ALGORITMOS E

INTRODUCCIÓN
A WEKA
 Unidad 3
Casos de estudio de IA y
aplicaciones de IA
con Weka
Algoritmos e Introducción a Weka

01 Algoritmos de inteligencia artificial

02 Introducción a Weka

03 Casos de estudio de IA y aplicaciones

de IA con Weka

Algoritmos e Introducción a Weka 2

 Unidad IIl: Casos de estudio IA en salud
y aplicaciones de IA con Weka

Capacidad 03:

Monitoreo y
Identificación
del problema e Desarrolla casos de estudio de IA, machine
evaluación inclusión en la
agenda learning - data science y comprende cómo
los proyectos de IA se vinculan con la
organización pública, con los roles de equipo
Implementación Diseño de
IA, así como principales aplicaciones y
de la política la política
proyectos de IA en la salud y otros campos.

Algoritmos e Introducción a Weka 3

 Construcción de proyectos de IA
Cada función laboral necesita aprender a usar los datos

Gerente de línea de fabricación

Data science Machine learning

Mix clay Shape mug Add glaze

Final
Fire kiln inspection

Ok Ok Defect

Optimiza el embudo de ventas Inspección visual automatizada

Algoritmos e Introducción a Weka 4

 Construcción de proyectos de IA
Cada función laboral necesita aprender a usar los datos

Recruiting

Data science Machine learning

Alcance Phone Jane Doe Tiffany Doe

por email screen
Personal info Personal info
Education Education
Entrevista Professional Professional
in situ Employment Employment

Yes No

Optimice el canal de contratación Selección de currículum automatizada

Algoritmos e Introducción a Weka 5 3

 Construcción de proyectos de IA
Cada función laboral necesita aprender a usar los datos

Marketing

Data science Machine learning

A B

A/B testing Recomendación de productos personalizados

Algoritmos e Introducción a Weka 6 3

 Construcción de proyectos de IA
Cada función laboral necesita aprender a usar los datos

Agricultura

Data science Machine learning

Análisis de cultivos Matanza con precisión de malaria

Algoritmos e Introducción a Weka 7

 IA en la salud

La telemedicina y la IA aplicada al sector de la salud han demostrado su

utilidad para superar barreras de diferente índole que limitan el acceso a
cuidados sanitarios de calidad. También hay evidencias de sus ventajas
para apoyar el diagnóstico y tratamiento de enfermedades, así como para
una mejor administración de los servicios de salud y disminuir los costos.

Sin embargo, el éxito de cualquier iniciativa en este ámbito está

condicionado a la disponibilidad de infraestructura, incentivos financieros
para su utilización, la regulación en la materia, la formación del personal,
la educación de los pacientes y la seguridad de sus datos.

Algoritmos e Introducción a Weka 8 7

 IA en la salud
La telemedicina ha demostrado su capacidad para acercar servicios esenciales a enfermos con problemas de
movilidad, personas a las que se desaconsejaba acudir a centros hospitalarios o residentes en zonas aisladas.

Desafíos del
sistema de salud

Falta de personal, Desigualdad Baja calidad de los El aumento de los

sobrecarga de urbana frente a la servicios de atención costos de la
trabajo rural primaria asistencia sanitaria

Algoritmos e Introducción a Weka 9 8

 IA en la salud

Ventajas Limitaciones

Aumento del acceso a Infraestructura

cuidados de salud Barreras generacionales,
Menores costos sanitarios culturales y geográficas
Optimización de los Regulaciones
recursos Seguridad de los datos
Mejores resultados

Algoritmos e Introducción a Weka 10

 Aplicaciones actuales y futuras de la IA
y la telemedicina en el cuidado de la salud
El uso de la IA y la telemedicina hacen
posible el desarrollo de alternativas
eficientes y de bajo costo para la
realización de pruebas con fines de
diagnóstico y tamizaje y para
optimizar el flujo de trabajo médico.
Inteligencia de
datos (big data)
Con la creciente confianza depositada
en la IA, se observa una transición en
su aplicación, desde tareas simples y
fáciles de verificar hasta tareas más
complejas, como la evaluación del
riesgo del paciente y el pronóstico.
Potencia de
cómputo Algoritmos
Algoritmos e Introducción a Weka 11
Evaluación de imágenes del COVID-19 basada en IA
Rendimiento del modelo de IA

Panel A: Curvas de características

Panel B: Matriz de confusión del
operativas del receptor (ROC) para las
modelo para los conjuntos de datos
clases normal, leve, moderada y severa
de prueba.
y los ROC micro y macro promedio.

False positive rate Predicted label

Algoritmos e Introducción a Weka 12

Evaluación de imágenes del COVID-19 basada en IA
CXRs de tres pacientes y sus correspondientes mapas de calor, generados por IA

Nota: Las imágenes muestran las radiografías y las zonas afectadas de los pacientes con neumonía COVID-19
leve (a, d), moderada (b, e) y grave (c, f). Los mapas térmicos pueden utilizarse para mejorar la transparencia del
algoritmo de IA y facilitar la interpretabilidad, gracias a la información adicional que proporciona el algoritmo de
IA. Con la representación visual, se espera aumentar la confianza de los médicos en estos algoritmos.

Algoritmos e Introducción a Weka 13

Evaluación de imágenes del COVID-19 basada en IA
Representación espacial latente de los rayos X

Nota: El verde, el azul, el naranja y el rojo corresponden a las clases normal, leve, moderada
y grave, respectivamente. Los puntos de datos de cada clase se muestran como círculos
con el color correspondiente. La progresión de la enfermedad a lo largo del tiempo para
dos pacientes se muestra con los trazos azules y rojos en el espacio latente.
Fuente: Zandehshahvar et al. (2020).

Algoritmos e Introducción a Weka 14

 Etapas para elaboración proyectos IA,
machine learning y data science

Ingeniería de datos Modelado Despliegue Análisis de datos Infraestructura

Esta etapa incluye la  Esta es la etapa donde
recolección de datos  desde
diversas fuentes y su
tratamiento, preprocesado y
futuro mantenimiento.
Podemos tener uno ó muchos
orígenes, bases de datos,
archivos semi-estructurados ó
datos sin estructura como
ficheros de video o sonido.
Acceso a información propia
ó mediante APIs públicas ó de
pago a terceros.
Durante la fase de
ocurre la magia aquí implementación
es donde usaremos d e s p l i e g u e
todos nuestros deberemos formalizar
mayores skills en Data el código prototipo y
Science, Machine pruebas realizadas
Learning, matemáticas anteriormente en un
y estadística, ingenio y pipeline robusto y
creatividad. consistente.
En esta etapa se definen
y los objetivos que se
desean alcanzar
mediante el uso de la IA
en el Proyecto. Además
se crean ó sugieren las
métricas con las que se
evaluará si los resultados
que se obtengan darán
valor -o no- al negocio.
La infraestructura es una
“etapa” transversal al
resto de etapas, pues
puede afectar al
desarrollo de las
mismas. Es conveniente
contar con una mínima
infraestructura sobre la
que apoyarse desde el
principio y que ese
soporte sea flexible y
escalable bajo demanda.

Algoritmos e Introducción a Weka 15

 Los 6 roles del equipo de IA

Ingeniería Modelado Despliegue Análisis de Infraestructura

de datos datos

Data scientist

Machine learning engineer

Data analyst

Software engineer ML

ML researcher

Software engineer

Algoritmos e Introducción a Weka 16

 Los 6 roles del equipo de IA
Perfiles y roles para proyectos IA, machine learning y data science
Data scientist
El científico de datos puede desarrollar
las etapas de ingeniería de datos,
modelado y análisis de negocio.
Deberá tener fundamentos científicos
sólidos así como habilidades en
comunicación para poder transmitir los
hallazgos a otros miembros del equipo
o a usuarios de negocio.
Software engineer ML
Personas con este título podrán
desarrollar las etapas de ingeniería
de datos, modelado, despliegue e
infraestructura.
Deberían trabajar bien con otros
miembros que trabajen con la parte
de negocio.
Machine learning engineer
Pueden desarrollar las tareas de
ingeniería en datos, modelado y
despliegue. En algunos casos
también pueden colaborar con la
analíticas de negocio y en la
infraestructura.
Deben tener habilidades en
ingeniería, pero también ciencias.
ML researcher
Este rol puede llevar las etapas de
ingeniería de datos y modelado.
Desarrollan su mayor potencial en
un ambiente de investigación,
donde puedan dar rienda a sus
conocimientos para buscar y
descubrir patrones en los datos.
Debe tener excelentes habilidades
y conocimiento científico.
Data analyst
Preparado para las fases de
ingeniería de datos y Análisis de
Negocios. Por lo general tienen
un gran conocimiento de SQL y
manejo de bases de datos y
analítica avanzada de negocios,
visualización y reporting.
Software engineer
Este rol - ahora muy ligado a
“devops”- puede ocuparse de las
etapas de ingeniería de datos e
Infraestructura.
Demuestran gran habilidad en
programación y manejo de
software y diversas herramientas
o plataformas especializadas.
Algoritmos e Introducción a Weka 17
 Construyendo IA en su organización
Estudio de las principales áreas de aplicación de la IA

Computer vision

cat

Image classification/Object recognition new

-Face recognition register

Object detection

Image segmentation

Tracking

Algoritmos e Introducción a Weka 18

 Aplicaciones de IA

Aplicaciones Definición y áreas que integra

Área de estudio surgida alrededor de 1950,

enfocada en sistemas computacionales con
capacidad de entendimiento e interpretación de la
información visual, partiendo de imágenes estáticas
o de videos (Bebis et al., 2003).
Visión Incluye áreas como:
computacional Procesamiento de imágenes
o visión Visión robótica
Imaginería médica
Bases de datos de imágenes
Reconocimiento de patrones
Gráficas computacionales
Realidad virtual
Sus aplicaciones incluyen robótica, fabricación,
medicina y censado remoto.

Algoritmos e Introducción a Weka 19

 Aplicaciones de IA

Aplicaciones Definición y áreas que integra

Esta área de la ciencia y la tecnología se encarga de aplicar

técnicas computacionales al entendimiento y a la generación
de lenguaje humano, sea escrito o hablado. Incluye los
siguientes temas de interés: (IEEE, 2015):
Reconocimiento de voz
Síntesis de texto a voz
Procesamiento del Comprensión del lenguaje hablado traducción de voz a voz
habla y del lenguaje Gestión de diálogos hablados
natural NLP Indexación del habla
Extracción de información
Reconocimiento del hablante y del lenguaje
Las anteriores áreas pueden basarse en aprendizaje
automático, con particular énfasisen aprendizaje profundo. Es
además transversal a la lingüística, el audio y la filología. Sus
aplicaciones a nivel industrial incluyen robots conversacionales,
biometría de voz, clasificación de documentos, automatización
de resúmenes de textos y asistentes del hogar que reciben
instrucciones a partir de la voz.

Algoritmos e Introducción a Weka 20

 Aplicaciones de IA

Aplicaciones Definición y áreas que integra

Este es un campo bastante amplio que abarca diferentes tipos

de vehículos (siendo los más comunes los automóviles y
drones) y diferentes niveles de autonomía (se ha estandarizado
una clasificación entre 0, siendo este el nivel en que el vehículo
debe ser completamente operado por un humano, y 5, nivel
donde el vehículo no requiere intervención humana [SAE,
2018]). Incluye áreas como:
Vehículos
autónomos Sensado remoto (radar, detección y medición de distancia
por infrarrojos [LIDAR, del inglés light detection and
ranging])
Percepción, mapeo y localización
Comunicaciones vehiculares (vehicle to vehicle [V2V, por
sus siglas en inglés])
Robótica y visión artificial
Interfaces hombre-máquina
Aspectos legales y de seguridad (Yurtsever et al., 2020)

Algoritmos e Introducción a Weka 21

La IA puede contribuir a orientar las políticas hacia
individuos, empresas o territorios en condiciones
específicas o con necesidades más urgentes. De esa
manera, evita el desperdicio de recursos y aumenta la
probabilidad de obtener los resultados esperados.

Algoritmos e Introducción a Weka 22

 Oportunidades que ofrece la IA en las diferentes etapas
del ciclo de las políticas públicas

Reducir tiempos para proceder a Identificar tendencias, anticipar

ajustes de programas y proyectos situaciones emergentes;
Realizar evaluaciones más Identificación pronosticar resultados e impactos
integrales Monitoreo y del problema Analizar intereses, identificar
Mejorar procesos de evaluación e inclusión en percepciones y estudiar
retroalimentación la agenda reacciones
Fortalecer la rendición de cuentas

Comunicar con diferentes Reorientar políticas hacia donde

Implementación Diseño de más se necesitan
audiencias
de la política la política Comparar resultados posibles de
Aumentar posibilidades de éxito
Modular intensidad de medidas las políticas en función de
según el contexto variables distintas
Ajustar políticas vigentes Determinar presupuestos
Identificar opciones para toma
de decisiones

Algoritmos e Introducción a Weka 23