una regla de aprendizaje de correccin del error llamada regla de

aprendizaje
c.
El algortimo propagation
13
15.
16.
17.
18.
19.
20.
14
Un algoritmo es linealmente separable cuando:

a.
Converge en un tiempo finito sin importar los valores iniciales de los

pesos.
b.
Obtiene como resultado un valor binario
c.
Converge en un tiempo infinito considerando la importancia de los

valores iniciales de los pesos.
Las redes neuronales multicapa requieren del algoritmo:

a.
Delta no generalizado
b.
Backpropagation
c.
Backtracking
El aprendizaje en una red neuronal se puede dar en dos sentidos. stos son:
a.
Supervisado y no supervisado
b.
Semi-supervisado y no supervisado
c.
Automtico y supervisado
Las fases que intervienen cuando se trabaja con redes neuronales son:
a.
Entrenamiento y Validacin
b.
Test y Pruebas
c.
Test y validacin
La funcin que es utilizada en el perceptron simple es la:

a.
Escaln
b.
Identidad
c.
Sigmoidal
La arquitectura de una red neuronal hace referencia a:

a.
Las funciones y al nmero de capara utilizadas por la red neuronal
b.
La estructura, topologa o forma de conexin de una red neuronal.
c.
El nmero de capas que utiliza la red neuronal
PRUEBA DE ENSAYO (4 puntos)
1.
Descargue la herramienta Weka del sitio http://www.cs.waikato.ac.nz/ml/

weka/, instlela en su computador, y luego utilcela para cargar el conjunto
de datos iris.arff que se encuentra en el directorio data dentro del directorio
de instalacin de weka: ejemplo c:\\Archivos de Programa\Weka-3-4\data\
iris). Luego, en la pestaa Classify, seleccionar el clasificador trees/j48. En las
Test Options seleccionar Use trainning set, y pulsar el botn de Start para
que genere el clasificador. Una vez realizado esto conteste las interrogantes
siguientes:
a.
Cuntas hojas tiene el rbol generado con J48?
b.
Cuntas instancias del conjunto de entrenamiento clasifica bien?
c.
Qu porcentaje de instancias clasifica bien?
d.
Analizar la matriz de confusin: qu ha clasificado mal?
Es necesario que para el literal a. adjunte las pantallas obtenidas de

weka.
2.
Una empresa aseguradora ofrece una indemnizacin por accidente de $

10.000. Si no se acepta la oferta y se decide ir a juicio se puede obtener un
monto de $ 5.000, $ 15.000 o $ 50.000, dependiendo de las alegaciones que
el juez considere aceptables. Si se pierde el juicio, se debe pagar los costos
que ascienden a $ 30.000. Sabiendo que el 70% de los juicios se gana, y de
stos, en el 50% se obtiene la menor indemnizacin, en el 30% la intermedia
y en el 20% la ms alta, realizar lo siguiente:
a.
Generar un posible rbol de decisin para determinar la decisin ms

acertada.
b.
Identifique cules seran las acciones a realizare y las consecuencias o

probabilidades en base a estas acciones
c.
Qu algoritmo podra utilizarse para generar el rbol?. Justifique su

respuesta en un mximo de 5 lneas.
15
3.
4.
Una vez instalado Weka, utilice el ejemplo de entrenamiento iris, para

entrenar una red neuronal de tipo MLP, luego siguiendo la misma estructura
del archivo de entrenamiento, cambie los datos y agregue ms para testear
la red, guarde el archivo con nombre iris_test y testee la red. Para este caso:
a.
Presente el archivo de testeo (adjunto al trabajo)
b.
Adjunte las pantallas arrojadas de weka cuando entren la red y cuando

aprendi.
c.
Interprete los resultados, entre las dos fases: entrenamiento y testeo.
Interactividad con el EVA

Participe en el foro propuesto en el EVA. Para este foro es necesario haber
revisado los contenidos del texto gua correspondiente al II Bimestre. Lo
invitamos a compartir su criterio y a reflexionar sobre el tema planteado en este
espacio de interaccin.
Estrategias de Trabajo
Para el desarrollo de la actividad 1 y 3 cuenta con un manual de weka, que se
especifica en la bibliografa complementaria y que adems estar disponible en
el EVA, tambin puede encontrar informacin en el sitio web de Weka, ms la
asesora que la iremos dando en el EVA. El objetivo de estas actividades es que
se vea reflejada la teora estudiada en un caso prctico.
Estimado(a) estudiante, una vez resuelta su evaluacin a distancia en el

documento impreso (borrador), acceda al Entorno Virtual de Aprendizaje
(EVA) en www.utpl.edu.ec e ingrese las respuestas respectivas.
SEOR ESTUDIANTE:
Le recordamos que para presentarse a rendir las
evaluaciones presenciales no est permitido el uso de
ningn material auxiliar (calculadora, diccionario, libros,
Biblia, formularios, cdigos, leyes, etc.)
Las pruebas presenciales estn diseadas para
desarrollarlas sin la utilizacin de estos materiales.
16

Inteligencia Artificial Avanzada

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Inteligencia Artificial Avanzada

Cargado por

Copyright:

Formatos disponibles

MODALIDAD ABIERTA Y A DISTANCIA

Departamento de Ciencias de la Computacin y Electrnica

Inteligencia Artificial Avanzada

Ing. Priscila Marisela Valdiviezo Daz

Evaluaciones a distancia: Inteligencia Artificial Avanzada

PRIMERA EVALUACIN A DISTANCIA

Del jueves 1 al martes 13 de

Del jueves 1 al mircoles 14 de

Del jueves 1 al jueves 15 de

Del jueves 1 al viernes 16 de

Para el envo de las evaluaciones acceda a: www.utpl.edu.ec.

Estimado estudiante, recuerde la importancia de

PRUEBA OBJETIVA (2 puntos)

Seleccione la alternativa correcta de los siguientes enunciados.

La Universidad Catlica de Loja

Evaluaciones a distancia: Inteligencia Artificial Avanzada

Una arquitectura reflexiva es aquella que:

Representa el conocimiento y el comportamiento del agente mediante

Combina las arquitecturas reactivas y deliberativas

Utiliza un meta-razonamiento, que permite la deliberacin sobre las

La arquitectura de un agente se encarga de:

Hacer que las percepciones de los actuadores ejecute los programas

Hacer que las percepciones de los sensores estn disponibles para el

Un computador que se ocupa de que las actuaciones lleguen al programa

La Metodologa MAS- CommonKADS propone algunos modelos

Modelo de organizacin, Modelo de tares, Modelo de entorno

Modelo de agente, de experiencia, y de diseo

Modelo de coordinacin, de comunicacin, de entorno

El trmino INGENIAS hace referencia a:

Una metodologa para el desarrollo de un sistema multi-agente

Un arquitectura para el desarrollo de sistemas multi-agentes

Una plataforma para el desarrollo de agentes inteligentes

Para el desarrollo de un sistema multi-agente (SMA) con la metodologa

MODALIDAD ABIERTA Y A DISTANCIA

Evaluaciones a distancia: Inteligencia Artificial Avanzada

INGENIAS considera cinco puntos de vista para el diseo de un SMA, stos

Agente, Comunicacin, Codificacin, Entorno, Experiencia

Agente, organizacin operacin, tareas, interacciones

Agente, organizacin, entorno, tareas y objetivos, interacciones

En la metodologa MAS-Common-KADS el modelo de experiencia describe:

El conocimiento necesitado por los agentes para alcanzar sus objetivos

La arquitectura y el diseo del sistema multi-agente como un paso previo

Una arquitectura que permite el diseo de agentes inteligentes

Una metodologa de construccin de agentes

Una plataforma de software para programar agentes inteligentes

El aprendizaje en los agentes inteligentes puede ser:

No supervisado y por inspeccin

Supervisado, no supervisado o por refuerzo

La base de conocimiento contiene un conjunto de sentencias en un lenguaje

Lgica de primer orden, lgica difusa, modal, etc.

Las ontologas obtienen un vocabulario implcito oculto en las mismas.

Las ontologas slo describen de forma explcita algn vocabulario de

Los razonadores describen de forma implcita el vocabulario del dominio.

La Universidad Catlica de Loja

Evaluaciones a distancia: Inteligencia Artificial Avanzada

Cdigo de estudiante matriculado.

Si un cdigo de estudiante est asociado a un cdigo de matrcula, y si un

Nmero de estudiante asignado a un cdigo de matrcula.

El aprendizaje automtico hace referencia a:

La forma como un algoritmo responde a un conjunto de entradas

La representacin del conocimiento y al funcionamiento de algoritmos

Al aprendizaje de los agentes inteligentes

El objetivo del aprendizaje automtico es:

Aprender de las entradas y salidas del algoritmo utilizado