Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introducción
José María Gómez Hidalgo, 2019/20
Motivación
Objetivo del aprendizaje automático
• Diagnóstico de enfermedades
• ...
Sistemas basados en conocimiento
Características del paciente
• Usualmente, muchas de estas tareas Edad
son realizadas por expertos humanos Enfermedad ocular
Astigmatismo
Lágrima
• Para automatizarlas, podemos
Objetivo: recomendar
• Extraer su conocimiento o Lentes blandas
experiencia y codificarlo Lentes duras
No usar lentes
típicamente como reglas
PROBLEMAS SOLUCIONES
• “Sistemas que aprenden a cambiar su comportamiento de modo que resulten más efectivos
en el futuro”
• “A computer program is said to learn from experience E with respect to some task T and
some performance measure P, if its performance on T, as measured by P, improves with
experience E.”
– Tom Mitchell, Carnegie Mellon University
Ventajas e inconvenientes
VENTAJAS INCONVENIENTES
IF astigmatism = no
and tear-prod-rate = normal
and spectacle-prescrip = hypermetrope THEN soft
IF astigmatism = yes
and tear-prod-rate = normal
and spectacle-prescrip = myope THEN hard
IF tear-prod-rate = reduced THEN none
Un ejemplo
práctico
Mantenimiento predictivo
Coste de parada o “downtime cost”
28
millones
Prácticamente cada fábrica pierde al menos el 5% de su capacidad productiva debido a las paradas, y
puede llegar al 20%. Del 20% de empresas que pueden estimar su tiempo de parada, usualmente lo
infra estiman en un 200% - 300%
20%
80%
*Inform de McKinsey basado en news.thomasnet.com
11
Mantenimiento predictivo
¿Dónde estamos hoy?
Auto-optimizado
Prevención
Predictivo de eventos
Detección durante
Proactivo el proceso
Datos e informes
Monitorizado históricos
Heurístico
HOY
Sin datos
12
Mantenimiento predictivo
Bombas de extracción petrolífera
sumergibles Componentes de la bomba
Cable de correinte
Monitorización de datos
Bomba
• Temperatura del motor Consumidor
• Vibración del motor Protector
• Corriente
Motor de la bomba
• Presión
• Flujo Unidad de monitorización
• ...
13
Mantenimiento predictivo
Problema objetivo
La entrada de suciedad y
despedrdicios produce la
disrupción en el flujo
14
Mantenimiento predictivo
Datos técnicos
15
Mantenimiento predictivo
Demostración
https://www.tibco.com/resources/demand-webinar/demand-predictive-maintenance-webinar-industrialization-analytics
16
Relación con
otros
campos
Su lugar en el KDD
Data Mining = Minería de Datos = Aprendizaje Automático
Data analysis, análisis de datos – fase de comprensión y preparación del dato previa al
aprendizaje
Data Science, ciencia de datos, analytics, analítica – todos los procesos relacionados
con el aprendizaje, incluyendo desde la captura de requisitos y definición del caso de
uso, análisis, aprendizaje automático, y reporting de resultados, hasta la
operativización o industrialización de los modelos construidos.
El marco de la Inteligencia Artificial
Razonar y
aprender
Si está escrito en
Powerpoint, es
Tareas realizadas Inteligencia Artificial
mejor por seres Ver y
humanos que por entender
computadoras Si está escrito en
Python, es aprendizaje
automático
Comunicarse
Resumen y
conclusiones
Resumen y conclusiones
22
Preguntas
23
Referencias
Referencias bibliográficas
• Usama Fayyad, Gregory Piatetsky-Shapiro, Padhraic Smyth, 1996. From data mining to
knowledge discovery in databases. AI Magazine, Volume 17, Number 3.
– Disponible en: https://www.aaai.org/ojs/index.php/aimagazine/article/viewFile/1230/1131