Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

APLICACIONES DE INTELIGENCIA ARTIFICIAL PARA EMPRESAS

No description
by

Valeria Zacarias M

on 24 March 2016

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of APLICACIONES DE INTELIGENCIA ARTIFICIAL PARA EMPRESAS

¿Que es Inteligencia Artificial?
La inteligencia artificial es considerada una rama de la computación y relaciona un fenómeno natural con una analogía artificial a través de programas de computador. La inteligencia artificial puede ser tomada como ciencia porque estudia la conducta o también llamado
Comportamiento Inteligente
, con el fin de emularlo o simularlo a través de una computadora.

Comportamiento Inteligente
Pensar y actuar en forma racional : de manera correcta o apropiada.
PERCEPCION RACIONAL:
captar lo necesario y suficiente.
PROCESO RACIONAL:
comprender, interpretar, analizar, predecir, adaptarse, aprender, evolucionar, clasificar, etc.
ACTUACION RACIONAL:
Hacer lo correcto o apropiado

Agente inteligente
La IA se encarga de construir agentes inteligentes con:
Nivel de racionalidad
Nivel de autonomía
Una secuencia de percepciones
Un nivel de desempeño

Inteligencia Artifical para Empresas
Se muestran diferentes técnicas de Inteligencia Artificial que se usan actualmente, mostrando ejemplos de aplicaciones reales
Sistemas Expertos
Ya conocemos a fondo esta técnica puesto que realizamos un primer trabajo sobre ellos. Simplemente destacar un caso práctico para ver la capacidad de disponer de un experto sin disponer realmente de el como persona física. En este caso es interesante ver el potencial de hacer accesible el conocimiento de un experto a diferentes usuarios.
Metodos y Tecnicas de Inteligencia Artificial
5. Sistemas que razonen y aprendan basandose en analogías:
RAZONAMIENTO BASADO EN CASOS
6. Derivando conocimiento y reglas de decisión de datos:
MAQUINAS DE APRENDIZAJE
7. Toma de decisiones basado en Data-Driven:
OLAP/DATAWEREHOUSE

APLICACIONES DE INTELIGENCIA ARTIFICIAL PARA EMPRESAS
Integrantes:
-Adriazola Sarmiento Gustavo
-Cámac Peñaloza Richar
-Garcia Cordova Jordy
-Haro Sanchez Danny
-Zacarias Munguia Valeria

Sistema inteligente
Es el porgrama del agente inteligente, que es desarrollado aplicando alguna tecnica de la Inteligencia Artificial.
Es un software que integra uno o mas agentes.


Que es un Sistema inteligente
Un Sistema Inteligente es una herramienta informática con pericia y habilidad en la solución de problemas. Esto es, un sistema que posee:




Conocimientos y expertisia humana suficientes acerca de un dominio particular que le permite comprender los problemas que ocurran dentro de dicho dominio.
EXPERTO: Desempeño correcto y rápido dentro de un dominio limitado y específico.
Capacidad para justificar un resultado y explicar el proceso de razonamiento realizado.
Estrategias de análisis:
métodos de razonamiento y/o aprendizaje para manipular este conocimiento y resolver tales problemas en la misma forma en que lo haría elexperto humano (gerente, ingeniero, operario, etc).
Metodos y Tecnicas de Inteligencia Artificial
1. Colocando el razonamiento y experiencia de un experto en una caja negra:
SISTEMAS EXPERTOS
2. Soluciones que se adapten a cambios evolutivas:
ALGORITMOS GENETICOS
3. Sistemas que aprenden simulando el trabajo conexionista y paralelo del cerebro:
REDES NEURONALES
4. Sistemas que manejen la ambigüedad del lenguaje natural:
LOGICA DIFUSA
Lógica Difusa
La lógica difusa tiene gran cantidad de aplicaciones en el sector finaciero y de negocios. Básicamente porque es muy flexible y es muy tolerante a la imprecisión de los datos. Además es capaz de modelar funciones no lineales y facilita mucho la creación de sistemas basados en la experiencia de expertos. Además esta lógica está basada en el lenguaje natural por lo que es facil de comprender y asimilar.
Data Mining
Debido a su capacidad de modelar problemas complejos del mundo real, investigadores y profesionales han encontrado muchas maneras de usar RDN. Muchos de esos usos nos han conducido a la resolución de problemas que se creían sin solución.
Redes Neuronales
Los algoritmos genéticos no tienen demasiada utilidad en el ámbito financiero. En todo caso podríamos destacar que ayudan en gran manera a otras técnicas como las redes de neuronas a optimizar su arquitectura para obtener mejores resultados.


Algoritmos Genéticos
Text Mining y Web Mining
Text Mining es similar a Data Mining en cuanto al propósito final que tienen. Pero Text Mining actúa sobre datos como .doc .pdf xml y por el estilo. Por tanto, pretendemos que esta técnica sea capaz de usar Data Mining y obtener información relevante en textos así como obtener conocimiento de la estructura semántica de los mismos.
Es importante porque:
1.El aumento exponencial de las tecnologías capaces de procesar y almacenar de datos.
2.Mayor competencia a escala mundial dirigida por las necesidades y deseos dinámicos de los clientes en un mercado saturado.
3. Movimiento hacia la conversión de partes de un negocio a elementos no físicos.
Caso Practico:
La compañía de envío de flores 1-800-Flowers, muy conocida en el sector, necesitaba seguir siendo competitiva una vez fuera a realizar su adaptación en el comercio electrónico. Creyendo fielmente en el valor de la relación cercana con el cliente, la compañía quería comprender mejor las necesidades y deseos del cliente analizando cada dato de los cuales disponían. Entonces decidieron usar herramientas de data mining (SAS) para cavar profundamente en los datos con vistas a descubrir nuevos patrones sobre los clientes y convertirlos en conocimiento de cara a las transaciones comerciales. Consiguieron entonces mantenerse en la crema del sector realizando campañas de marketing más eficientes, reduciendo la publicidad por correo y recibiendo más respuestas y , por consiguiente, obteniendo más ventas.
Caso Practico:
Redes de neuronas para el diagnosis de cáncer de mama
Se usó una estructura KBANN Knowledge-based artificial network para prevenir la enfermedad. Este sistema dispone de dos algoritmos:
1. Reglas a Red: la principal tarea es la traducción de los conocimientos de la base de conocimientos a la estructura inicial de las redes de neuronas.
2. Red: usa el algoritmo de backpropagation.
La base de conocimientos contiene conocimiento sobre el dominio en forma de reglas que ayudan a la red a aprender en pequeña medida.
Una vez tomadas distintas variables metabólicas de varios tipos, son introducidas a lo largo de varios periodos para estudiar su evolución y tener una segunda opinión de lo que puede ocurrir junto con las resonancias magnéticas.
ECHELON, denominado como sistema de estrecha vigilancia. Según dicen los rumores, es capaz de identificar el contenido de llamadas telefónicas, faxes, e-mails y otros tipos de datos, interceptando la información vía satélite, microondas y cabinas telefónicas.
Caso Practico:
Sistema experto web para la selección de vinos
MenuVino, Inc. un comercio electrónico de vinos, se ve en un problema a la hora de vender un vino determinado a un cliente determinado. Muchos usuarios eligen el vino en base al precio o en base a parámetros de alto nivel como la comida que lo acompaña (pescado o carne). Entonces, siguiendo ese esquema no hay pistas sobre si un vino te va a gustar o no.
Sea como fuere, es dificil prever si un vino te va a gustar sin haberlo probado antes.
De todas formas, MenuVino Inc. realizó un sistema experto que recopilaba el conocimiento de numerosos expertos en el campo para contruir un sistema interactivo que pudiera ser utilizado por los usuarios en su web y así tener mayor idea de cómo puede ser ese vino.
El sistema lleva a cabo dos partes:
1. Selección de un perfil de sabor, llevado a cabo como si el usuario mantuviera una conversación con un experto.
2. Emparejamiento de vinos con comidas detallado.
El resultado, obviamente, clientes más satisfechos con las compras y más formados en el mundo de los vinos pues el SE en ocasiones actúa como herramienta académica.
Caso Practico:
Se creó en Japon un sistema híbrido basado en lógica difusa (con más de 5000 reglas) y con redes de neuronas (NeuroFuzzy Systems) para, mediante el algoritmo de aprendizaje backpropagation, predecir la tasa de cambio del Yen frente al Dolar. El sistema hace inferencias basadas en noticias económicas que puedan afectar al mercado. Los sistemas NeuroFuzzy tienen gran cabida en el ámbito financiero
Caso Practico:
Sistemas de apoyo a procesos productivos en Pymes se mostraria la experiencia de desarrollo de un software que utiliza técnicas de inteligencia artificial para optimizar los procesos de producción de una empresa Pyme (Pequeñas y medianas empresas) del sector metalmecánico.
El software busca apoyar la planificación de tareas productivas de la empresa, en particular la planificación de tiempos y prioridades de ejecución de diferentes órdenes de trabajo. Para esta aplicación se optó
por el uso de algoritmos genéticos, los cuales aunque no necesariamente encuentran soluciones óptimas, permiten llegar a soluciones satisfactorias, como lo muestran los resultados alcanzados, que validan la utilización de esta
técnica.
Full transcript