Tecnológico Nacional de México

Campus Veracruz
 
Carrera: 
Ing. en Sistemas computacionales  
 
Resúmenes Conferencias
 
Unidad 2 
 
Alumnos:  
Alan Rodrigo Fabián Rodríguez
Moreno Cazarin Mitzi Alicia 
Pérez Vela Eber Emilio 
 
Materia: 
Estructura de Datos
 
Docente: 
Julia Guadalupe Trujillo Salamanca 
 
Fecha de entrega:  
01/10/2021
Tutoriales
Manipulación de datos y clasificación 27/09/2021
Ponente: Daniela Alejandra Moctezuma Ochoa

Se trabaja un programa especificado en lenguaje Python, usando extensiones

para el análisis de datos, siendo Pandas y Anaconda.
Pandas se utiliza principalmente para el manejo de los datos, a través de un
ejemplo de Base de Datos sobre el Titanic, mostrando elementos tales como el
nombre, sexo, cabina, etc., con la finalidad de ver su funcionalidad.
Otro elemento es el sklearn, el cual se usa para el machine learning o el
aprendizaje automático.
Se define como Machine Learning como el “Campo de estudio que proporciona
a las computadoras la habilidad de aprender algo sin estar explícitamente
programadas para ello”, esto según Arthur Samuel (pionero de la IA).
Entorno al modelo de aprendiza hay dos tipos, supervisados y no supervisados,
en el supervisado se necesita una etiqueta que permite saber si el programa
está acertando o no, y así poder predecir nuevos elementos con la mayor
precisión o confiabilidad posible; se considera la salida esperada.
En el aprendizaje no supervisado no se consideran las etiquetas, es decir, no
se consideran los resultados de salida.
Cada uno tiene su tipo de estructura:
· Aprendizaje supervisado
1. Árboles de decisión
2. Random forest
3. SVM
4. ANN
· Aprendizaje no supervisado
1. Clustering (K – means)

Se puede decir que el aprendizaje computacional es un área de la IA, el cual

toma unos datos para aprender de ellos, y así aprender a predecir resultados a
partir de estos.
Se cuenta con un elemento conocido como clasificador, este permite
determinar la arte verdadera y falsa según las etiquetas, en torno a este están
los temas de Training, validation y test sets.
En la parte de training como su nombre indica entrena al clasificador, en la
validación se obtienen los parámetros adecuados para el clasificador y en test
se evalúa el rendimiento real del clasificador (con datos nuevos diferentes a los
utilizados en las dos fases anteriores).
Un algoritmo de machine learning no trabaja con datos no-numéricos (en la
mayoría de los casos), por ende, hay que transformar o codificar los datos en
caso de que no cumplan esa condición.

Como codificaciones finales se tienen:

· Se normalizan las etiquetas como última parte del pre-procesamiento.
Scikit-learn tiene un LabelEncoder que convierte cada valor único en un
número, haciendo más flexibles los datos para aplicar ciertos algoritmos
de aprendizaje computacional
· El resultado de esta codificación es una tabla de números, que para las
personas no tienen buena presentación, sin embargo, para las máquinas
son entendibles.
Dentro del proceso de clasificación se puede encontrar el Random Forest
Este es un clasificador que consiste en muchos árboles de decisión y asigna la
clase más votada por todos ellos, este es un algoritmo muy utilizado, tanto para
clasificación como para regresión, además, muestra buen rendimiento para
datos de alta dimensionalidad.
Funciona a través de la mezcla de tres conceptos:
· Bagging: Bootstrap Aggregation (o Bagging), es un método de
ensamble simplre y de gran ayuda, un método de ensamble es una
técnica que combina las predicciones de múltiples algoritmos de
aprendizaje automático para hacer predicciones más precisas.
· Decision trees: Es una de las estructuras más simples y útiles en
aprendizaje computacional. Tienen el problema que son muy
dependientes de los datos de entrenamiento, por ello son muy utilizadas
en combinación con el Bagging.
· Random subspace: Técnica que en conjunto con el Bagging permiten
alimentar, por medio de muestreo con reemplazo, cada uno de los
clasificadores.
Inteligencia computacional 27/09/2021
Ponente: Carlos Alberto Reyes García
Se conoce como señal a un signo, ademan, gesto o alguna otra cosa que
informa o avisa sobre algo, esta puede sustituir a la palabra escrita o al
lenguaje, y estas si se ajustan a ciertas reglas son fácilmente interpretadas, un
ejemplo de este es el lenguaje de señas.
En el apartado computacionales estas señales son interpretadas y usadas de
una manera un poco distinta, existiendo las señales telefónicas y señales
analógicas.
Las señales tecnológicas son producidas por la variación de una corriente
eléctrica u otra magnitud física que se utiliza para transmitir información, por
ejemplo, en la telefonía existen diferentes señales que consisten en un tono
continuo o intermitente, habiendo señales analógicas y senoidales.
Las señales digitales son la transformación de las señales analógicas a unas
más discretas para que puedan ser trabajadas por computadoras, consiste en
un proceso de tomar los valores de la función en diferentes momentos del
tiempo.
También existen las bioseñales, y con estas se ha presentado el avance de la
inteligencia computacional.
El término de Bioseñal se aplica a todos los tipos de señales medidas y
controladas por seres biológicos, y este se refiere tanto a señales eléctricas
como no eléctricas.
Bioseñales eléctricas: Son los cambios de corrientes eléctricas a causa de las
diferencias de potencial eléctrico a través de un tejido, órgano o sistema
celular, las más conocidas son:
 Electroencefalogramas (EEG)
 Magneto encefalograma (MEG)
 Electrocardiograma (ECG)
 Electromiograma (EMG)
Bioseñales no eléctricas: Como su nombre lo indica, son generadas por
seres biológicos sin generar algún cambio de corriente eléctrica. Se pueden
encontrar:
 Señales mecánicas
 Señales químicas
 Señales ópticas
 Señales acústicas
A partir de estas se ha desarrollado una gran cantidad de inventos
principalmente médicos con la finalidad de facilitar o ayudar a la determinación
de análisis y con ello, un tratamiento o conclusión sobre un asunto médico,
entre otros como el reconocimiento de voz a través de ondas acústicas.
Ciberseguridad 28/09/2021
Ponente: Alejandra G. Silva Trujillo
Actualmente nos encontramos en una era digital aún en desarrollo, donde
contamos con una gran cantidad de posibilidades, como organizar un evento
online, compartir fotos en redes sociales, tomas clases en línea, realizar
compras a través de tiendas en línea, etc.
Por ello mismo se puede decir que generamos una gran cantidad de datos por
minuto según los sitios y acciones que realicemos, así como información que
proporcionamos en distintas redes que pueden ser utilizadas con fines
maliciosos, como nuestro nombre o nombres de familiares o amigos, lugares
donde nos encontramos, actividades rutinarias, etc. Por ello mismo se debe
buscar el salvar en la medida de lo posible la información personal que se
puede estar brindando en diferentes sitios y redes sociales, ya que esta una
vez en la red es casi imposible de eliminar, y dependiendo de la información
puede afectar al presente, futuro personal y profesional.
Por este motivo existen tecnologías como las PETs, estas se enfocan en:
· Reducir el riesgo romper principios de privacidad
· Reducir la cantidad de datos que se adquieren de los individuos
· Permitir a los individuos tener siempre el control de su información
La Ciberseguridad en pocas palabras se considera como la práctica de
proteger sistemas, redes y programas de ataques digitales. Por lo general,
estos ciberataques apuntan a acceder, modificar o destruir la información
confidencial.
Esta se puede poner en práctica en un rol como estudiante, un ejemplo de
aplicarlo es el respeto de los datos de compañeros y maestros, usar formas de
comunicación no intrusivas, no exponer información sensible que permitan
identificar al individuo, como su nombre, domicilio, teléfono, etc. Por esto
mismo se debe de fortaleces la identidad digital.
Se conoce como identidad digital al conjunto de información personal existente
en internet que puede ser rastreada hasta de llegar a la persona física, esta
información o identidad digital puede ser protegida haciendo práctica del Ego-
surfing, utilizar otros buscadores como Bing, así como verificar que los primero
3 resultados sobre el individuo sean positivos.
Es importante saber que no siempre se debe estar al pendiente de lo qué sube
cada uno, sino también de lo que pueda subir otra persona que tenga relación
con el individuo, como una fotografía o etiqueta en alguna red social, para ello
se debe de verificar las configuraciones de seguridad de las redes sociales que
se utilicen.
Se recomienda mucho realizar ciertas medidas de prevención para proteger los
datos cada cierto tiempo, por ejemplo, cambiar contraseñas cada cierto tiempo,
borrar metadatos, agregar marcas de agua en documentos seguridad, entre
otros métodos de seguridad.
Conferencias
Plenarias
Problemas difíciles para reformularse con la lente de la ciencia
29/09/2021
Ponente: Juan Manuel Ávalos Vega
Existen una enorme cantidad de problemas que se consideran realmente
difíciles, pero estos pueden ser reformulados e implementados ahora en con
métodos ya no considerados como tradicionales, uno de estos es la aplicación
de la computación cuántica.
Pero, a pesar de lo sofisticada que se ha vuelto hoy en día la computación
digital, hay muchos problemas científicos y empresariales en los que apenas se
han visto de manera superficial.
Aparte de la computación hay otras áreas donde hay aplicaciones cuánticas,
siendo estas tres principalmente:
 Simulación de sistemas cuánticos
 Inteligencia artificial
 Optimización/Monte Carlo
Nos encontramos frente a las etapas tempranas de una nueva era tecnológica
de computación, la cual avanza rápidamente, está en su momento tuvo un
limitante importante, el cual era el límite de los Bits, y considerando que todo a
nivel máquina por décadas se ha manejado solo en 1s y 0s puesto que era la
única forma en que se podía crear un sistema de computacional útil, sin
embargo en el futuro no solo será 1s y 0s.
En el apartado de computación cuántica ya no se utilizan bits convencionales,
sino bits cuánticos o qubits, este es un objeto cuántico controlable que es
representa la unidad de información.
Estos son implementados en un circuito cuántico, este es un conjunto de
operaciones de compuertas cuánticas en qubits y es la unidad de computación.
Dentro del área creciente de la computación cuántica se puede destacar a la
empresa IBM. IBM Quantum Network se ha especializado en esta área,
actualmente más de 247,000 usuarios han ejecutado más de 400 mil millones
de circuitos cuánticos, en un total de 29 computadores cuánticos, existiendo
más de 400 artículos científicos hasta ahora.
Conferencia plenaria. ¿Cuánta información trasmiten los
emojis de tus mensajes?
29/09/2021
Ponente: Luis Villaseñor Pineda

El lenguaje ha sido objeto de estudio de muchas disciplinas, abarca muchos

campos, sólo en el área de la computación incluye:
 Procesamiento de lenguaje natural
 Lingüística computacional
 Recuperación de información
 Traducción automática
Tomando esto como base se puede ir al tema de la minería de texto en redes
sociales, a partir de esta información se puede realizar un análisis de
sentimientos, perfilado de autores, e identificación de trastornos mentales como
la depresión o anorexia.
Se enfoca principalmente la depresión, la cual es una enfermedad que
representa la cuarta causa de discapacidad, en México ocupa el primer lugar
de discapacidad para las mujeres y el noveno para los hombres.

A través de los emojis se pueden detectar algunos síntomas de depresión en

algunos usuarios, ya que estos surgen como una forma compacta de
expresión, este análisis comienza a partir del historial del usuario, pasando a
una etapa de segmentación, después la extracción de emojis ignorando todo el
texto.
Estos pasan a través de un autoencoder, utilizando un enfoque de aprendizaje
supervisado, donde se inicia con el conjunto de historiales indicando usuarios
sanos y depresivos, estos pasan a través de un algoritmo de aprendizaje
máquina y así se genera un modelo, y a partir de este se pueden formar las
predicciones y con ello analizar los resultados.
Se destaca que la identificación de síntomas de depresión a través de emojis,
los cuales como elementos paralingüísticos no dependen del idioma, es un
trabajo en proceso, pero la información que se obtiene a partir de estos es de
gran valor para el proyecto, y si se presenta una gran distancia cultural, el
enfoque propuesto podría utilizarse como primer paso al complementarse con
un enfoque semi-supervisado.
Conferencia plenaria. Protocolos de consenso para Blockchain
29/09/2021
Ponente: Rocío Aldeco Pérez
Se conoce como Blockchain a una cadena de registros distribuidos y
descentralizados unidos unos con otros que incluyen la firma digital de su
creador.
Cuando estos registros son guardados no pueden ser modificados, ni en
contenido ni en orden, esto lo hace un registro inmutable y solo de agregación;
este surge como respuesta a la confianza, anonimato e integridad.
El blockchain tiene una serie de prioridades, las cuales son:
 Confianza
 Descentralizado
 Transparencia
 Integridad
 Redundancia
 Anonimato
Cabe mencionar que existen diferentes tipos de Blockchain, se mencionan tres
tipos principalmente:
 Públicos: Cualquiera puede unirse a la red y participar dentro de ella, los
datos son seguros, ya que no es posible modificar o alterar los datos una
vez que han sido validados.
 Privados: Se restringe que entidades que pueden participar en la red,
sólo las entidades que participan tienen el conocimiento de las
transacciones.
 Permisionados: Requiere de una autenticación, esto hace que sea
posible conocer la identidad de los participantes.
Respecto a los protocolos de consenso, estos tienen como objetivo que todos
los participantes decidan y acuerdan colectivamente lo que es mejor para la
red, estos funcionan mejor en ambientes donde no hay confianza y son
capaces de trabajar correctamente bajo fallas de algunos participantes.
Algunas propiedades de los protocolos de consenso son:
 Garantizar finalización
 Búsqueda de acuerdos
 Participativo
 Garantizar la integridad.
Por último, se puede mencionar que estos protocolos para blockchain son
aplicados en criptomonedas, contratos inteligentes, reclamos seguros, compra
venta de propiedades, en la salud y en la administración de identidades.
Aprendizaje computacional + Visión artificial: Algunas
aplicaciones 29/09/2021
Ponente: Jorge de la Calleja
El objetivo principal de la visión por computadora es el enseñar a las
computadoras el poder “ver” a como lo harían los seres humanos, donde una
de las técnicas más utilizadas actualmente para estas tareas de visión es el
aprendizaje profundo deep learning, la cual ha obtenido unos resultados muy
buenos.
Con la ayuda de esta técnica se pueden desarrollar programas que permitan
identificar elementos específicos según el campo de aplicación, por ejemplo, el
diagnóstico de retinopatía diabética en el campo médico, y en un campo más
general se tiene el reconocimiento de expresiones faciales y microexpresiones
faciales, estos son los medios de comunicación no verbales que se encuentran
asociados las emociones, y estas pueden ser de gran utilidad dentro de una
sesión experto-paciente.
Cabe destacar que estas técnicas de igual forma son aplicadas para el
desarrollo de inteligencia artificial, destacando el hecho de que en el año 2020
los mercados financieros invirtieron aproximadamente 50 mil millones de
dólares en inteligencia artificial, esto principalmente por el alcance u beneficios
que se pueden alcanzar con su desarrollo.
Se puede decir que la inteligencia artificial es un nuevo actor-aliado que facilita
las actividades humanas, principalmente en los trabajos o tareas consideradas
como peligrosas o tediosas.
El procesamiento de señales desde otro “punto” de vista
30/09/2021

Ponente: Felipe Orihuela-Espina

Se destaca el hecho de que no influye en realidad el tipo de señal que se vaya

a procesar, sea esta una imagen, sonido, video, texto, etc., ya que estos al ser
procesados y analizados desde el punto de vista matemático resultan en una
sumatoria de un peso por su función respectiva, quiere decir, que esto de
cualquier forma representa un punto sobre el espacio.
Estos puntos se ubican en un plano de coordenadas donde el punto propio
obtenido representa a la señal completa, y no afecta en qué tipo de plano se
represente, este seguirá siendo un punto en el espacio que corresponda.
Dentro de este hay dos operaciones principales, los cuales son el
procesamiento y el análisis, en pocas palabras, el procesamiento refiere a
todas aquellas operaciones internas realizadas, mientras que el análisis son
todas las operaciones externas que se realizan.
Sin embargo, el hecho de que varias herramientas, métodos o técnicas
matemáticas comparten la misma conclusión de estar representado un punto
en el espacio acorde a su eje coordinado correspondiente, no significa que
todos estos sean los mismos, ya que tienen su aplicación específica, puesto
que fueron creados para resolver distintos problemas, por ello no se puede el
forzar la implementación de un método para algo que no fue diseñado.
Conferencia plenaria. Algoritmos de Machine Learning y Deep
Learning aplicados al análisis de datos para el diagnóstico de
Covid-19 30/09/2021
Ponente: Juana Canul Reich

El Covid-19 es una enfermedad que se convirtió en una pandemia, afectando la

forma de vida de casi todas las personas del planeta, la OMS notificó el primer
caso de Covid-19 el 31 de diciembre de 2019 y declarado como un brote
mundial el 30 de enero de 2020.
Como esto fue algo nuevo para la comunidad médica, el uso de métodos
tradicionales para el diagnóstico resultaba ineficientes, dado al crecimiento
exponencial del número de infectados, es ahí donde entran los algoritmos de
machine learning y deep learning, los cuales están basados en los principios de
la inteligencia artificial para poder asegurar diagnósticos más rápidos y
precisos.
Estos métodos se pueden decir que estaban subdivididos, siendo estos:
Machine learning
 Aprendizaje supervisado
 Aprendizaje no supervisado
Deep learning
 Usado principalmente para clasificar una radiografía o tomografía del
tórax en dos clases: normal o infectado
o Lectura de una imagen de rayos X
o Procesamiento y extracción de características únicas
o Las características son usadas como entrada a los modelos ML y
DP
Todo esto, implementa en los modelos permite generar las predicciones,
siendo estas muy acertadas o con un margen de error muy mínimo, esto en el
área de la medicina ayuda a los especialistas médicos el generar un
diagnóstico correcto con, con un margen de error pequeño y de manera
relativamente rápida comparada a otros métodos.
Aplicaciones de computación afectiva en educación
30/09/2021
Ponente: María Yasmín Hernández Pérez

Se debe mencionar que en el proceso cognitivo de los seres humanos se

encuentra el pensamiento y el sentimiento, y no hay un proceso cognitivo sim
un componente afectivo, ya que esta es la que motiva la actividad intelectual,
considerando esto como base, surge la computación afectiva.
La computación afectiva no se refiere a crear programas que puedan tener
sentimientos, esta es el estudio y desarrollo de sistemas y dispositivos que
puedan reconocer, interpretar, procesar y simular las emociones humanas.
Como se menciona, uno de los puntos principales es la detección de
emociones, esto se puede realizar a través de diversos medios, como, por
ejemplo, las expresiones faciales, voz, señales biológicas como la presión
sanguínea o respiración, estereotipos afectivos y la información del contexto.
Considerando que las emociones son importantes para el pensamiento
creativo, toma de decisiones y la comunicación, surgen los Sistemas Tutores
Inteligentes, los cuales simulan patrones de comportamiento de un tutor
humano, algunos de estos utilizan agentes pedagógicos animados, los cuales
son personajes autónomos que interactúan cara a cara con los estudiantes.
Este tipo de sistemas en su comienzo fue evaluado con la participación de 62
estudiantes de primaria y secundaria, los cuales pasaron por un protocolo
compuesto de un examen previo, una interacción de 40 minutos, un examen
posterior y la respectiva observación de los estudiantes y la aplicación de una
encuesta sobre lo que los estudiantes opinaban.
Los resultados obtenidos mostraban que se contaba con una alta precisión al
establecer el estado afectivo del estudiante, a su vez, ayuda a aprender a
aquellos estudiantes cuyo perfil es adecuado para el dominio.
A pesar de todo actualmente quedan muchas cosas por hacer en la educación
afectiva, como la creación de nuevos modelos y dispositivos, así como sus
posibles aplicaciones en otras áreas, como el marketing, salud, casas
inteligentes, entretenimiento, videojuegos, etc. Esto es posible dado a la
cantidad de herramientas tecnológicas con las que se cuentan, sin considerar
las que puedan desarrollarse en un futuro, mejorando de igual forma el
desarrollo de la computación afectiva.
Conferencias
Magistrales
Conferencia Magistral. ¿Cómo hacer inteligencia artificial y no
morir en el intento? 27/07/2021
Ponente: Eduardo Morales Manzanares
Aquí vimos de forma simple los conceptos de Sistemas Distribuidos y
Criptografía que dan origen a la cadena de bloques (Blockchain). Entre los
conceptos de Sistemas Distribuidos que se discutirán se encuentran: la
bitácora (ledger), la red igual a igual (peer to peer) y los algoritmos de
consenso.
Se menciona de manera breve el qué es la IA (Inteligencia Artificial), siendo
esta un campo de la ciencia y de la ingeniaría que se ocupa de la comprensión
a través de la computadora, además, se le conoce como inteligencia como la
capacidad de entender, resolver problemas, así como poder escoger la mejor
opción entre varias, al igual de poder generar información nueva combinando
otros elementos conocidos.
Cabe destacar que la IA está compuesta por diferentes tipos de inteligencia,
por ejemplo: Lógica-matemática, interpersonal, emocional, musical,
colaborativa, etc. A su vez, es multidisciplinaria, ya que abarca filosofía,
matemáticas, psicología, lingüística, entre otras.
La IA se enfoca en unas áreas principales, algunas de estas son:
 Búsquedas y juegos
 Representación de conocimiento
 Planificación
 Aprendizaje computacional
 Robótica
Desde hace un tiempo se ha cuestionado si se puede lograr una verdadera IA y
sus posibles consecuencias, además ha adquirido un interés comercial,
gubernamental y social.
Sin embargo, no todo suele ser beneficios, ya que uno de los mayores temores
que se ha presentado con el desarrollo de la IA, como su reemplazo por trabajo
humano, generando pérdida masiva de empleos, así como una mayor
desigualdad entre países ricos y pobres y entre la misma población, e incluso
algunos han considerado el propio fin de la raza humana o de su supremacía.
Para poder alcanzar un alto nivel de inteligencia artificial necesitamos mejorar
el vocabulario de lo que las máquinas pueden hacer y mejorar el entendimiento
de la inteligencia, además, se debe de encontrar la manera de dotar las
máquinas del conocimiento que los niños tienen acerca del espacio, tiempo,
causalidad, capacidad de abstraer, entre otros elementos, y esto como puede
observarse, presentan retos que deben de superarse para conseguir el objetivo
de desarrollar verdadera IA.
La evolución de los algoritmos bio-inspirados. ¿Exploración o
“Explotación”? 28/09/2021
Ponente: Efrén Mezura-Montes

Se les considera como algoritmos evolutivos bio-inspirados puesto que emulan

la evolución de las especies y la supervivencia del más apto, esto es aplicado
principalmente en problemas de optimización.
Estos algoritmos están compuestos principalmente de tres elementos, una
población, padres e hijos.
Cabe destacar que hay diferentes tipos de algoritmos, uno de ellos son los de
inteligencia colectiva, esta emula los comportamientos sociales de organismos
sencillos donde emerge cierto nivel de inteligencia, donde la comunicación es
el mecanismo clave.
De estos existe una clasificación extendida, algunos elementos de esta son:
 Inteligencia colectiva
 Basados en Física
 Basados en Química
 Basados en fenómenos sociales
Existen elementos positivos a destacar de estos algoritmos, siendo estos los
siguientes:
 Se centra en optimización discreta
 Menciona el surgimiento de metaheurísticas como recocido simulado
 Se valoran como ideas innovadoras
Sin embargo, a su vez existen puntos negativos, por ejemplo:
 Cambio de terminología
 Cuestiona la novedad
 Complicados de explicar
Aunque a pesar de esto hay algunos temas que le ayudan a tener más solidez,
por ejemplo, la optimización multiobjetivo y de múltiples objetivos, algoritmos
evolutivos distribuidos, etc.
Al día de hoy el área de los algoritmos bio-inspirados está en una fase de
exploración, esta fase es el espacio de búsqueda donde se buscan los
elementos para una solución, y muy probablemente en el futuro se llegará a la
fase de explotación, donde los mejores resultados prevalecerán, esta
explotación refiere al conjunto de elementos que se tuvieron para la solución.
Artificial intelligence in education: Achievements
29/09/2021
Ponente: Antonija Mitrovic
En términos de educación, siempre se han presentado ciertos retos a los
cuales se debe enfrentar, especialmente cuando se intenta generar una
educación a través de medios digitales, algunos retos presentes son el cómo
apoyar y usar las diferentes formas de aprendizaje, así como lo que se necesita
que los aprendices cuenten, como habilidades y conocimientos previos.
Actualmente ya se han implementado el uso de plataformas digitales para
promover el conocimiento y aprendizaje, promoviendo la colaboración, apoyo,
adaptabilidad, etc.
Algunos ejemplos son:
 Juegos instruccionales (profesionales o serios)
 MOOCs
 Sistemas Tutores Inteligentes (ITS)
Respecto a este último, sus siglas son debido a su nombre en inglés (Intelligent
Tutorig System), este es un software educativo el cual utiliza técnicas de
inteligencia artificial, el cual proporciona un comportamiento similar al de un
tutor humano, siendo a su vez, flexible y adaptativo.
Los componentes principales de un ITS son:
 Interfaz / Entorno de solución del problema
 Módulo del experto
 Módulo del estudiante
 Módulo pedagógico
A su vez existen dos razones importantes del porqué se deben de desarrollar
las ITSS, la primera es una razón pedagógica, permite mejorar la educación a
través de dar las herramientas necesarias para los estudiantes y maestros, la
otra razón es una razón científica, ya que permite mejorar la comprensión de
la naturaleza humana al momento del aprendizaje y enseñanza.
De igual forma se puede considerar a un ITS como un campo interdisciplinario,
puesto que da uso de inteligencia artificial, psicología, ciencia de la
computación, lingüística, estadística, entre otras.
Por último, se pueden mencionar algunos de los beneficios más importantes
que brindan las ITS, estos son: Apoyo individual, colección de data, puede ser
usado en cualquier hora y cualquier lugar, costo bajo de mantenimiento, barato
de usar y es actualizable según se requiera.
Optimización Combinatoria 30/09/2021
Ponente: Laura Cruz Reyes
La Optimización Combinatoria aborda la solución de los problemas donde el
objetivo es encontrar el máximo o el mínimo de una determinada función sobre
un conjunto finito de soluciones, en esta no se exige ninguna condición o
propiedad sobre la función objetivo o la definición del conjunto S, donde las
variables de decisión deben de ser discretas.
El proceso de optimización requiere el uso de herramientas matemáticas
avanzadas implementadas en algoritmos, por ello se considera que es
interdisciplinaria, ya que se ve relacionado con la investigación operativa,
ciencias de la computación y matemáticas discretas.
Dentro de la investigación de Optimización Combinatoria existen diversos
motivantes, algunos de estos son la existencia de múltiples aplicaciones reales
de la optimización, y se podría decir que la carrera computacional no tiene fin,
dado a los constantes cambios y avances en este sector, y con ello puede
surgir la oportunidad de contribuir a la grandeza del pensamiento algorítmico.
En este existe una metodología muy importante para poder diseñar algoritmos
basados en caracterización, son tres elementos principalmente, estos son:
 Caracterización: Son factores que influye en el desempeño, son
identificados y cuantificados usando índices.
 Refinación de características: Índices incorrectos e irrelevantes son
descartados y nuevos índices son generados.
 Estudio de relaciones: Un análisis de características del proceso de
optimización es efectuado para obtener relaciones de desempeño.
La optimización combinatoria es implementada también en el tema de
empaquetado de objetos, su relevancia se observa en problemas de
consolidación de carga en centros de datos, los cuales pueden ser modelados
con 1-D BPP.
Por último, se puede mencionar algunos aspectos críticos del proceso de
optimización, el primero es que existe poco conocimiento del por qué las
estrategias heurísticas muestran cierto desempeño, y la segunda es que existe
la necesidad de guías que se conviertan en un estándar para el diseño de
algoritmos heurísticos basado en el análisis teórico y experimental.