INTELIGENCIA ARTIFICIAL Y REDES NEURONALES CATEDRÁTICO: DANIEL ISAÍAS LÓPEZ PÁEZ ACTIVIDAD #3: MACHINE LEARNING. NOMBRE DEL ALUMNO MATRICULA CARRERA MARVIN YAIR SANCHEZ CRUZ 2077760 IMTC
GRUPO DIA-HORA 007 L-M-V N1
PERIODO ESCOLAR: ENERO 2023 – JUNIO 2023
CIUDAD UNIVESITARIA, SAN NICOLAS DE LOS GARZA, NUEVO LEON A 13 DE MARZO DEL 2023 1. ¿Qué es Machine Learning? El Machine Learning es una rama de la inteligencia artificial que permite a las máquinas aprender y mejorar a partir de la experiencia en lugar de ser programadas de manera explícita para realizar tareas específicas. 2. ¿Qué es Deep Learning? Deep Learning (aprendizaje profundo) es una técnica de aprendizaje automático que se basa en el uso de redes neuronales artificiales profundas para aprender y mejorar a partir de los datos. 3. ¿Qué es el Procesamiento del Lenguaje Natural (NLP siglas en inglés)? Es un área de la inteligencia artificial que se enfoca en la interacción entre humanos y computadoras a través del lenguaje natural. El objetivo principal del NLP es permitir a las computadoras entender, interpretar y generar lenguaje humano de manera efectiva. 4. ¿Qué es el Aprendizaje Supervisado? Es una técnica de Machine Learning en la que se proporciona a un algoritmo un conjunto de datos de entrenamiento etiquetados, es decir, un conjunto de datos en el que se conocen las respuestas correctas para cada muestra. 5. ¿Qué es el Aprendizaje no Supervisado? Técnica utilizada en el aprendizaje automático que se enfoca en encontrar patrones en datos sin la necesidad de etiquetas o respuestas predefinidas. En lugar de ello, el algoritmo examina los datos y busca agruparlos en categorías o clústeres basados en similitudes o patrones que encuentra en los datos. 6. ¿Qué es el Aprendizaje Semisupervisado? Es una herramienta que puede servir en casos donde se debe realizar clasificaciones y se cuentan con pocos datos de los fenómenos que se quieren analizar. Es una técnica de aprendizaje automático que utiliza tanto datos etiquetados como no etiquetados para mejorar la precisión del modelo. 7. ¿Qué es el Aprendizaje Reforzado? Es una variedad del Machine Learning que permite a una Inteligencia Artificial planear estrategias efectivas en base a la experimentación con los datos. Se trata de una forma de optimización basada en datos. Se utiliza para enseñar a un agente a tomar decisiones en un entorno para maximizar una recompensa numérica. El agente interactúa con el entorno, toma decisiones y recibe retroalimentación en forma de recompensas 8. Menciona un ejemplo de algoritmo de aprendizaje supervisado y menciona si pertenece a la técnica de regresión o de clasificación. Al clasificar vehículos de dos y cuatro ruedas a partir de sus imágenes. Los datos de entrenamiento tendrían que estar correctamente etiquetados para identificar si un vehículo es de dos o cuatro ruedas. Perteneciendo a la técnica de clasificación. 9. Menciona un ejemplo de algoritmo de aprendizaje no supervisado dentro de la técnica de clustering. Recibe datos de entrada con imágenes de diferentes gatos y perros. Como no hay un entrenamiento con datos previos. La tarea es identificar las características de las diferentes imágenes. Tarea que ejecutará agrupándolas en función de las semejanzas que encuentre entre ellas. 10. ¿En qué consiste el algoritmo de "regresión lineal"? Es una técnica de aprendizaje supervisado utilizada para modelar la relación entre una variable dependiente y una o más variables independientes. El objetivo es encontrar una línea que mejor se ajuste a los datos para hacer predicciones sobre los valores de la variable dependiente. 11. ¿En qué consiste el algoritmo "árbol de decisión"? Un árbol de decisión es un algoritmo de aprendizaje supervisado no paramétrico, que se utiliza tanto para tareas de clasificación como de regresión. Tiene una estructura de árbol jerárquica, que consta de un nodo raíz, ramas, nodos internos y nodos hoja. Utilizado para modelar relaciones entre variables y hacer predicciones. Utiliza un modelo de árbol para representar decisiones y consecuencias posibles, y busca dividir el conjunto de datos en subconjuntos más pequeños para maximizar la homogeneidad de los datos. Es una herramienta útil para la toma de decisiones y la clasificación de datos. En Python... 1. ¿Para qué se usa la librería Matplotlib? Sirve para la visualización de datos. Permite crear una amplia variedad de gráficos, desde gráficos de línea simples hasta diagramas de dispersión, gráficos de barras, gráficos de área, histogramas, gráficos 3D, entre otros. 2. ¿Para qué se usa la librería Numpy? Usado en la computación científica y numérica. Proporciona herramientas para trabajar con matrices y arreglos multidimensionales, junto con una amplia gama de funciones matemáticas y operaciones de álgebra lineal. 3. ¿Para qué se usa la librería Pandas? Se usa para el análisis de datos y la manipulación de estructuras de datos. Proporciona herramientas para trabajar con datos estructurados y no estructurados, y es muy popular en la ciencia de datos, la ingeniería, la investigación y otros campos que requieren el análisis y la manipulación de datos. 4. ¿Para qué se usa la librería Scikit-learn? Proporciona una amplia gama de herramientas para el preprocesamiento de datos, la selección de modelos, el entrenamiento de modelos y la evaluación de su rendimiento. Scikit-learn es muy utilizada para resolver problemas de aprendizaje automático en diversas áreas. 5. ¿Para qué se usa la librería Tensorflow? Se utiliza para construir y entrenar modelos de Deep Learning para una amplia gama de aplicaciones, como reconocimiento de imágenes y de voz, procesamiento del lenguaje natural, robótica, y muchas otras. 6. ¿Para qué se usa la librería Keras? Se utiliza comúnmente para crear modelos de aprendizaje profundo, como redes neuronales convolucionales (CNN), redes neuronales recurrentes (RNN) y redes neuronales completamente conectadas. Los modelos creados con Keras se pueden utilizar para resolver varios problemas, como la clasificación de imágenes, la detección de objetos, la traducción de idiomas, el procesamiento del lenguaje natural y la predicción de series de tiempo.
Terapia cognitivo-conductual (TCC) y terapia dialéctico-conductual (TDC): Cómo la TCC, la TDC y la ACT pueden ayudarle a superar la ansiedad, la depresión, y los TOCS
Libro de Trabajo DE LA TERAPIA DE ACEPTACIÓN Y COMPROMISO (ACT). UNA GUÍA COMPLETA PARA CAMBIAR EL MINDFULNESS Y RECUPERARSE DE LA ANSIEDAD, LA DEPRESIÓN, LOS ATAQUES DE PÁNICO Y LA IRA
Lee a las personas como un libro: Cómo analizar, entender y predecir las emociones, los pensamientos, las intenciones y los comportamientos de las personas