Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesion 1
Sesion 1
Web:
AGENDA
• Introducción
• Predicción
• Modelos de Aprendizaje
• Problemas de Aprendizaje
• Diferencias de enfoques
• Cuestiones
Aprendizaje Autom
–2– 10 Ing. Sist de Inf.
OV
1
Introducción
En un contexto Amplio..
• Qué es el aprendizaje? (en cualquier forma que se entienda este)
• Sus principios son “universales”
– Sociedad (comunidad científica)
– Animal
– Humano
• La clave radica en el predecir
Aprendizaje Autom
–3– 10 Ing. Sist de Inf.
OV
Introducción
Disciplinas interactuantes en el AA
Inteligencia
Artificial Métodos
Estadística Bayesianos
Teoría de
Psicología y AA La Complejidad
Neurobiología Computacional
Teoría de
Filosofía Teoría de Control
La Información
Aprendizaje Autom
–4– 10 Ing. Sist de Inf.
OV
2
Enfoque tradicional
Datos
Computador Salida
Programa
Enfoque Aprendizaje
Datos
Computador Programa
Salida
3
PREDICCION
Aprendizaje Autom
–7– 10 Ing. Sist de Inf.
OV
PREDICCION
Aprendizaje Autom
–8– 10 Ing. Sist de Inf.
OV
4
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
Aprendizaje Autom
–9– 10 Ing. Sist de Inf.
OV
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos
– Suposiciones
– Representación
– Estimación
– Evaluación
– Selección de un Modelo
Aprendizaje Autom
– 10 – 10 Ing. Sist de Inf.
OV
5
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
Aprendizaje Autom
– 11 – 10 Ing. Sist de Inf.
OV
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o el curso?
Aprendizaje Autom
– 12 – 10 Ing. Sist de Inf.
OV
6
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
Aprendizaje Autom
– 13 – 10 Ing. Sist de Inf.
OV
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta sus notas?
Aprendizaje Autom
– 14 – 10 Ing. Sist de Inf.
OV
7
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta sus notas?
– Evaluación: Qué tan bien estamos prediciendo?
Aprendizaje Autom
– 15 – 10 Ing. Sist de Inf.
OV
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta sus notas?
– Evaluación: Qué tan bien estamos prediciendo?
– Modelo: Quizás podríamos hacerlo aún mejor?
Aprendizaje Autom
– 16 – 10 Ing. Sist de Inf.
OV
8
PREDICCION
• Ejemplo Predecir las notas que serán obtenidas por los estudiantes de esta
asignatura
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
• Datos de estudiantes en cursos de AA anteriores
• Registro académico de los estudiantes aquí matriculados
Aprendizaje Autom
– 17 – 10 Ing. Sist de Inf.
OV
PREDICCION
Datos de Entrenamiento
Aprendizaje Autom
– 18 – 10 Ing. Sist de Inf.
OV
9
PREDICCION
Manuel ? Apr
Victor ? Apr
Datos de Prueba
Aprendizaje Autom
– 19 – 10 Ing. Sist de Inf.
OV
PREDICCION
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los
estudiantes o el curso?
• Hay muchas suposiciones que podemos hacer para facilitar la
predicción
– el curso ha sido aproximadamente el mismo sobre los distintos
años
– Cada estudiante tiene un desempeño que es independiente del de
los otros
Aprendizaje Autom
– 20 – 10 Ing. Sist de Inf.
OV
10
PREDICCION
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o
el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
• Los registros académicos pueden ser bastante diversos nos límitaríamos a
escoger pocos cursos, podemos representar un estudiante como un vector:
• Xi=[ABC]
Aprendizaje Autom
– 21 – 10 Ing. Sist de Inf.
OV
PREDICCION
X3 Apr
11
PREDICCION
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los
estudiantes o el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta
sus notas?
Aprendizaje Autom
– 23 – 10 Ing. Sist de Inf.
OV
PREDICCION
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o
el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta sus
notas?
– Evaluación: Qué tan bien estamos prediciendo?
• Podemos esperar hasta el fin el cuso
• podemos tratar de valorar la certeza con base en los datos que ya tenemos
Aprendizaje Autom
– 24 – 10 Ing. Sist de Inf.
OV
12
PREDICCION
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta sus notas?
– Evaluación: Qué tan bien estamos prediciendo?
• Podemos esperar hasta el fin el cuso
• podemos tratar de valorar la certeza con base en los datos que ya tenemos
Posible Solución:
• Dividir los datos en entrenamiento y prueba
• Evaluar el clasificador en base a este conjunto prueba
Aprendizaje Autom
– 25 – 10 Ing. Sist de Inf.
OV
PREDICCION
• Pasos Claves
– Datos : De que experiencia pasada podemos depender?
– Suposiciones: Que tipo de suposiciones podemos hacer sobre los estudiantes o
el curso?
– Representación: Como podemos “sintetizar” o “resumir a un estudiante?
– Estimación: Cómo podemos obtener un mapeo desde los estudiantes hasta sus
notas?
– Evaluación: Qué tan bien estamos prediciendo?
– Modelo: Quizás podríamos hacerlo aún mejor?
• Podemos refinar el algoritmo del clasificador
• Aumentar la representación (diversos cursos)
• Haciendo otras suposiciones (los estudiantes trabajan en grupo)
Aprendizaje Autom
– 26 – 10 Ing. Sist de Inf.
OV
13
PREDICCION
DATOS SUPOSICIONES
MODELO REPRESENTACION
EVALUACION ESTIMACION
Aprendizaje Autom
– 27 – 10 Ing. Sist de Inf.
OV
PREDICCION
Aprendizaje Autom
– 28 – 10 Ing. Sist de Inf.
OV
14
MODELOS DE APRENDIZAJE
Aprendizaje Autom
– 29 – 10 Ing. Sist de Inf.
OV
cambios ENTORNO
Elemento Elemento de
a aprender desempeño acciones
conocimiento
Meta del Aprendizaje
Generador del
problema
15
MODELOS DE APRENDIZAJE
Aprendizaje Autom
– 31 – 10 Ing. Sist de Inf.
OV
Aprendizaje Autom
– 32 – 10 Ing. Sist de Inf.
OV
16
Aprendizaje Supervisado
• Función objetof: X → Y
• ejemplo (x,f(x))
• hipotesis g: X → Y tal que g(x) = f(x)
x = conjunto de atributos
x = sentencias lógicas
17
TIPOS DE PROBLEMAS DE APRENDIZAJE
Aprendizaje Autom
– 35 – 10 Ing. Sist de Inf.
OV
Aprendizaje No supervisado
Enfoques
• clustering (basado en la similaridas)
• Estimacion de densidades de probabilidad(algoritmo EM)
Tareas
• Entendimiento y visualización
• Detección de anomalías
• Recuperación de información
• Comprension de datos
18
TIPOS DE PROBLEMAS DE APRENDIZAJE
Aprendizaje Supervisado
• Función objetof: X → Y
• ejemplo (x,f(x))
• hipotesis g: X → Y tal que g(x) = f(x)
x = conjunto de atributos
x = sentencias lógicas
19
PROBLEMA DE APRENDIZAJE
DEFINICION
En el sentido visto hasta aquí será el del proceso llevado a cabo por un
ordenador que es capaz de resolver el problema de:
“Sintetizar procedimientos computables capaces de realizar tareas de las
cuales sólo tenemos descripciones parciales sobre el modo en que nos
gustaría que se llevasen a cabo”
Aprendizaje Autom
– 39 – 10 Ing. Sist de Inf.
OV
PROBLEMA DE APRENDIZAJE
Definición más simple: Algoritmo que mejora el desempeño que hace sobre una
tarea en concreto, basándose en la experiencia en el dominio de la tarea
Aprendizaje Autom
– 40 – 10 Ing. Sist de Inf.
OV
20
PROBLEMA DE APRENDIZAJE
Aprendizaje Autom
– 41 – 10 Ing. Sist de Inf.
OV
Evaluacion
21
Evaluacion: Curvas de Aprendizaje
Precision de la clasificacion
Error clasificación
#training examples
falsos positivos
22
Evaluacion: Precisión/Cubrimiento
precisión
cubrimiento
Cuestiones
Aprendizaje Autom
– 46 – 10 Ing. Sist de Inf.
OV
23
PROBLEMA DE APRENDIZAJE
PLANTEAMIENTO
PROBLEMA
ORDENADOR
Indicaciones no
estructuradas
de lo que hay Algoritmo de AM Mecanismo que
que hacer resuelve problemas
Solución
Aprendizaje Autom
– 47 – 10 Ing. Sist de Inf.
OV
PROBLEMA DE APRENDIZAJE
Aprendizaje Autom
– 48 – 10 Ing. Sist de Inf.
OV
24
DIFERENCIAS EN LOS ENFOQUES
Aprendizaje Autom
– 49 – 10 Ing. Sist de Inf.
OV
25