“Año del Fortalecimiento de la Soberanía Nacional”

UNIVERSIDAD NACIONAL DE INGENIERÍA

FACULTAD DE INGENIERIA ELECTRICA Y ELECTRONICA

Taller N°2 (Grupal)

CURSO

Aprendizaje de Máquina y Minería de Datos (CIB12M)

PROFESORA

Dra. Lupe Pizan Toscano

INTEGRANTES
Chanta Rodas, Daniela Paola
Flores Aliaga, Luis Anthony
Pucho Quispe, Angel Samir
Torres Flores, Lizbeth Alexandra

LIMA - PERÚ

2022
 TALLER DE INVESTIGACION 02

❖ Escoger dos propuestas de trabajos de investigación de los trabajos ubicados en el

directorio 1 de los materiales del taller de la semana 02 compartido en el drive con el
siguiente link.

https://drive.google.com/drive/folders/1BktPC9XpsGKEEJ1DCCmj6sDfisPeAnMi?us
p=sharing

Emitir una opinión sobre las dos propuestas escogidas (como comunican sus ideas
los autores) y realizar un análisis comparativo entre las dos propuestas de
investigación escogidas.

Para este inciso se escogió las siguientes propuestas de trabajos de investigación, que
llevan como título:

● Acerca de la interpolación y el ajuste de curvas y superficies en sistemas CAD/

CAM/CNC. (1ra propuesta)
● Mejora de la eficiencia energética de las máquinas eléctricas mediante la acción
sobre las leyes de control. (2da propuesta)

Opinión respecto a la 1ra propuesta de trabajo de investigación:

Bueno, ni bien se empieza a leer el proyecto, nos encontramos con el título, el cual
expresa un 80% de lo que trata el proyecto, a mi parecer se puede mejorar el título.
Continuando, el autor trata de comunicar sus ideas respaldándose en una amplia o
vasta bibliografía, explicando de manera concisa la idea principal de cada información
recaudada en la bibliografía. Además, este hecho de parafrasear continuamente; da
mucha seguridad al lector, ya que constantemente de manera implícita nos está diciendo
que es verídico lo que afirma, gracias a eso puede dar realce a la descripción del
problema. Por otro lado, los objetivos son claros y muy entendibles, la manera en cómo
se expresa es diáfana. Respecto a la idea de esta propuesta, me parece estupendo, ya
que busca la perfección es esa rama.

Opinión respecto a la 2da propuesta de trabajo de investigación:

Bueno, ni bien empezamos a leer la propuesta, nos encontramos con el título, el cual
expresa un 98% en lo que consiste la propuesta. Rápidamente nos imaginamos que el
autor ha puesto mucho empeño en las reglas. Continuando, el autor trata de comunicar
sus ideas de manera clara y muy puntual, ya que en dos párrafos expresa
absolutamente todo de una manera contigua. Por otro lado, el autor expresa seguridad
en cada letra porque utiliza propuestas ejecutables. Es decir, expresa lo que se hará, no
lo que se puede hacer. Respecto a la idea de esta propuesta, me parece muy desafiante
y a la vez muy interesante, porque buscará la forma de eliminar perturbaciones no el
efecto sino dichas perturbaciones en sí.

Diferencias:
❖ Citas en la bibliografía: Es evidente que la 1ra propuesta tiene mayor
cantidad de citas, la cual la hace un poco más confiable respecto a la 2da
propuesta, respectivamente del tema al que se abocan.
❖ Conciso: La idea del autor de la 2da propuesta es mucho más concisa que la
del autor de la 1ra propuesta porque utiliza un lenguaje muy amigable,
técnico para quienes son afines a la carrera.

❖ Orden: La 1ra propuesta tiene más orden en comparación con la 2da

propuesta. La 1ra tiene secciones y parámetros, mientras que la 2da, no.
Este orden que se tiene en la 1ra propuesta da realce y elegancia a la
propuesta. No obstante, la hace más entendible porque las ideas están
separadas en cada sección.

❖ Apoyo visual: Podemos notar que el autor de la 2da propuesta tiene un mejor
manejo en cuanto al apoyo visual usado a comparación del autor de la 1era
propuesta.

❖ Tipo de documento: Como podemos ver hay una clara diferencia entre los
tipos de documentos ya que la primera es una propuesta y la segunda es un
proyecto.

❖ Público dirigido : El autor de la primera propuesta tiene un enfoque dirigido a

un público más técnico y su forma de expresar sus ideas se hace entender de
manera precisa por tal motivo usando un lenguaje más matemático a
comparación del autor de la segunda propuesta.
 ❖ Matriz de consistencia:

TÍTULO PROBLEMA OBJETIVOS HIPÓTESIS METODOLOGÍA POBLACIÓN

Determinación de tendencias
en un portal web utilizando
técnicas no supervisadas.
Aplicación a sistemas de
recomendaciones basados
en filtrado colaborativo.
Propuesta:
¿Cómo encontrar el Objetivo General: Extraer la
método más eficiente mayor información que puede
para la predicción de encontrarse en los accesos
recomendaciones para de usuarios a sitios web,
los usuarios individuales usándola en forma de
de páginas web? recomendaciones a estos
usuarios.
Problemas específicos: Objetivos Específicos:
La implementación de un Tipo de investigación: La población en
recomendador colaborativo en Descriptiva Exploratoria estudio serían: Los
Infoville XXI supone una mejora usuarios de las
significativa. páginas web
recolectados de
Infoville XXI.
Hipótesis específicas: Nivel de la investigación:

Se propone una metodología
global para el desarrollo de
un recomendador web, en la
que en ningún momento se
presupone una colaboración
por parte del usuario, es
decir, no es necesario que
este introduzca ningún tipo
de preferencias ni datos
personales.
- ¿Cuál es el tipo de - Extraer datos reales - El tipo de recomendación Debe ser entendido como el
recomendación más procedentes del portal web idóneo para usuarios web soporte a futuras
idóneo para el portal web Infoville XXI (fuente confiable). emplea técnicas investigaciones, ya que se
Infoville XXI? pseudo-supervisadas de demuestra que existen
- Modelar al usuario individual agrupamiento. muchas ventajas aplicando
- ¿Cómo se consideran web y determinación de grupos recomendación
los servicios que se de usuarios. - Se utilizan descriptores o colaborativa. Sin embargo,
recomiendan? etiquetas que aglutinan a no se maneja un volumen
- Estudio de viabilidad del servicios de similar contenido y de datos vasto para seguir
- ¿Cómo evitar que los recomendador. que permiten reducir
investigando.
usuarios se sientan considerablemente la dimensión
retraídos ante un sitio - Demostrar que la del espacio donde se agrupan
web que les solicita implementación de un los usuarios.
información para generar recomendador colaborativo en
las recomendaciones? Infoville XXI permite conseguir - El recomendador colaborativo
mayor éxito en las predicciones. planteado no pedirá datos de
-¿Cómo deducir lo que un ningún tipo a los usuarios web
usuario desea a través de para modelarlos.
-Incrementar las ganancias de
una página web?
ciertas compañías.
 ❖ A continuación, encontrará un link que lo llevará a asistir a un evento que trata sobre
la integración de Machine Learning e Investigación de Operaciones. Ingrese a la
configuración del video para que aparezcan los subtítulos y lo ayuden con la
interpretación. Si no le aparecen los subtítulos verificar que su navegador esté activo
con su correo gmail de la UNI.

https://www.youtube.com/watch?v=dLPheejUMCM

Así mismo, en el directorio 4 del link mostrado en “1”, encontrará artículos referidos
al tema asistido en el video y un conference paper referido a una aplicación del
mismo tema. Los artículos le servirán de referencia sobre el tema tratado. Debe
emitir las principales conclusiones a las que llega después de asistir el video y leer
las publicaciones referidas al tema.

Machine Learning + Operations Research as future of AI - Nikolaj Van Omme

Nikhil Ivan, es el director ejecutivo de una pequeña empresa que hace IA de manera
diferente a nuestra tecnología, es un matemático puro y aplicado , tiene un título en
ingeniería. Estudió en el instituto de Ingeniería Industrial ,también es científico
informático.

Nikhil presentó a Funartech, Fun por lo que es divertido y Art Tech, por lo que han
trabajado mucho, se describen como artistas artesanos en tecnología, que
combinan OR y ML, es decir, hibridación de ML (machine learning) y OR
(investigación de operaciones).

Debemos preguntarnos ¿Por qué piensan que es la IA del mañana?

Bueno, porque obtienen mejores resultados prácticos y teóricos, así que cuando
hablamos de hibridación de ML o OR, realmente estamos hablando de una
hibridación completa de ambos, tenemos nuevos algoritmos, básicamente se puede
combinar ML y OR.

Combinar ML y OR como cajas negras para que usemos uno y usar el otro pero por
separado y la mayoría de las veces se usa primero ML para predecir y luego
usamos OR sobre esas predicciones para optimizar, para que también puedas usar
una para mejorar la otra , por lo que podemos usar ML para mejorar OR, también
puedes usar OR para mejorar ML en realidad esto es lo que es ML porque OR es
básicamente la ciencia de la optimización, cada vez que hablas de optimizar algo
que quieres minimizar o maximizar, en realidad hay una ciencia detrás de esto y es
OR. así que ML básicamente utiliza OR para optimizar su predicción y luego está
una nueva forma de hacer las cosas, una hibridación completa total de ambos donde
tenemos nuevos algoritmos
Ejemplos

1. Machine learning for combinatorial optimization: A methodological tour

d’horizon, en este artículo usan ML y OR para la optimización combinatoria.
2. Scalia ahora está solicitando proyectos que combinen el aprendizaje
automático con la investigación operativa de nuevo o ciencia de datos que se
puede aplicar a la cadena de suministro.

La combinación de ML y OR realmente se está convirtiendo en la corriente principal,

así que ese es el panorama general cuando hablamos de inteligencia artificial,
dentro de la inteligencia artificial tienes machine learning.

¿Qué es OR? Es la ciencia de la optimización, lo usamos básicamente cuando

tenemos un problema real como el problema de cruzar puentes en una ciudad, luego
movilizaremos ese problema en un modelo matemático, encontramos soluciones
matemáticas y luego tratamos de traducir esas soluciones a la realidad para poder
tomar una decisión

Por ejemplo, tenemos siete puentes en una ciudad llamada Kaliningrado, y la

pregunta es si es posible hacer un recorrido cruzando cada puente solo una vez,
una forma de resolver ese problema es modelar en un gráfico donde en realidad un
puente se reemplaza por un borde. ¿Cuántos puentes necesito cruzar mínimamente
para poder hacer el recorrido? La respuesta es dos, como ya obtenemos la
respuesta matemáticamente, es bastante fácil volver a traducir esa solución a la
realidad, pero la mayoría de las veces hacer esa traducción no es tan fácil, así que
eso es básicamente lo que hacemos en OR, algunos resultados que obtenemos a
menudo, es el 24% de mejoras, ya se usa ampliamente en muchos sectores,
transporte, Internet, cadena de suministro del ejército y otros.

Proyectos, de la hibridación total de ML y OR:

1. Un primer proyecto trata de inyectar emociones en la IA, por lo que no

estamos haciendo análisis de sentimientos, estamos haciendo que los bots
sean emotivos haciéndolos enojar y felices, solo con ML hay muchos
problemas, primero que nada necesitas un muchos datos, algunos datos
estarán sesgados porque de la emoción es muy difícil obtener los datos
correctos, entonces el sistema no puede cambiar automáticamente su
emoción, es muy difícil, necesitas datos sobre cómo cambiar la emoción, ya
tienes datos sobre la emoción, es difícil, pero cambiar la emoción es aún más
difícil, también otro problema es que dicho sistema no se puede controlar,
pero se tiene una solución, con la combinación de OR y ML.
2. Otro proyecto es lo que llamamos una puerta abierta hacia AGI, se tiene el
primer algoritmo verdaderamente inteligente, donde tratan de tener un
sistema que sea capaz de cambiar de forma autónoma su percepción,
aprender su visión de su entorno en una forma en que puede mejorarlo y
también que puede deshacerse por completo de lo que le está dando al
principio para que pueda borrar por completo lo que le está dando al sistema.