- hace 2 días
Categoría
📚
AprendizajeTranscripción
00:00:00Muy buenas tardes, son las 6.55. Esta es nuestra sesión número 2 de la UCA Inteligencia Artificial.
00:00:10Vamos a esperar unos minutos en lo que se conectan nuestros demás estudiantes para poder iniciar nuestra sesión de esta
00:00:18semana,
00:00:19nuestra sesión síncrona de esta semana. Sean todos bienvenidos.
00:00:30Gracias.
00:01:00Gracias.
00:01:32Juan, muy buenas noches. Marcela, muy buenas tardes. Bienvenidos a nuestra semana 2 de nuestra UCA de Inteligencia Artificial.
00:01:42Qué bueno que llegaron. Se va a poner muy interesante esta sesión síncrona. Bienvenidos.
00:01:52Gracias. Buenas tardes.
00:01:54Buenas tardes.
00:02:00Gracias.
00:02:30Gracias.
00:03:00Gracias.
00:03:00Gracias.
00:03:32Fer, muy buenas tardes. Bienvenidas. Son las 6.59. Vamos a iniciar nuestra sesión síncrona de esta semana,
00:03:39número 2, a las 7.5. Esperando se conecten más de nuestros compañeros. Gracias por acompañarnos.
00:03:45Esta sesión se va a poner muy padre.
00:03:49Buenas tardes, profesor.
00:03:50Sí, ok, está bien. Perfecto.
00:04:00Gracias.
00:04:30Gracias.
00:05:18Dalia, Arturo, Alejandro, Osvaldo. Bienvenidos a nuestra sesión síncrona número 2. Vamos a iniciar en exactamente 4 minutos. Esperando se
00:05:25conecten más de nuestros compañeros.
00:05:27Gracias. Gracias por acompañarnos. Esta sesión va a estar, creo, interesante para todos y cada uno de nosotros.
00:05:44Muchas gracias, profesor. Buenas tardes.
00:05:57Gracias.
00:06:36Gracias.
00:06:38Gracias.
00:06:38Gracias.
00:06:49Gracias.
00:06:56He dejado la lista de asistencia de esta semana número 2 para que todos puedan registrarse. Muchas gracias.
00:07:04Gracias, profesor. Buenas noches a todos.
00:07:13Gracias, profesor. Buenas tardes a todos.
00:07:16Gracias.
00:07:17Gracias.
00:07:47Gracias.
00:08:17Gracias.
00:08:47Gracias.
00:09:19Gracias.
00:09:19Gracias.
00:09:19Gracias.
00:09:27Bueno, pues bien, ¿qué les parece que iniciamos nuestra sesión sincrona de esta semana?
00:09:45Espero todos se encuentren muy bien, bienvenidos, tuvieron tiempo yo creo cada uno de revisar los materiales, antes de empezar,
00:09:54primeramente me gustaría preguntarles, ¿tienen dudas, preguntas, comentarios? ¿Cómo han visto esta materia? Hasta ahorita, ¿expectativas?
00:10:09Por favor, Alejandro, adelante.
00:10:13No, pues todo bien, profesor, nada más comentar que la verdad es muy interesante todo esto, creo que, bueno, un
00:10:23comentario muy personal que debemos de aprovechar todo esto de la inteligencia artificial para empaparnos, sobre todo para saber utilizarla,
00:10:36porque ya está presente en todo y uno de mis jefes comentaba que la inteligencia artificial no va a reemplazar
00:10:48a la gente, pero sí la va a reemplazar otra persona que sepa usar la inteligencia artificial.
00:10:55Exactamente, no en todos los ámbitos, pero en todo lo que tiene que ver con tecnología creo que es una
00:11:01frase muy cierta, ¿no? Y debemos de aprender.
00:11:09Exactamente, perdón, perdón, perdón, perdón, perdón, perdón, perdón, perdón, la quería desactivar, este, y pues aprovechar lo más que se
00:11:17pueda, sobre todo en cuanto a poder utilizarlas, combinarlas dentro de una plataforma para tener diferentes opciones de desarrollo de
00:11:31inteligencia artificial, ¿no?
00:11:33Perfecto, perfecto, exacto, y como lo acabas de comentar de desarrollo, que ese es uno de los puntos que vamos
00:11:39a empezar a tocar el día de hoy.
00:11:41¿Quién más tiene dudas, preguntas?
00:11:48¿Ya revisaron todos los materiales que yo dejo en el Drive?
00:11:59Apenas entré hoy, la verdad maestro, este, bajé los tres libros, la infografía y las dos, este, presentaciones que dio,
00:12:08pero no las he checado, le mentirían, solamente las pude bajar, y estaba releyendo otra vez la unidad 1, porque
00:12:16no está la unidad 2.
00:12:18Perfecto, vamos a compartir pantalla y vamos a empezar a trabajar, ¿qué les parece?
00:12:25¿Sale?
00:12:26Me dicen perfectamente si se ve correctamente nuestra pantalla, ¿se ve correcto?
00:12:31Pulgar arriba todos.
00:12:35Si es que se ve correcto, perfecto, muy bien, ahora, este es nuestro módulo 1, mañana inicia nuestro módulo 2.
00:12:45Yo les había comentado que los apuntes de esta materia, así como los foros y las tareas auténticas, fueron diseñados
00:12:55por tres profesores, uno de los cuales soy yo.
00:12:59Pero, aún no han subido los materiales que se diseñaron para el módulo 2, ok, esto es importante decirlo, yo
00:13:07creo que se los van a subir el día de mañana.
00:13:11Sin embargo, como yo ya los tengo, obviamente, pues yo ya les generé, ya saben todos ustedes, en el Drive
00:13:20correspondiente que encuentran, por si no saben dónde apuntar, dónde están los apuntes del profesor.
00:13:24Y todo lo que el profesor hace, está aquí, en el foro de planeación.
00:13:29Y aquí hay un foro que yo siempre pongo, foro de materiales adicionales, ok.
00:13:36En este foro, ustedes van a encontrar el link, que es este, que estoy subrayando, donde van a poder consultar
00:13:44todos los materiales que tenemos.
00:13:46¿Cuáles materiales tenemos?
00:13:47Tenemos, tenemos precisamente uno como estos.
00:13:51Si se dan cuenta, bien claro lo decía Osvaldo hace un momento, tenemos libros, tenemos los apuntes del módulo 1,
00:14:02los del módulo 2, que ya está aquí así, una presentación de apoyo para la tarea auténtica, una presentación de
00:14:10apoyo para el foro,
00:14:12una infografía a grosso modo de lo que es el módulo 2, y obviamente la presentación que les voy a
00:14:20poner el día de hoy,
00:14:22que precisamente es esta, ¿no?
00:14:24Entonces, esta presentación ya ustedes la pueden descargar, que es esta que vamos a estar teniendo.
00:14:31¿Qué es lo interesante también que estoy anexando?
00:14:34Yo les había platicado, yo les había comentado, la clase pasada que quería generar con ustedes una plataforma de aprendizaje
00:14:45colaborativo,
00:14:47en donde ustedes practicaran y pudieran aprender a programar lo que es la inteligencia artificial.
00:14:56Así que, anexo a eso, yo les puse aquí una carpetita que se llama prácticas en Colab.
00:15:04Ustedes las voy a poner y estar poniendo por módulos, ahorita tengo la del módulo 1,
00:15:08mañana no me dio tiempo, disculpen, de hacer las del módulo 2,
00:15:12pero mañana estarán publicadas las del módulo 2, y ustedes van a decir, ¿y esto qué es?
00:15:17Ustedes nomás necesitan darle doble clic,
00:15:21y se va a abrir una plataforma.
00:15:24¿Qué es esto?
00:15:25Esto es un cuaderno de Google Colab, está diseñado especialmente
00:15:32para acompañar los temas de la unidad número 1, este cuaderno, ¿ok?
00:15:37de nuestra UCA de Inteligencia Artificial.
00:15:40La intención no es solamente que ustedes memoricen código,
00:15:45ni que se preocupen todavía si dominan Python, al contrario.
00:15:50La finalidad es que ustedes puedan observar, paso a paso,
00:15:56cómo los conceptos teóricos que hemos estado repasando,
00:16:01que hemos estado viendo, se pueden convertir en pequeñas prácticas computacionales
00:16:07aplicadas a un caso realista.
00:16:10Si no mal recordamos, todos nosotros, durante la unidad número 1,
00:16:15estábamos hablando principalmente de los fundamentos de la Inteligencia Artificial,
00:16:19¿los recuerdan?
00:16:20¿Qué es la Inteligencia Artificial?
00:16:22¿Cómo ha evolucionado?
00:16:24¿Cuáles son sus conceptos principales?
00:16:27¿Qué significa hablar de agentes?
00:16:30¿Qué es el aprendizaje automático?
00:16:32¿Qué son los modelos predictivos?
00:16:35¿Clasificación?
00:16:36¿Regresión?
00:16:36¿Sistemas expertos?
00:16:38¿Redes neuronales?
00:16:40¿Procesamiento natural del lenguaje?
00:16:41¿Visión computacional?
00:16:43¿Y lo que es la IA generativa?
00:16:45Todos esos conceptos los vimos de manera teórica en nuestra unidad número 1.
00:16:52Y también hemos visto y entendimos que, pues, obviamente la Inteligencia Artificial
00:16:57no debe de entenderse solo como una moda tecnológica, sino como un conjunto de enfoques
00:17:03que permiten a cada uno de nosotros representar problemas, analizar información, identificar patrones
00:17:10y, obviamente, apoyar decisiones en contextos reales.
00:17:14¿Ok?
00:17:15Precisamente por eso es que este cuaderno que diseñamos está totalmente vinculado al incidente crítico
00:17:26de nuestro consorcio intermunicipal de aguas, el CIAM.
00:17:29¿Ok?
00:17:30Recordemos el problema crítico que requería una plataforma móvil, offline, para registrar reportes de agua
00:17:38y un módulo analítico que priorizara la atención de esos reportes, la dificultad
00:17:43y que la dificultad de esto está en, obviamente, que no todos los reportes tienen la misma gravedad.
00:17:49Algunos pueden representar una fuga menor, otros pueden implicar riesgo de socavón,
00:17:54afectación a incidentes críticos, repetición histórica, etcétera, etcétera, etcétera.
00:18:00¿Ok?
00:18:02Y, además, el contexto del CIAM, pues, obviamente, no es el más ideal para los contos que manejan Inteligencia Artificial.
00:18:10¿Por qué?
00:18:10Porque también tenías lo difícil que era la interconectividad, ¿no?
00:18:19Que no tenías conectividad, tenías interés intermitente en tu conexión.
00:18:24Tenías datos ausentes, incompletos, etcétera.
00:18:28Y, precisamente, por eso se diseñó este cuaderno, que son 10 prácticas y cada uno tiene un objetivo que cubre.
00:18:38Ahí, además de cada objetivo, pues, obviamente, voy explicando, pues, cuál es el objetivo.
00:18:44Y, si ustedes ponen atención, voy comentando línea por línea.
00:18:49Mira, esto que ustedes están viendo es el lenguaje de programación Python.
00:18:54¿Ok?
00:18:55Esto que ustedes ponen con un hashtag son comentarios.
00:18:59Yo lo que hice fue comentar línea por línea todas las librerías.
00:19:03Ustedes ya vieron, obviamente, programación.
00:19:07Ya saben que las librerías es como cuando nosotros hacemos un pastel.
00:19:11Son esos ingredientes que requerimos para que nosotros podamos cocinar un pastel.
00:19:16Y, en este caso, estas son las librerías que vamos a estar ocupando para nuestras 10 prácticas.
00:19:24¿Ok?
00:19:25Ahora, ¿cómo funcionan estos elementos?
00:19:31El cuaderno combina dos tipos de celdas.
00:19:34Estas que ustedes están viendo aquí, si se dan cuenta, yo le estoy dando clic y se ponen cuadraditos.
00:19:39Estas son celdas de texto.
00:19:42¿Ok?
00:19:44¿Por qué se llaman celdas de texto, ostias, o famosísimas llamadas celdas Markdown?
00:19:49Pues, simple y sencillamente, porque nos permiten tener las instrucciones previas de lo que viene en el código.
00:19:57¿Cómo sé cuáles son las líneas del código?
00:19:59Las líneas del código, obviamente, siempre van a tener esto que está aquí.
00:20:04Ya vieron un botoncito de play.
00:20:07¿Ok?
00:20:08Y esto, pues, simple y sencillamente es para poder compilar este bloque que está siendo seleccionado.
00:20:18Este bloque de código.
00:20:21¿Ok?
00:20:22Ojo, los bloques de código van en secuencia.
00:20:26Quiere decir que para poder ejecutar este otro bloque de código, tengo que tener levantado este bloque de código.
00:20:34Estas son las librerías y vamos a empezarlo a trabajar.
00:20:37¿Qué les parece?
00:20:40Lo primero que hacemos es darle clic.
00:20:43Fíjense cómo al darle clic empieza esto a cargar.
00:20:47¿Y qué es lo que está haciendo?
00:20:48Está compilando este bloque de código, que son el conjunto de librerías.
00:20:54Tenemos Numpis para poder trabajar con números.
00:20:57Pandas para poder trabajar con tablas.
00:21:00Matplotlib para poder crear gráficas.
00:21:03SkidLearn, que son simple y sencillamente para poder dividir datasets en splits o datos de entrenamiento.
00:21:10El column transformer para aplicar transformaciones.
00:21:14Y así cada una, yo les estoy poniendo todas las librerías que necesitamos.
00:21:19¿Cómo sé que funcionó correctamente?
00:21:22Porque aquí al lado, vean, se pone una palomita verde.
00:21:28Entonces, ya cargué esa librería.
00:21:30Y ahora vamos a poner nuestra práctica número uno.
00:21:35¿Cuál es la práctica número uno?
00:21:37Tiene como objetivo crear, para que lo vean ustedes, una base de datos simuladas de reportes de agua.
00:21:45Esto, obviamente, es una práctica esencial.
00:21:48Porque antes de que hablar de inteligencia artificial, tenemos que tener los datos sobre los cuales va a trabajar la
00:21:54inteligencia artificial.
00:21:55Obviamente, la inteligencia artificial no surge de la nada.
00:21:58Necesita un modelo para poder aprender, comparar, clasificar o predecir.
00:22:03¿Ok?
00:22:03Entonces, esto lo que hacemos, simple y sencillamente, es que simulamos los reportes del SIAM.
00:22:10Ponemos reportes de tipo de falla, severidad observada, riesgo de socavón, etc.
00:22:16Como ustedes lo están viendo aquí.
00:22:19Entonces, yo voy a empezar a compilar, a correr esto.
00:22:25¿Qué es lo que me va a generar esto?
00:22:26Si ustedes se encuentran, es el código y esto, que ustedes ven aquí abajo, esto es el resultado de esa
00:22:34compilación.
00:22:36¿Ya lo vieron?
00:22:37Entonces, yo ya tengo aquí unas líneas de código que me simulan la parte del SIAM.
00:22:46Tenemos ahí un ticket, un tipo de falla de baja presión, con una severidad observada de 5, riesgo de socavón
00:22:520, afecta al servicio crítico, no.
00:22:55No, suena vulnerable, no.
00:22:56Instorial de incidentes 3, volumen de litros milímetros, este, 465, conectividad alta, se observa fuga grande cerca de escuela,
00:23:06porcentaje de puntaje de riesgo, 69.
00:23:09Y aquí, la prioridad que le estamos dando.
00:23:14Entonces, aquí ya estamos trabajando con datos.
00:23:18¿Ok?
00:23:19Fíjense en esta, ya creamos nuestra tabla.
00:23:22Pero, además de esto, pues, obviamente, también tenemos otros datos.
00:23:33Que si yo corro esta parte, vemos otras filas, que es la media, la mediana, la distribución estándar, el ticket
00:23:45ID, severidad observada, riesgo de socavón,
00:23:49se afecta al incidente crítico de cada uno de estos.
00:23:54Entonces, yo ya tomando todos estos datos, calculamos esta otra tabla.
00:23:59¿Ok?
00:23:59¿Qué es lo que yo busco hacer?
00:24:02Pues, simple y sencillamente, es sencillo.
00:24:06Esta práctica lo único que busca es una representación de datos.
00:24:09Que ustedes puedan tener datos bien organizados, que estén completos y no estén sesgados.
00:24:16Para poder trabajar con las demás prácticas, ¿no?
00:24:20Y ahora, un ejemplo de eso.
00:24:22Bueno, yo ya tengo esto, maestro, de todos los tickets, con todos los datos.
00:24:26Ojo, esta no es toda la tabla, ¿eh?
00:24:29Ustedes podrían ver todo lo que les pone aquí, lo podrían ustedes ver acá.
00:24:35¿Ok?
00:24:35Sin ningún inconveniente.
00:24:39Listo.
00:24:41Y ahora, al final de cada práctica, yo les pongo un retito.
00:24:49Por si quieren hacerlo, está bien, y si no.
00:24:53Y le pongo aquí, cambia el número de reportes 300 a 500, en la línea general código SIAMN300.
00:25:03¿Dónde está la línea de código general SIAMN300?
00:25:08Ah, pues lo tenemos por acá.
00:25:11Entonces, ustedes nada más tienen que cambiar esa línea, y van a darse cuenta que va a empezar a incrementarles
00:25:19esto a más.
00:25:21Entonces, si yo lo cambio esto a 500, que esa es la práctica que les estoy dando.
00:25:29Van a ver que va a empezar a trabajar más, y yo ya, si genero esto, ya van a cambiar
00:25:37los datos.
00:25:40Y aquí, observa si cambia la distribución de prioridades.
00:25:45Vamos a ver, cambia la distribución de prioridades, fíjense que sí.
00:25:50¿Ya lo vieron?
00:25:55Baja, baja, media, alta, alta.
00:25:58Yo lo tenía en 300.
00:25:59Vamos a cambiarlo.
00:26:10¿Ya vieron?
00:26:12Cambió la lista de prioridades.
00:26:15Y esto es parte de lo que ustedes tienen que ir desarrollando.
00:26:19Y así, obviamente, cada una de las prácticas.
00:26:21Por ejemplo, este es un agente reactivo para decidir una acción inicial de estas que nosotros tenemos aquí.
00:26:28Entonces, lo ejecutamos, y nos vamos a dar cuenta que esto te pone aquí así.
00:26:35Ticket analizado, tipo de falla, baja, presión, severidad, tan, tan, tan.
00:26:39Acción de la gente, programar, revisión técnica.
00:26:46¿Ok?
00:26:49Y ahora aplica el agente a todos los tickets de la tabla.
00:26:55Y aquí ya lo tenemos, ¿no?
00:27:02Y así cada, cada vez, cada práctica que ustedes están teniendo.
00:27:09Recuerden que lo verde son comentarios y realmente lo que se ejecuta es lo que está bajito de lo verde.
00:27:16¿Sale?
00:27:17De hecho, se van a dar cuenta ustedes que tienen, pues, tablas.
00:27:21Ya se los di precompilado para que ustedes vieran cuál era la prioridad real, cuál era la prioridad predicha.
00:27:29Para ver si se está equivocando nuestro modelo de inteligencia artificial.
00:27:33Por ejemplo, ahí lo tenemos.
00:27:35Después tenemos una evaluación del modelo con algo que nosotros le llamamos la matriz de confusión.
00:27:41Y aquí, pues, vamos a ver prioridad baja, cuánto le ha atinado nuestra matriz de confusión.
00:27:49¿Ok?
00:27:50Para ver qué tan preciso está el modelo que nosotros estamos creando.
00:27:56Y aquí lo tienen ustedes.
00:27:58Entonces, si se dan cuenta, ha sido, pues, digamos, como que alta su matriz de confusión.
00:28:05Y así cada una de las prácticas que nosotros vamos teniendo.
00:28:09Y esto, pues, obviamente, es parte de lo que yo les quería dar para que ustedes vieran que, obviamente, la
00:28:16inteligencia artificial no se queda solamente en entender la teoría, sino también un poquito de lo que es la práctica.
00:28:25¿Ok?
00:28:26Ya todos ustedes lo pueden hacer.
00:28:28Ya todos ustedes lo pueden trabajar.
00:28:30Y yo creo que tendrían ustedes la oportunidad de poder estudiar un poquito este código.
00:28:37Esto es para ustedes, se los hice para ustedes, para que ustedes puedan, pues, obviamente, trabajar.
00:28:44¿Qué les parece?
00:28:45Acuérdense que todo esto lo encuentran aquí.
00:28:50¿Ok?
00:28:51El día de mañana van a encontrar de igual forma el del módulo 2.
00:28:57Para que no se queden hasta esta parte.
00:29:01¿Ok?
00:29:01Y así cada uno de los cuatro módulos, tomando en cuenta los temas que vamos a estar viendo en cada
00:29:08uno de estos segmentos de la materia.
00:29:12¿Ok?
00:29:13¿Dudas, preguntas, comentarios?
00:29:14Hasta ahí, chicos.
00:29:20Está claro, interesante, profesor.
00:29:23Sí.
00:29:24Está al principio, lo van a ver difícil, complicado.
00:29:28Pero, si se les hace complicado, con todo gusto, voy a generar unos apuntes para explicar este cuaderno y ustedes
00:29:36lo puedan trabajar.
00:29:37Pero, procuré hacerlo muy, muy entendible qué es, este, qué es lo que se cubre, qué es lo que se
00:29:44hace en cada uno, una explicación, bla, bla, bla.
00:29:48Y, obviamente, una explicación, línea, por línea, de qué es lo que se está haciendo.
00:29:57¿Ok?
00:29:58Espero les sirva.
00:30:00Sigan ustedes trabajando.
00:30:01Y vean que van a poder, esto, pues, qué es lo que necesitan ustedes para abrir el Google Collab.
00:30:06Una cuenta en Google.
00:30:09Y, automáticamente, todo esto, pues, se les va a copiar a su Drive.
00:30:15Ya más adelante, a lo mejor, ya les diré, ¿saben qué?
00:30:18Pues, vamos a empezar a probar esto con, con datasets reales, ¿no?
00:30:22Vamos a ver que existen herramientas como Kregel, que es con la que trabajamos los que hacemos inteligencia de análisis
00:30:31de datos.
00:30:33Y este Kregel, pues, nos va a permitir a nosotros buscar un conjunto de datasets de lo que nosotros queramos.
00:30:41Creo que ya se los había platicado la clase pasada.
00:30:45¿Ok?
00:30:46Pero, bueno, de aquí van a poder sacar datos hasta de cómo se han comportado las ventas de Spotify, de
00:30:53Netflix, etc.
00:30:54¿Ok, chicos?
00:30:56Bueno.
00:30:57Ahora vamos a pasar a lo que ustedes van a ver en el módulo 2.
00:31:01Me estoy adelantando.
00:31:03Pero, pese a que el día de mañana se abre el grupo, pues, yo creo que sería interesante de una
00:31:09vez ir viendo esta unidad.
00:31:14Por lo que vamos a empezar con nuestro módulo 2, que se titula Técnicas de búsqueda y optimización en la
00:31:21inteligencia artificial.
00:31:23Que es decir, en este módulo vamos a estudiar una parte muy, muy importante de la inteligencia artificial.
00:31:30Y que es cómo un sistema puede buscar soluciones y cómo puede elegir la mejor alternativa posible cuando existen muchas
00:31:40otras opciones.
00:31:41¿Ok?
00:31:41Si bien en el módulo anterior nosotros revisamos qué era la inteligencia artificial, cuáles son sus conceptos básicos, cómo se
00:31:49aplican diferentes sectores.
00:31:52Ahora vamos a pasar a hacer una pregunta más práctica.
00:31:56¿Cómo hace la inteligencia artificial para decidir qué camino seguir?
00:32:03¿Qué opción le conviene más?
00:32:05¿O qué solución es la más eficiente?
00:32:08¿Cómo es que lo sabe?
00:32:09¿Ok?
00:32:10De hecho, aquí si se dan cuenta, hay una frase de George Poila que dice así.
00:32:16Si no puedes resolver un problema, entonces hay un problema más fácil que sí puedes resolver.
00:32:23Encuéntralo.
00:32:24Y precisamente vamos a trabajar eso.
00:32:26Como nosotros podemos resolver nuestro problema de nuestro famosísimo modelo del SIA.
00:32:34¿Ok?
00:32:36¿Qué es lo que ya saben?
00:32:38¿Qué es lo que vamos a estar viendo en esto?
00:32:39Esto simple y sencillamente es nuestro índice de cómo vamos a estar trabajando.
00:32:43Vamos a tener una introducción al módulo 2, búsqueda informada, no informada, que consiste en la búsqueda global.
00:32:48Y voy a darles un ejemplo de resolución de problemas como deben de resolver tanto el foro como la tarea.
00:32:55¿Les parece bien?
00:33:01Muy, muy bien.
00:33:03Muy, muy bien.
00:33:03Muy, muy bien.
00:33:03Vale, chicos.
00:33:07Introducción al módulo 2.
00:33:11Vamos a pasarnos a la presentación y propósito del módulo.
00:33:16Esto está muy interesante y es muy importante porque es la que le va a dar el sentido al módulo.
00:33:24¿Ok?
00:33:25Las técnicas de búsqueda y optimización para la inteligencia artificial se presentan algo así como el motor que permite a
00:33:35estas inteligencias encontrar soluciones en espacios complejos y de gran tamaño.
00:33:41Esto significa que cuando se tienen un problema se puedan tener muchas posibilidades.
00:33:49Entonces, obviamente, la inteligencia artificial requiere una estrategia para poder recorrer todas esas posibilidades sin perderse.
00:34:00Es como si tuvieran ustedes un laberinto.
00:34:02¿Ok?
00:34:04Pasemos a algo más sencillo.
00:34:06Si una persona quiere llegar del punto A al punto B, puede haber muchas rutas posibles.
00:34:14Algunas son más cortas, algunas son más rápidas, otras más seguras, otras tienen menos tráfico.
00:34:21Y si el número de rutas es pequeño, entonces una persona puede revisar mentalmente cuál es la que más le
00:34:30conviene.
00:34:31Hacer su planificación, etcétera, etcétera, etcétera.
00:34:34Y en este curso vamos a revisar algoritmos clásicos, que son estos que nosotros tenemos.
00:34:46¿Ok?
00:34:47Que es el BFS, el DFS, el A+, y hasta el concepto de las técnicas más avanzadas como las
00:34:57meteorísticas, o algoritmos genéticos, o exploración por enjambre.
00:35:02Y estos se aplican para problemas reales de ti, como ruteo de redes, asignación de recursos, planificación de proyectos, balanceos
00:35:12de cargas.
00:35:14¿Ok?
00:35:16Llevando esto a lo que es la estrategia de lo que es el SIAM, voy a mover esto un poquito
00:35:21para acá, porque siento como que me va a hacerlo un poquito más pequeño.
00:35:28A nuestra estrategia del SIAM, el propósito obviamente es que ustedes aprendan a modelar el problema del SIAM como un
00:35:38espacio de búsqueda.
00:35:41Identificar alternativas de solución y atención en los reportes de búsqueda.
00:35:46Y obviamente seleccionar cuáles son las alternativas más eficientes según los criterios que les pongan.
00:35:55¿Ok?
00:35:56Esto es nuestro módulo número 1.
00:36:00Ojo, ya tenemos nuestro incidente crítico.
00:36:03Ya lo conocen todos y cada uno.
00:36:06¿Alguno de ustedes me quiere ayudar a explicarlo?
00:36:09Para que no nada más esté yo.
00:36:13¿Quién me ayuda a explicar el incidente del SIAM?
00:36:15Ya lo estamos platicando desde el módulo, desde la materia pasada, desde el bloque pasado.
00:36:20¿Quién me ayuda a explicarlo?
00:36:21Por favor.
00:36:28Vamos, uno por uno, por favor chicos.
00:36:30¿Se acuerdan?
00:36:33El incidente crítico del consorcio intermunicipal de agua y mantenimiento, lo acabo de explicar hace un momento.
00:36:39¿Quién me ayuda?
00:36:43Pues está buscando implementar la atención de reportes de fugas y lo relacionado con el agua a través de una
00:36:54aplicación móvil.
00:36:56También implementando pues la inteligencia artificial para pues este organizar los reportes y el que tenga mayor severidad poderlo atender
00:37:08en tiempo para que no impacte a la sociedad.
00:37:11Perfecto, eso es simple y sencillamente lo que nos dice nuestro incidente crítico, ¿no?
00:37:18Y también nos da pues obviamente las preguntas detonadoras de este módulo.
00:37:22¿Cómo podría modelarse la priorización de fugas del SIAM como un problema de búsqueda?
00:37:29Considerando estados, alternativas de atención, restricciones operativas y criterios de prioridad.
00:37:36Después, ¿en qué situaciones del incidente crítico sería más útil aplicar una búsqueda informada en lugar de una no informada?
00:37:46¿Y qué ventaja tendría esa decisión para atender reportes con mayor eficiencia?
00:37:53Y por último, ¿lo que es la optimización local y global?
00:37:56¿Qué papel pueden desempeñar las técnicas de optimización local y global para encontrar una solución viable y justificable a los
00:38:05criterios del SIAM?
00:38:07Pues aquí lo primero que ustedes me tendrían que decir, ok profesor, ¿en qué consiste una búsqueda informada contra una
00:38:18búsqueda no informada?
00:38:21Y eso es precisamente lo que vamos a empezar a trabajar correctamente, ¿ok?
00:38:32Esta me gusta mucho, a pesar de que nada más tiene aquí esta parte, habla un concepto súper importante que
00:38:39es este que nosotros, que yo estoy poniendo aquí.
00:38:45Heurístico.
00:38:48¿Ya habían escuchado esa palabra?
00:38:59¿Alguno de ustedes ya había escuchado la palabra heurístico?
00:39:03No.
00:39:05¿O no más yo soy el que tiene dudas?
00:39:09No, ya profesor.
00:39:11A ver, cuéntame.
00:39:13Pues digamos que es como un atajo, ¿no? Una regla inconsciente.
00:39:21Ah, no.
00:39:23Es una estima, exactamente, es una estimación o pista que ayuda a decidir cuál opción parece mejor.
00:39:30Obviamente no es una garantía absoluta de que vaya a funcionar, pero al menos te funcione como una guía.
00:39:39¿Ok?
00:39:41Veanlo ustedes como una corazonada informada, pero no una corazonada correcta.
00:39:48Adelante, por favor.
00:39:50Yo lo había visto como en matemáticas, tiene que ver con probabilidad.
00:39:55Exactamente.
00:39:58Es tomar la decisión que se cree más justa, que se cree, no por eso va a estar bien, pero
00:40:05es lo que ya se está haciendo ahora mismo la inteligencia, cuando, cuando contesta, contesta con la palabra más justa,
00:40:15siguiente.
00:40:16Exacto.
00:40:17Y eso hace que nosotros lo interpretemos como que es una persona.
00:40:21Exactamente.
00:40:21Es una corazonada.
00:40:24Bien claro le dice y está basado en algo bien claro que le dijo, es probabilístico.
00:40:29Excelente.
00:40:30Excelente.
00:40:30Y ahora vamos a ver precisamente la búsqueda informada.
00:40:36¿Ok?
00:40:37¿En qué consiste esto?
00:40:39La búsqueda voraz o también lo que es la búsqueda informada, porque también se le llama búsqueda voraz.
00:40:46Andes a ver.
00:40:48Es también llamada, si no mal recuerdo, déjenme ver cómo se llamaba esta, de algo de codicia, greedy best first
00:40:57search.
00:40:58En donde se elige el nodo más cercano, véanlo así como puntitos, paz, paz, paz, paz, para que lo podamos
00:41:05ver.
00:41:05Déjenme ver si tengo aquí mi, esto, déjenme ver mi cola y por aquí yo ya tenía un ejemplito de
00:41:14esto.
00:41:17Oiga profe.
00:41:18Sí dime.
00:41:19Este, nada más una duda.
00:41:23Estos ejercicios que nos está proporcionando son independientes de las tareas que tenía.
00:41:33Exactamente.
00:41:34Ustedes los pueden usar, los pueden trabajar, los puedes entregar o no, pero si te sirven, obviamente, pues para que
00:41:43no te quedes nada más con la parte teórica.
00:41:45Por eso, por eso lo estoy yo ejemplificando.
00:41:50¿Se pueden copiar directamente?
00:41:52Mira, tú lo puedes agarrar y lo pones, aquí dice guardar una copia en drive y ya lo vas a
00:42:01tener tú en tu drive.
00:42:03Ok, otra pregunta vi que, por ejemplo, si comentamos, digo, ahorita por jugar, aquí dice agregar el nombre, comentó, ¿no?
00:42:15Y qué hace, si yo comento plt, creo que dice, ¿no?
00:42:23Punto label, imagino que esa, al comentarlo, ese no va a correr, ¿verdad?
00:42:30Esto que está aquí, este es el comando.
00:42:33Ajá, sí.
00:42:34Esto obviamente, pero lo que sí puedes comentar es esto que dice puntaje predicho.
00:42:39Esto te está haciendo alusión a las, a este, a este gráfico, a las X y a las, bueno, a
00:42:46las Ys y a las X.
00:42:47Claro.
00:42:48Ok, donde dice puntaje predicho, pues es esto que estás poniendo aquí y donde dice puntaje real es este que
00:42:54está aquí así.
00:42:54Ok, el título del gráfico es este que dice comparación real entre puntaje predicho y puntaje real.
00:43:02Es este que está aquí así.
00:43:03Y estos datos, pues obviamente, es lo que se va obteniendo de nuestra regresión lineal que nosotros hicimos.
00:43:11Porque esto se llama regresión lineal.
00:43:13Ah, bueno, sí, y lo que preguntaba era que si en un momento, por decir algo, puedo prender o apagar
00:43:21alguno de los comandos, este, comentando.
00:43:25Sí.
00:43:25Yo, a lo mejor aquí no, no es muy evidente, pero.
00:43:29Mira, ya lo hice.
00:43:31Y, digamos, eso no aplicaría, ¿no? Quedaría trunco, digamos.
00:43:35Exactamente.
00:43:36Mira, así ya lo hice.
00:43:38Sí, sí.
00:43:39Ya le puse ahí el gato, el gato es el que me hace que eso se convierte en un comentario.
00:43:44Claro.
00:43:44Ya lo habilité, ya lo inhabilité.
00:43:46Muy bien.
00:43:47Gracias.
00:43:48No a ti.
00:43:50Les estaba comentando del algoritmo Greedy Best First Search, en donde se elige el nodo que parece más cercano al
00:43:58objetivo, según la heurística.
00:44:01¿Ok?
00:44:01Es rápido, pero tiene un problema.
00:44:03Puede dejar llevar, se puede dejar llevar, por lo que parece bueno al momento, y no necesariamente encontrar la mejor
00:44:13solución.
00:44:14¿Qué quiere decir?
00:44:15Que, por ejemplo, yo puedo empezar, yo quiero llegar hasta este punto.
00:44:19Entonces, puede que se agarra el que le parece más cercano, no, pues es este.
00:44:23Me parece que este es más cercano, no, pues es este.
00:44:26Y ahora de este, no, pues el más cercano es este.
00:44:29Y así va a empezar a recorrer todos los puntos, pero no va a ser el punto más cercano, porque
00:44:35a lo mejor podría haber escogido este, este.
00:44:38Y vámonos, he escogido la serie de puntos que me llegan en el mejor tiempo hasta este.
00:44:45No necesariamente era hacer esto.
00:44:48¿Ok?
00:44:49Como, pues obviamente lo estamos planteando.
00:44:52Eso es el algoritmo GRIDED FIRST.
00:44:56¿Ok?
00:44:56También tenemos en nuestra presentación otro algoritmo que ya es un poquito más interesante.
00:45:08Por ejemplo, ¿cuál sería esto?
00:45:10El algoritmo A+.
00:45:12El algoritmo A+, es más complejo porque combina dos elementos.
00:45:19¿Cuáles son estos dos elementos que combina el costo real acumulado llamado GN?
00:45:26Por aquí lo tenía, si lo tengo en la fórmula, no les puse la fórmula.
00:45:31Ah, pero qué inmenso.
00:45:34Vamos a ponerles el algoritmo real acumulado que es el GN.
00:45:40Este es nuestro algoritmo real acumulado.
00:45:43Y aquí lo que va a hacer y la estimación del tiempo restante que es el HN.
00:45:50Entonces, esto es nuestra función del A+.
00:46:01FN va a ser igual a, obviamente, ¿no?
00:46:06Vuelvo a decir, el costo real y la estimación del costo.
00:46:10La heurística de ese costo.
00:46:12Esto significa que el A+, no solo pregunta qué tan promotadora parece esta opción, sino también cuánto me ha
00:46:23costado llegar hasta aquí.
00:46:26Veámoslo hasta acá.
00:46:28Entonces, el A+, a diferencia del greedy, es este, este, este, este, este, este, este, este, este.
00:46:35Este va recorriendo cuánto me costó.
00:46:37No, pues te costó 87 puntos llegar hasta acá.
00:46:42Ok, 800, no, pues no, no es la mejor ruta.
00:46:45A ver, esta otra, está, está, está, está, está, está, está, está, está.
00:46:48Este me costó 60 puntos.
00:46:51Más esto, ok, está un poco mejor que el otro.
00:46:54Y así va recorriendo cada una de las mejores opciones.
00:46:58Hasta que determina este, el que tiene el menor costo, es sobre el que yo me voy.
00:47:05Ok.
00:47:06Llevándolo esto al modelo de lo que es el SIA, ¿qué quiere decir?
00:47:11Pues podría ser que el GDN, este que tenemos nosotros aquí, podría ser el tiempo invertido ya por una cuadrilla.
00:47:20Ok.
00:47:21O la distancia ya recorrida.
00:47:23Y el HN, que nosotros podríamos tener por acá, el HN, ¿a qué creen que se pueda referir?
00:47:30Pues obviamente podría ser la distancia estimada o los reportes pendientes o el riesgo social o técnico restante.
00:47:38Ok.
00:47:39Y esto sería una forma de poder estimar el costo, llevándolo y aplicándolo a nuestro concepto de lo que es
00:47:48el SIA.
00:47:49¿Qué les pareció?
00:47:55Ok.
00:47:57Y bueno, algoritmos clave en la búsqueda informada.
00:48:02La búsqueda voraz, que ya habíamos explicado.
00:48:07Este que tenemos aquí, el algoritmo A+.
00:48:11¿Cuál es la diferencia?
00:48:13Uno expande el nodo más cercano y se va con base a lo que le parece decorazonada.
00:48:18Y en el otro combina el costo real y le suma el costo más cercano.
00:48:25Ok.
00:48:25¿Cuál es mejor?
00:48:26Pues obviamente si nos vamos a tiempo, pues puede ser que sea este.
00:48:32Pero en base a estimación y comportamiento, pues obviamente siempre va a ser mejor un algoritmo A+.
00:48:42Ok.
00:48:46¿Dudas hasta ahí chicos?
00:48:52Ninguna profesor, gracias.
00:48:53Pues bueno, vamos a pasar a la búsqueda no informada.
00:48:59También conocida como la famosa búsqueda ciega.
00:49:04Ok.
00:49:04¿En qué consiste la búsqueda no informada?
00:49:08Ok.
00:49:09Esta búsqueda no utiliza conocimiento científico específico del problema.
00:49:14Solo conoce el estado inicial, las acciones posibles que se pueden realizar y la meta.
00:49:20No tiene una función heurística que le diga qué camino parece más conveniente.
00:49:27Ok.
00:49:27Para muchos podría ser, pues obviamente menos inteligente.
00:49:33Pero no hay que descartarla porque a veces este modelo es muy útil.
00:49:38Especialmente cuando no tenemos suficiente información.
00:49:42A lo mejor llevándolo a lo que es el modelo de decían, pues obviamente, pues podemos tener reportes incompletos.
00:49:49Un reporte puede llegar sin ubicación precisa o sin severidad.
00:49:53O también puede tratarse de una zona nueva donde no hay fugas.
00:49:57En casos, pues puede se utiliza.
00:49:59En estos casos, pues a lo mejor una heurística, pues fallaría y les fallaría la corazonada.
00:50:03Y es ahí donde la búsqueda no informada podría servir para garantizar que el sistema explore reportes sin dejar fueras
00:50:11casos importantes.
00:50:14Ok.
00:50:17Y bueno, la búsqueda no informada, y esto es algo, compara cuatro algoritmos muy importantes.
00:50:28Primeramente, el BFS.
00:50:31Este algoritmo se conoce con el nombre de búsqueda en anchura.
00:50:35Explora primero los nodos menos profundos, es decir, revisa las opciones más cercanas al inicio antes de avanzar más.
00:50:44Su ventaja es que puede encontrar la solución más cercana cuando todos los pasos cuestan lo mismo.
00:50:51Su desventaja es que ocupan mucha memoria.
00:50:57Yo ya les había explicado en qué consiste este concepto que tenemos aquí, que es la O.
00:51:03El concepto de la Big O.
00:51:06Ok.
00:51:08A lo mejor si lo lleváramos al modelo del Sian, pues puede ser y si queremos revisar reportes,
00:51:14por niveles, primero los de una zona cercana, después de una zona más alejada y así sucesivamente.
00:51:20Nuestro segundo algoritmo es el algoritmo DFS.
00:51:24Este se conoce como búsqueda por profundidad.
00:51:29Ok.
00:51:30Es un algoritmo que se va por el camino hasta el fondo antes de regresar.
00:51:36Usa menos memoria, pero puede perderse en caminos largos, ya que no siempre encuentra la mejor solución.
00:51:45Ok.
00:51:45El tercero es el UCS.
00:51:49¿Cuál es el UCS?
00:51:51Es la búsqueda de costo uniforme.
00:51:55Este algoritmo elige el nodo con el menor costo acumulado.
00:51:59Es muy útil cuando los pasos tienen costos diferentes.
00:52:03Ok.
00:52:04Por ejemplo, que no todas las rutas cuesten igual.
00:52:07Algunas sean más largas, otras tengan más tráfico, otras impliquen menor riesgo operativo.
00:52:13Y por último, tenemos el DFID.
00:52:18Es una búsqueda de profundidad iterativa.
00:52:21Combina ideas de BFS y DFS.
00:52:26¿Qué quiere decir?
00:52:27Que explora por prioridad, pero además tiene ventajas y limitaciones.
00:52:32Eligir uno, pues obviamente de estos, pues tiene sus problemas.
00:52:37Ok.
00:52:38Pues este algoritmo es el que digamos, como que es el que busca equilibrar más la completitud y la optimización.
00:52:47Ok.
00:52:48Esto es los algoritmos de búsqueda no informada.
00:52:54Y ahora pasamos a lo que son los algoritmos de búsqueda local y global.
00:53:03¿A qué se refiere la búsqueda global?
00:53:06A lo mejor para ustedes, pues, no lo entienden muy, muy comienzo.
00:53:11Sino nos puede decir que buscas la alternativa más conveniente de acuerdo a ciertos criterios.
00:53:23Ok.
00:53:25¿Cómo lo podemos tomar esto?
00:53:27Este, vamos a ver, si lo lleváramos al modelo del SIAM, una solución inicial podría ser atender los reportes por
00:53:39orden de llegada, ¿no?
00:53:40¿Sabes qué?
00:53:40Pues voy atendiendo los reportes por fila.
00:53:45Pum, uno, dos, tres, cuatro, cinco.
00:53:46Esta solución, pues, a lo mejor para ustedes es la más sencilla, pero no necesariamente es la mejor.
00:53:54La búsqueda local podría ser pequeños cambios.
00:53:57Por ejemplo, intercambiar el orden de dos reportes, mover una fuga grave más arriba, asignar una cuadrilla antes de un
00:54:07reporte, etcétera, etcétera, etcétera.
00:54:11¿Ok?
00:54:13Eso es a lo que se refiere.
00:54:15Los algoritmos más, este, utilizados en esta búsqueda global es el Hill Climbing, el Temple Simulado y la búsqueda Taboo.
00:54:28¿Ok?
00:54:30¿A qué se refieren cada uno de estos?
00:54:33Pues, simple y sencillamente, Hill Climbing avanza al vecino con mejora, riesgos óptimos locales, el otro acepta movimientos desfavorables temporalmente
00:54:45para poder escapar de complicaciones y, por último, la búsqueda tabúes, lista de movimientos recientes y evita ciclos y favorece
00:54:55nuevas regiones.
00:54:59Vamos a irnos ahora a la búsqueda global, porque esto son búsquedas locales.
00:55:05A la búsqueda global, si bien las búsquedas globales buscan una mejora gradual en ambientes limitados, la búsqueda global es
00:55:16una exploración mucho más grande, ¿no?
00:55:21Se orienta en explorar regiones ampliadas de soluciones para poder decir esto es lo mejor.
00:55:32¿Ok?
00:55:33¿Qué quiere decir esto?
00:55:35Pues, buscan acercarse a la meta final.
00:55:40¿Vale?
00:55:41¿Cuándo debemos de ocupar estas técnicas?
00:55:44Estas técnicas de exploración, de búsqueda global, solamente las vamos a ocupar cuando, obviamente, tenemos problemas muy grandes y complejos.
00:55:56¿Qué quiere decir?
00:55:57Pues, por ejemplo, que tuviéramos muchos reportes, muchas cuadrillas, varias zonas, múltiples criterios, y tendríamos que revisar todas las posibilidades
00:56:05exactas para hacer, para que esto pudiera ser lo más realista posible.
00:56:14En la teoría, pues, a lo mejor, pues, tomaría mucha memoria.
00:56:19Por eso es que la búsqueda global muchas veces utiliza, y en su mayor parte de las veces utiliza también
00:56:26el concepto de la heurística.
00:56:30¿Ok?
00:56:34Hasta ahorita, dudas, preguntas, comentarios, todo esto, vuelvo a decir, es elementos que ustedes ya tienen.
00:56:46¿Ok?
00:56:47Que ustedes ya pueden trabajar.
00:56:50Y ahora vamos a trabajar con los conceptos de las metahorísticas, que se dividen en dos.
00:56:55Los algoritmos genéticos y la exploración, por ejemplo, de partículas.
00:57:02Este comportamiento, podemos empezar por el de partículas.
00:57:05A mí me encanta, porque yo creo que ustedes han de haber visto que de repente aparece una hormiga solita
00:57:12en su casa.
00:57:15Y ya después de que apareció esa hormiga, se aparecen dos, después tres, después cuatro, después cinco.
00:57:24Y después tienen un méndigo hormiguero en sus casas.
00:57:27Pues, esa búsqueda que lanzó una hormiguita, es a través de lo cual se inspiró este concepto de búsquedas.
00:57:38¿Ok?
00:57:39De esta técnica.
00:57:41¿Ok?
00:57:42Es decir, busca una solución muy, muy importante.
00:57:49¿Ok?
00:57:49Se inspira en el comportamiento ya sea de aves, de abejas, de hormigas.
00:57:56Y cada partícula o cada hormiga, pues obviamente representa una posible solución.
00:58:02Las partículas se ajustan según la mejor experiencia individual y la mejor experiencia del grupo.
00:58:10¿Ok?
00:58:11Veanlo también como las abejas.
00:58:14Después aquí tenemos los algoritmos geléticos.
00:58:18Que obviamente, como su nombre lo dice, están inspirados en la evolución biológica natural.
00:58:25Trabajan con una población de soluciones.
00:58:29Cada solución puede imaginarse como un individuo.
00:58:32Y luego, simple y sencillamente, el algoritmo selecciona las mejores soluciones y les introduce pequeños cambios.
00:58:43Eso es cada uno de estos.
00:58:46Y ahora, ¿cómo debemos de utilizar cada uno?
00:58:50¿Cuándo utilizar algoritmos genéticos?
00:58:54¿Y cuándo utilizar?
00:58:55Pues obviamente por partículas, ¿no?
00:58:59Y aquí nos ponen cuánto debemos de utilizar cada uno de estos.
00:59:04Me estoy dando prisa porque ya casi se nos acaba el tiempo.
00:59:08Perdónenme.
00:59:10Y prácticamente con esto, pues son todos los temas que se ven en esta unidad.
00:59:16Recuerden que para ejemplificar todo esto, voy a hacerles algún...
00:59:21Un conjunto de prácticas para que ustedes lo puedan tener un poco más visual.
00:59:26¿Vale?
00:59:27Y ahora, ¿qué les van a dejar a ustedes?
00:59:30¿Y qué vamos a estar trabajando precisamente en nuestro Tarea Auténtica y en nuestro foro?
00:59:38Todavía no está accesible.
00:59:40Lo van a tener accesible hasta el día de mañana.
00:59:42De hecho, todos, si ustedes, si nos regresamos aquí, el módulo 2,
00:59:47y yo abro, por ejemplo, esto que dice Tarea Auténtica,
00:59:51me va a decir algo de género, ¿no?
00:59:54O sea, efectivamente, género y sociedad.
00:59:56Entonces, todavía no han actualizado la plataforma.
00:59:59No deben de tardar en actualizarla.
01:00:03¿Ok?
01:00:04Pero esto es lo que ustedes van a empezar a ver, ¿no?
01:00:10¿Qué es lo que ustedes van a tener que hacer?
01:00:13¿Ok?
01:00:15¿Y qué es lo que van a hacer?
01:00:16Poder representar el problema real, un problema de búsqueda, definir espacios.
01:00:21Les van a pedir cuál es la técnica adecuada para poder hacer una implementación.
01:00:29Y es esto, ¿no?
01:00:31El foro se va a llamar Técnicas de Búsqueda y Optimización
01:00:34Aplicadas al Teaje Inteligente en el SIAM, ¿no?
01:00:40Y aquí ustedes van a tener que, pues, obviamente, participar en este foro.
01:00:48¿Vale?
01:00:48Este es un ejemplo de qué es lo que ustedes deben de traer.
01:00:51Y la Tarea Auténtica.
01:00:53La Tarea Auténtica les van a pedir modelar el problema real del TIC
01:00:57como un problema de búsqueda y optimización.
01:00:59Construir la formulación técnica argumentada para el sistema del triaje
01:01:05debe de ser un documento de 4 a 6 cuartillas, estilo académico, con secciones claras, tablas, esquemas,
01:01:14mínimo dos citas de recursos en sus problemas y una vinculación explícita con el incidente crítico.
01:01:23Ya saben los que vamos a tener de los criterios de evaluación, pues, que esté correctamente bien modelado.
01:01:29Precisión, definición, estados, acciones, que tengan la selección justificada de la técnica que ustedes hayan escogido.
01:01:36Una vinculación explícita, discusión de ventajas y limitaciones, es decir, un análisis crítico de la técnica utilizada
01:01:44y, obviamente, un formato académico.
01:01:48¿Cuál es ese formato que ustedes deben de tener?
01:01:51De redacción, citas en APA y una estructura clara.
01:01:54Esa estructura es introducción, modelado, modelado el problema de optimización, aquí se los estoy poniendo,
01:02:03selección y justificación de la técnica, porque escoge AIPLAS, porque escoge algoritmos genéticos,
01:02:11porque escoge optimización por partículas o porque simple y sencillamente sea el temple simulado.
01:02:18Y, obviamente, la aplicación hacia el SIEAN, ¿cómo se integraría el sistema del triaje?
01:02:24Ventajas y limitaciones, sesgos, conectividad intermitente, etc.
01:02:29Y aquí les estoy poniendo, a lo mejor, un ejemplo del espacio de búsqueda.
01:02:35Estado, configuración de reportes, fuga 1, bla, bla, bla, bla, con cada uno de los datos que tenemos ahí.
01:02:41Modelado como optimización.
01:02:44Ah, pues la función objetivo es el tiempo de respuesta por el peso.
01:02:48Peso de prioridad es igual a esto por esto más esto.
01:02:53Restricciones, máximo 8 horas de turno por cuadrilla, atención obligatoria a reportes de socavón en menos de 4 horas,
01:03:02equidad territorial y mínimo un reporte por zona vulnerable por semana.
01:03:06¿Y qué técnica?
01:03:08Pues yo tengo, que es que yo pongo aquí, no, pues escogí el algoritmo PLAS para una búsqueda informada de
01:03:12secuencias.
01:03:13TAS, TAS, TAS, ¿por qué?
01:03:15Porque permite conocer TAS, TAS, TAS, TAS.
01:03:18Obviamente esto bien desarrollado, ya que lo estoy resumiendo completamente.
01:03:23Y al final, pues obviamente, pues cuáles son los aprendizajes clave que ustedes tuvieron,
01:03:28contexto en el SIAM y su reflexión final.
01:03:32Ok.
01:03:34Esto es lo que ustedes estarían entregando durante este módulo 2.
01:03:41¿Por qué me les quiero poner precisamente las tablas, las prácticas aquí?
01:03:49Pues porque obviamente ustedes van a poder ver para mi función ya en código,
01:03:56pues si realmente su algoritmo es el más eficiente.
01:04:02Si ya tengo aquí datos, pues obviamente puedo empezar a probar la fórmula.
01:04:09Y a lo mejor ya estoy poniendo la fórmula y el ejemplo del código que me está dando.
01:04:14Ya pongo ahí una gráfica, por ejemplo, algo como esto.
01:04:20O como esto que tengo aquí abajo, ¿no?
01:04:22Que inclusive hay un reporte de visibilidad de agua, ¿no?
01:04:26Aquí lo tiene.
01:04:29¿Sale?
01:04:29Y ahí, pues obviamente, será su decisión conforme vayan trabajando.
01:04:36Yo pondré eso el día de mañana para que ustedes lo puedan trabajar.
01:04:39Y pues obviamente podamos mejorar nuestros aprendizajes.
01:04:46¿Dudas, preguntas, comentarios, chicos?
01:04:53¿Todo bien, profesor? Gracias.
01:04:57Gracias, profesor.
01:04:58Gracias, profesor.
01:04:58No agresante el problema.
01:05:01Sí, es grande el problema, pero no está, de verdad no está difícil.
01:05:04Por eso les voy a poner, este, les estoy primeramente poniendo esto como manera de contexto.
01:05:11Y voy a poner el del módulo 2, que también los van a poder ustedes acceder sin ningún problema.
01:05:17¿Ok?
01:05:17Donde dice prácticas Collab, ya lo saben.
01:05:20Voy a poner ahí una nueva, este, una nueva carpeta y ahí pondré mi, este, mi documento de Collab para
01:05:30apoyarlos.
01:05:33¿Quién más tiene dudas, preguntas, sugerencias, chicos?
01:05:40¿Qué les pareció?
01:05:47Bueno, eso de, muy bueno eso de jugar, como dijo el compañero al principio y usted, para ir conociendo mejor
01:05:55el programa.
01:05:57Exactamente, hay que empezarlo a trabajar un poquito más, no quedarnos solamente con la teoría, con lo que nos dice
01:06:03ahí, sino ver realmente, pues a lo mejor sí evaluar.
01:06:07Podríamos, por ejemplo, a mí se me ocurriría, si voy a crear una carpeta en Collab, pues a lo mejor
01:06:13creo una carpeta y empiezo a evaluar, pues cada uno de los algoritmos que están ahí.
01:06:19Y por tiempo, ¿cuál es el que más me conviene?
01:06:23Digo, yo lo podría poner, pero yo esto les ayudaría a ustedes a escoger, pues, cuál es el mejor.
01:06:31¿Ok?
01:06:32Pero bueno, esperen un poquito a que se los ponga la siguiente sesión y con todo, la siguiente, este, el
01:06:38día de mañana y con todo gusto, chicos.
01:06:43¿Dudas? ¿Preguntas?
01:06:46Juan Rojas, ¿qué es lo que a que te referías de esto lo debemos de agregar a las actividades como
01:06:53evidencia?
01:06:54Si te refieres a lo del Collab, no.
01:06:57Esa es una herramienta que yo les estoy dando a ustedes para facilitarlos en su aprendizaje y obviamente facilitarlos también
01:07:04en que puedan saber, por ejemplo, en el módulo 2, pues,
01:07:09¿qué algoritmo escoger?
01:07:11Estoy volviendo a poner la lista de asistencia por si alguno no la tenía vista, se puedan registrar.
01:07:19¿Y dudas, preguntas, comentarios?
01:07:22Antes de irnos, chicos.
01:07:28De hecho, profesor, estos, estos algoritmos ya los habíamos visto, ¿no? En la materia de teorías de la optimización, en,
01:07:34bueno, obviamente no, algunos no con, no con usted, pero son algoritmos que ya se vieron ahí en esa materia.
01:07:40Ah, perfecto.
01:07:41Tuvimos una, como, introducción.
01:07:44Perfecto. Entonces, eso quiere decir que vamos a poder, este, pues, avanzar más rápido, ¿no? A lo mejor ya los
01:07:51vieron, pero no los vieron en código. ¿Sí los vieron en código?
01:07:56No, justamente no. Fue como una introducción a estos algoritmos.
01:08:01Perfecto. Pues, entonces, vamos a ver, como bien claro lo dice ahorita aquí Andrés, pues, ahora los vamos a ver
01:08:06de manera real.
01:08:08Cómo verlos y cómo analizar todos estos algoritmos, chicos.
01:08:12¿Quién más? ¿Dudas? Muchas gracias por tu aportación, Andrés. Muchas gracias, compañero, porque, pues, sí me da, me deja ver
01:08:19que no están, no estamos tan complicados como pensé que a lo mejor podríamos estar.
01:08:25¿Dudas? ¿Preguntas? ¿Comentarios? ¿Sugerencias, por favor?
01:08:38¿No? Bueno, si no hay sugerencias, si no hay, este, comentarios, damos por terminada la sesión síncrona número 2 de
01:08:47nuestra materia, inteligencia artificial, de nuestra UCA de inteligencia artificial.
01:08:53Los estoy leyendo, recuerden, en cada una de sus tareas, tienen todavía hasta el día de hoy para poder aportar
01:09:00a nuestro foro integrado del aprendizaje.
01:09:03Yo el día de mañana lo voy a cerrar y ya, obviamente, después del cierre, pues, ya les estaré comentando
01:09:10y evaluando a los que me hagan falta.
01:09:13¿Ok, chicos? Muchas gracias a todos y cada uno de ustedes y nos estamos viendo la siguiente sesión síncrona.
01:09:20Gracias, chicos.
01:09:23Gracias, profesor. Buenas noches, compañero.
01:09:26Gracias, gracias. Buenas noches.
01:09:28Buenas noches a todos.
01:09:37Buenas noches, profesor. Gracias.
01:09:38Buenas noches. Hasta luego, Arturo.
01:09:43Hasta luego, César. Que tengas una muy buena noche.
01:09:49Gracias, profesor.
01:09:50Gracias.
01:09:55Buenas noches.
01:09:56Buenas noches.
Comentarios