INSTITUTO TECNOLÓGICO SUPERIOR DE MOTUL

NOMBRE DE LA ASIGNATURA

Inteligencia Artificial (IA)

NOMBRE DE LA UNIDAD Y DEL TEMA

TIPOS DE RAZONAMIENTO Y APRENDIZAJE

PRESENTA:

Mauricio Jimenez Cabrera

NOMBRE DEL PROFESOR

Edeina Saraí Canul Pech

MOTUL, YUCATÁN, MÉXICO.

FECHA

06 de Mayo de 2019
 TIPOS DE RAZONAMIENTO
NOMBRE DEFINICIÓN EJEMPLO
El razonamiento deductivo Regla: “Todas las bolillas de la
parte de categorías generales bolsa x son blancas”.
para hacer afirmaciones sobre Caso: “Estas bolillas previenen
casos particulares. Va de lo de la bolsa x”.
DEDUCTIVO general a lo particular. Es una Deducción: “Estas bolillas son
forma de razonamiento donde blancas”.
se infiere una conclusión a
partir de una o varias
premisas.
Es un tipo de razonamiento Regla: “Todos los bolillos de la
inicialmente puesto en bolsa x son blancas”
evidencia por Aristóteles, tal Caso: “Estas bolillas son
razonamiento opera con una blancas”
especie de silogismo en donde Abducción: “Estas bolillas
la premisa mayor es proceden de la bolsa x”.
considerada cierta mientras
que la premisa menor es solo
probable, por este motivo la
ABDUNTIVO conclusión a la que se puede
llegar tiene el mismo grado de
probabilidad que la premisa
menor. Según el filósofo
charles Sanders Pierce la
abducción es algo más que una
suerte de silogismo, es una de
las tres formas de
razonamiento junto a la
deducción y la inducción.
El razonamiento analógico es Cuando una persona va a
un tipo de razonamiento de mercado, comprara productos
carácter inductivo en el cual se que necesite por diferentes
relacionan dos situaciones motivos. En el sistema actual
distintas pero que responden los productos se comercializan
a la misma lógica amparadas a por medio de marcas, que
un proceso determinado, para tener éxito deben ganar
ANALÓGICA aplicando el razonamiento prestigio. Uno del
analógico, es posible llegar a razonamiento analógico más
una conclusión, basándose en frecuentes en este momento
premisas establecidas con es que si un producto de una
anterioridad y estableciendo determinada marca funciono
una comparación entre bien otro producto de la
ambas, para así obtener un misma marca lo hará.
resultado producto de una
analogía.
 El razonamiento inductivo, por
otro lado, es aquel proceso en
el que se razona partiendo de
lo particular para llegar lo
general, justo lo contrario de
INDUCTIVO la deducción. La base de la
inducción es la suposición de
que algo es cierto en algunas
ocasiones, también lo será en
situaciones similares aunque
no haya observado.
TIPOS DE APRENDIZAJE
El aprendizaje se caracteriza
porque el proceso de
aprendizaje se realiza
mediante un entrenamiento
controlado por un agente
externo, que determina la
respuesta que debería tener
con respecto a una situación.
De forma simple el aprendizaje
SUPERVISADO supervisado cuneta con un
conjunto de ejemplos de los
cuáles conocemos la
respuesta- lo que deseamos es
formular un tipo de regla que
nos permita dar o aproximar
las respuestas para todos los
objetos que nos presenten.
El aprendizaje no supervisado
es un método donde un
modelo es ajustado a las
observaciones. Se distingue
del aprendizaje supervisado
NO SUPERVISADO por el hecho de que no hay un
conocimiento anterior. Es
decir, típicamente trata de
objetos de entrada como un
conjunto de variables
aleatorias siendo construido
Premisa 1: cuando juan toca
la llama de un encendedor se
quema.
Premisa 2: cuando juan toca
una estufa encendida se
quema.
Premisa 3: cuando juan toca
la jarra de la cafetera caliente
se quema.
Conclusión: Si tocas un objeto
caliente te quemas.
Contar con un conjunto de
casas (conjunto de ejemplos)
Y los precios correspondientes
de cada una (respuesta). A
partir de esto queremos
aprender alguna regla de
correspondencia entre casas y
sus precios, que nos permita
predecir el costo cuando
tengamos información de
nuevas casas.
se usa es para agrupar la
información recolectada sobre
usuarios en una Web o en una
app y que nuestra Inteligencia
detecte diversas
características que tienen en
común.
Los algoritmos más
importantes de Aprendizaje
No supervisado son:
 un modelo de densidad por el
conjunto de datos. Es útil para
la compresión de datos:
fundamentalmente todos los
algoritmos de comprensión
dependen tanto
explícitamente como
implícitamente de una
distribución de probabilidad
sobre un conjunto de entrada.
Se trata de un aprendizaje
supervisado, más lento que
otros, que se basa en la idea
de no disponer de un ejemplo
completo del
comportamiento deseado, es
POR REFUERZO decir, de no indicar durante el
entrenamiento exactamente
la salida
 Clustering K-Means
(ejercicio paso a paso
en español)
 Principal Component
Analysis
 Anomaly Detection
Dados los síntomas
presentados por un paciente
en una base de datos de
pacientes anónimos nuestra
máquina deberá ser capas de
predecir si es probable que esa
persona pueda sufrir una
enfermedad específica. Este
tipo de Aprendizaje
Automático es de suma
delicadeza y puede servir
como soporte para un equipo
médico.
 REFERENCIAS

Puerta, A. R. (04 de Junio de 2018). Razonamiento Deductivo: Características, Tipos y

Ejemplos. Obtenido de Lidefer.com: https://www.lifeder.com/razonamiento-
deductivo/
Puerta, A. R. (25 de Febrero de 2019). Los 7 tipos de razonamiento y sus características.
Obtenido de Lidefer.com: https://www.lifeder.com/tipos-de-razonamiento/
Recuero, P. (16 de Noviembre de 2017). Los 2 tipos de aprendizaje en Machine Learning:
supervisado y no supervisado . Obtenido de LUCA all powered DEesicions:
https://data-speaks.luca-d3.com/2017/11/que-algoritmo-elegir-en-ml-
aprendizaje.html
Zambrano, J. (30 de Marzo de 2018). ¿Aprendizaje supervisado o no supervisado? Conoce
sus diferencias dentro del machine learning y la automatización inteligente.
Obtenido de medium.com: https://medium.com/@juanzambrano/aprendizaje-
supervisado-o-no-supervisado-39ccf1fd6e7b