Mostrar el registro sencillo del ítem
La Inteligencia Artificial enfocado en Machine Learning y Deep Learning
dc.rights.license | abierto | es_ES |
dc.contributor.advisor | Aguilar, Jose Luis | |
dc.contributor.author | Gómez Monsalve, Ronaldo | |
dc.contributor.author | Jurado Calderón, Edwin | |
dc.contributor.other | Polo Amador, Leydi Johana | |
dc.date.accessioned | 2020-12-04T16:28:09Z | |
dc.date.available | 2020-12-04T16:28:09Z | |
dc.identifier.citation | Leydi Johana Polo Amador | es_ES |
dc.identifier.uri | http://repositorio.uts.edu.co:8080/xmlui/handle/123456789/4818 | |
dc.description | Modelo, negocios, sistemas, inteligencia, artificial | es_ES |
dc.description.abstract | AI, aprendizaje automático y aprendizaje profundo ha transformando todo el mundo de la tecnología, pero estas tecnologías solo están avanzando ahora debido a la proliferación de datos y las inversiones realizadas en almacenamiento, computación y soluciones analíticas. Gran parte de este progreso es debido a la capacidad de los algoritmos de aprendizaje para detectar patrones en cantidades cada vez mayores de datos. La adopción de los métodos Machine Learning y Deep Learning se encuentra en toda la ciencia, la tecnología, la ingeniería y el comercio, lo que lleva a una toma de decisiones basada en la evidencia en muchos ámbitos de la vida, incluidos la atención médica, la fabricación, la educación, la banca financiero, la vigilancia y el marketing, entre otros. El presente trabajo de investigación tuvo como objetivo realizar un estudio de Inteligencia Artificial enfocado en Machine Learning y Deep Learning, proporcionando un enfoque desde lo descriptivo, proporcionando una visión general con respecto a los antecedentes y demás estudios de investigación propuestos durante la última década, teniendo en cuenta sus inicios desde lo histórico. En dicha investigación le logró establecer conceptos y términos relacionados con la IA, puntualizando en la aplicación y el contexto en el que se está utilizando. Este trabajo de investigación, además, presenta un estudio sobre el estado actual del campo de Machine Learning y Deep Learning y algunas perspectivas sobre cómo pueden evolucionar, de cómo estos enfoques han influido en la IA, explorando el uso y sus metodologías. PALABRAS CLAVE. Inteligencia, machine, Deep, learning, Artificial. | es_ES |
dc.description.sponsorship | UTS | es_ES |
dc.description.tableofcontents | TABLA DE CONTENIDO RESUMEN EJECUTIVO 14 INTRODUCCIÓN 15 1. DESCRIPCIÓN DEL TRABAJO DE INVESTIGACIÓN 18 1.1. PLANTEAMIENTO DEL PROBLEMA 18 1.2. JUSTIFICACIÓN 19 1.3. OBJETIVOS 20 1.3.1. OBJETIVO GENERAL 20 1.3.2. OBJETIVOS ESPECÍFICOS 20 1.4. ESTADO DEL ARTE 21 1.4.1 EL FUTURO DE LA IA: HACIA INTELIGENCIAS ARTIFICIALES REALMENTE INTELIGENTES 21 1.4.2 IA: INTELIGENCIA ARTIFICIAL Y ROBÓTICA: 21 1.4.3 TECNOLOGÍA INTELIGENTE: 22 1.4.4 INTELIGENCIA ARTIFICIAL PARA MEJORAR EL PROCESAMIENTO DE DATOS: 22 1.4.5 EFECTOS DE LA INTELIGENCIA ARTIFICIAL EN LA MEDICINA Y LA SALUD DE LAS PERSONAS: 23 1.4.6 MÉTODOS DE PROCESAMIENTO AVANZADO E INTELIGENCIA ARTIFICIAL EN SISTEMAS SENSORES Y BIOSENSORES 23 1.4.7 GRUPO DE INVESTIGACIÓN Y DESARROLLO DE INTELIGENCIA ARTIFICIAL: 24 DOCENCIA PÁGINA 7 DE 126 R-DC-125 INFORME FINAL DE TRABAJO DE GRADO EN MODALIDAD DE PROYECTO DE INVESTIGACIÓN, DESARROLLO TECNOLÓGICO, MONOGRAFÍA, EMPRENDIMIENTO Y SEMINARIO VERSIÓN: 01 ELABORADO POR: Oficina de Investigaciones REVISADO POR: soporte al sistema integrado de gestión APROBADO POR: Asesor de planeación FECHA APROBACION: 1.4.8 DETECCIÓN Y DIAGNÓSTICO DE FALLAS MEDIANTE TÉCNICAS DE INTELIGENCIA ARTIFICIAL: 24 1.4.9 PREDICCIÓN DE RIESGOS PSICOSOCIALES EN DOCENTES DE COLEGIOS PÚBLICOS COLOMBIANOS UTILIZANDO TÉCNICAS DE INTELIGENCIA ARTIFICIAL: 24 1.4.10 INVESTIGACIÓN EN BIOINFORMÁTICA E INTELIGENCIA ARTIFICIAL: 25 2. MARCO REFERENCIAL 27 2.1 MARCO TEÓRICO 27 2.1.1 BREVE HISTORIA DE LA INTELIGENCIA ARTIFICIAL: 27 2.1.2 INTELIGENCIA HUMANA VERSUS INTELIGENCIA ARTIFICIAL: 28 2.1.3 OBJETIVO HACIA UN FUTURO: 28 2.1.4 RETOS: DESARROLLAR INTELIGENCIAS ARTIFICIALES REALMENTE INTELIGENTES: 29 2.1.5 FUTURO: USO Y APLICACIÓN DE INTELIGENCIAS ARTIFICIALES EN NUESTRO ENTORNO: 29 2.1.6 TEORÍA GENERAL DE IA: 29 2.1.6.1 Robótica vs. IA: 29 2.2 MARCO LEGAL 33 2.3 MARCO CONCEPTUAL 37 2.3.1 ALGORITMO: 38 2.3.2 BACKPROPAGATION: 38 2.3.3 BLACK BOX: 38 2.3.4 SISTEMA EXPERTO: 39 2.3.5 REDES ADVERSARIAS GENERATIVAS: 39 DOCENCIA PÁGINA 8 DE 126 R-DC-125 INFORME FINAL DE TRABAJO DE GRADO EN MODALIDAD DE PROYECTO DE INVESTIGACIÓN, DESARROLLO TECNOLÓGICO, MONOGRAFÍA, EMPRENDIMIENTO Y SEMINARIO VERSIÓN: 01 ELABORADO POR: Oficina de Investigaciones REVISADO POR: soporte al sistema integrado de gestión APROBADO POR: Asesor de planeación FECHA APROBACION: 2.3.6 PROCESAMIENTO DE LENGUAJE NATURAL: 39 2.3.7 RED NEURAL: 39 2.3.7 PERCEPTRON: 40 2.3.8 APRENDIZAJE DE REFUERZO: 40 2.3.9 INTELIGENCIA ARTIFICIAL FUERTE: 40 2.3.10 APRENDIZAJE SUPERVISADO: 40 2.3.11 EL TENSORFLOW: 41 2.3.12 APRENDIZAJE DE TRANSFERENCIA: 41 3. DISEÑO DE LA INVESTIGACION 42 3.1 TIPO DE ESTUDIO 42 3.2 MÉTODO DE INVESTIGACIÓN 43 3.3 DISEÑO METODOLÓGICO 43 3.3.1 PRIMERA FASE: RECOLECCIÓN DE INFORMACIÓN. 43 3.3.2 SEGUNDA FASE: RECONOCER LOS FACTORES DE CARACTERIZACIÓN Y CREACIÓN EN EL USO DEL MACHINE Y DEEP LEARNING EN EL ÁMBITO INFORMÁTICO PARA LA EVOLUCIÓN DE LAS TAREAS COTIDIANAS. 44 3.3.3 TERCERA FASE: REALIZAR UNA INVESTIGACIÓN RESPECTO A LA INTELIGENCIA ARTIFICIAL, REALIZANDO DESCRIPCIONES Y TRABAJOS DE INVESTIGACIÓN REPRESENTATIVOS DE LAS TENDENCIAS EN EL ÁREA DEL APRENDIZAJE AUTOMÁTICO TAL COMO SE VEN DESDE UNA PERSPECTIVA DE INTELIGENCIA ARTIFICIAL. 44 3.3.4 Cuarta Fase: Marcar y resaltar las discrepancias entre el Machine y Deep Learning, haciendo un énfasis en su importancia dentro de la Inteligencia Artificial y su desarrollo. 45 DOCENCIA PÁGINA 9 DE 126 R-DC-125 INFORME FINAL DE TRABAJO DE GRADO EN MODALIDAD DE PROYECTO DE INVESTIGACIÓN, DESARROLLO TECNOLÓGICO, MONOGRAFÍA, EMPRENDIMIENTO Y SEMINARIO VERSIÓN: 01 ELABORADO POR: Oficina de Investigaciones REVISADO POR: soporte al sistema integrado de gestión APROBADO POR: Asesor de planeación FECHA APROBACION: 3.3.5 QUINTA FASE: INVESTIGAR QUE TAN INTELIGENTE ES LA IA Y DEL MISMO MODO VER SI POSEE FALLOS O FALENCIAS. 45 4. DESARROLLO DEL TRABAJO DE GRADO 46 4.1 FACTORES DE CARACTERIZACIÓN Y CREACIÓN EN EL USO DEL MACHINE Y DEEP LEARNING EN EL ÁMBITO INFORMÁTICO PARA LA EVOLUCIÓN DE LAS TAREAS COTIDIANAS 46 4.1.1 INTELIGENCIA ARTIFICIAL 46 4.1.1.1 ¿Qué es Inteligencia Artificial y El Test de Turing? 46 4.1.1.2 Perspectiva Histórica 50 4.1.2 MACHINE LEARNING 51 4.1.2.1 ¿Qué es Machine Learning? 51 4.1.2.2 Historia 52 4.1.2.3 Tipos de Machine Learning 55 4.1.2.4 Tareas de Machine Learning: 61 4.1.2.5 Algoritmos más usados en Machine Learning 63 4.1.2.6 Modelos donde se usa el Machine Learning: 71 4.1.2.7 Pasos para construir un modelo de machine learning: 76 4.1.3 DEEP LEARNING: 77 4.1.3.1 ¿Qué es Deep Learning? 77 4.1.3.2 Historia: 78 4.1.3.3 Usos del Deep Learning 79 4.2 INVESTIGACIÓN, DESCRIPCIÓN Y TRABAJOS REPRESENTATIVOS DE LAS TENDENCIAS EN EL ÁREA DEL APRENDIZAJE AUTOMÁTICO TAL COMO SE VEN DESDE UNA PERSPECTIVA DE INTELIGENCIA ARTIFICIAL. 80 DOCENCIA PÁGINA 10 DE 126 R-DC-125 INFORME FINAL DE TRABAJO DE GRADO EN MODALIDAD DE PROYECTO DE INVESTIGACIÓN, DESARROLLO TECNOLÓGICO, MONOGRAFÍA, EMPRENDIMIENTO Y SEMINARIO VERSIÓN: 01 ELABORADO POR: Oficina de Investigaciones REVISADO POR: soporte al sistema integrado de gestión APROBADO POR: Asesor de planeación FECHA APROBACION: 4.2.1 EL APRENDIZAJE AUTOMÁTICO Y LA INTELIGENCIA ARTIFICIAL EN LA INGENIERÍA DE MATERIALES, PROCESOS Y ESTRUCTURAS. 80 4.2.2 EL APRENDIZAJE AUTOMÁTICO Y LA INTELIGENCIA ARTIFICIAL EN LA QUÍMICA COMPUTACIONAL: 83 4.2.3 EL APRENDIZAJE AUTOMÁTICO Y LA INTELIGENCIA ARTIFICIAL EN LA MEDICINA: 84 4.2.3.1 Tendencias Actuales 85 4.2.4 EL APRENDIZAJE AUTOMÁTICO Y LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN: 87 4.2.4.1 Tendencias actuales y alcances futuros del Aprendizaje Automático y la IA. 87 4.3 DIFERENCIAS E IMPORTANCIA ENTRE EL MACHINE Y DEEP LEARNING DENTRO DE LA INTELIGENCIA ARTIFICIAL Y SU DESARROLLO 92 4.3.1 IMPORTANCIA DEL DEEP LEARNING Y EL MACHINE LEARNING: 93 4.3.2 DIFERENCIAS ENTRE DEEP LEARNING Y MACHINE LEARNING: 94 4.3.3 FUTURAS TENDENCIAS: 97 4.3.4 EL MACHINE LEARNING Y SU IMPORTANCIA DENTRO DEL DESARROLLO DE LA INTELIGENCIA ARTIFICIAL 98 4.3.5 EL DEEP LEARNING Y SU IMPORTANCIA DENTRO DEL DESARROLLO DE LA INTELIGENCIA ARTIFICIAL 99 4.4 QUÉ TAN INTELIGENTE ES LA IA Y CUÁLES SON SUS FALLAS O FALENCIAS. 101 4.4.1 DESVENTAJAS DE LAS IA: 104 4.4.2 VENTAJAS DE LA IA: 106 4.4.3 LIMITACIONES DE LA IA: 110 4.4.4 INTELIGENCIA ARTIFICIAL Y PREOCUPACIONES ÉTICAS: 111 DOCENCIA PÁGINA 11 DE 126 R-DC-125 INFORME FINAL DE TRABAJO DE GRADO EN MODALIDAD DE PROYECTO DE INVESTIGACIÓN, DESARROLLO TECNOLÓGICO, MONOGRAFÍA, EMPRENDIMIENTO Y SEMINARIO VERSIÓN: 01 ELABORADO POR: Oficina de Investigaciones REVISADO POR: soporte al sistema integrado de gestión APROBADO POR: Asesor de planeación FECHA APROBACION: 5. RESULTADOS 113 6. CONCLUSIONES 115 7. RECOMENDACIONES 117 8. REFERENCIAS BIBLIOGRÁFICAS 119 | es_ES |
dc.publisher | UTS | es_ES |
dc.subject | Modelo, negocios, sistemas, inteligencia, artificial | es_ES |
dc.title | La Inteligencia Artificial enfocado en Machine Learning y Deep Learning | es_ES |
dc.type | degree work | es_ES |
dc.rights.holder | UTS | es_ES |
dc.date.emitido | 2020-12-02 | |
dc.dependencia | fcni | es_ES |
dc.proceso.procesouts | investigacion | es_ES |
dc.type.modalidad | proyecto_de_investigación | es_ES |
dc.format.formato | es_ES | |
dc.titulog | Tecnólogo en Desarrollo de Sistemas Informáticos | es_ES |
dc.educationlevel | tecnologo | es_ES |
dc.contibutor.evaluator | evaluador | es_ES |
dc.date.aprobacion | 2020-10-20 | |
dc.description.programaacademico | Tecnólogo en desarrollo de sistemas informáticos | es_ES |
dc.dependencia.region | bucaramanga | es_ES |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(ones)
-
Proyectos de Investigación
Trabajos de Grado en modalidad DTeI, monografía, Investigación