Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Núcleo de Anzoátegui
Escuela de Ingeniería y Ciencias Aplicadas
Departamento de Ingeniería Civil
HERRAMIENTAS DE
APLICACIÓN DE INTELIGENCIA
ARTIFICIAL
Bachiller:
Mariana Aponte C.I.: 21.327.025
Rafael Pacheco C.I.: 22.998.749
Profesor(a):
Ing. María Ramírez
Áreas de Grado I-2019
Resumen
La Inteligencia Artificial se ha ido introduciendo en el campo de softwares y continuará haciéndolo en
el futuro previsible. Esta tecnología llega a los usuarios, ya sean programadores o no, mediante el uso
de distintas herramientas como lenguajes de programación y modelados para programar aplicaciones
inteligentes. Estas aplicaciones inteligentes han incorporado algoritmos de aprendizaje profundo y de
máquina en su funcionalidad diaria para automatizar mejor las tareas, ahorrando tiempo y energía al
usuario.
Palabras clave: Inteligencia Artificial, Software Inteligente, Aprendizaje Profundo, Machine Learning,
Lenguaje de Programación, Herramientas, Modelado, Algoritmos.
1. INTRODUCCIÓN
Muchos usuarios potenciales asumen que el - Python: Es uno de los lenguajes más
software de IA es capaz de todo fuera de la utilizados por su simplicidad y las filosofías
caja, pero casi siempre este no es el caso. El DRY (Don’t Repeat Yourself / No Te Repitas)
software de IA requiere una gran cantidad de y RAD (Rapid Application Development /
datos para aprender lo que el usuario quiere Desarrollo Rápido de Aplicaciones) en las
que aprenda. Los usuarios a menudo que se basa. Puede utilizarse tanto para
necesitarán entrenar algoritmos de aprendizaje estructurar datos como para generar
automático, utilizando técnicas como el algoritmos y dispone de un catálogo de
aprendizaje por refuerzo, el aprendizaje librerías muy extenso que facilita el
supervisado y el aprendizaje no supervisado desarrollo de cualquier tipo de proyecto.
para construir una aplicación verdaderamente Python sirve para trabajar en aplicaciones
inteligente. Por ejemplo: Un modelo de visión de todo tipo, sean móviles, web, data
por computadora no puede determinar si una science o IA.
imagen es un gato o un perro a menos que
haya aprendido cómo se ve un gato y cómo se - R: R dispone de paquetes de programación
ve un perro. También hay una escasez de muy numerosos que pueden utilizarse en el
personas que entienden cómo construir estos ámbito de Machine Learning. Estos
algoritmos y cómo entrenarlos, para realizar las paquetes implementan algoritmos de
acciones que necesitan. El usuario común no aprendizaje automático. Se trata de uno de
puede simplemente activar el software IA y los mejores lenguajes para analizar y tratar
hacer que resuelva todos sus problemas. En datos y crear buenas aplicaciones
cambio, se necesita una gran cantidad de inteligentes con finalidades estadísticas.
conocimientos de desarrollo de software y
aprendizaje automático. - Lisp: Lisp existe desde 1958 y aún sigue
existiendo y creciendo, trabaja con
expresiones simbólicas y prototipado y se
3. DESARROLLO EN INTELIGENCIA ARTIFICIAL utiliza en proyectos cuyo objetivo es
permitir a las aplicaciones ejecutar
Un programa o aplicación basado en razonamientos similares a los humanos.
Inteligencia Artificial trata de dotar a las
computadoras de capacidades para que puedan - Prolog: Suele utilizarse para diseñar
realizar acciones inteligentes. Se trata de sistemas especializados, sobre todo en el
facilitar la ejecución de tareas o el análisis de ámbito de la medicina. Prolog es un
datos. En este sentido, muchas empresas están lenguaje de referencia en el entorno de la
buscando a expertos para generar nuevos ingeniería, permite automatizar el
servicios basados en IA. backtracking, que consiste en buscar
errores y retroceder hasta el punto anterior de promoción. La llaman “programación visual”
para tomar otra alternativa. Se basa en y promete crear aplicaciones propias de
estructuras de datos arbóreas que facilitan aprendizaje automático sin programar. Algunas
la búsqueda de patrones. Todas estas son:
características combinadas convierten este
lenguaje en uno de los más flexibles. - Azure Machine Learning Studio: Es el
entorno de modelado que propone
- Java: Java es un lenguaje de programación Microsoft y es un entorno simple,
orientado a objetos. Sus características más ejecutable en el navegador y que ofrece un
destacadas son la transparencia, la entorno visual y drag-and-drop donde no
mantenibilidad y la portabilidad. Permite hay necesidad de escribir ningún tipo de
codificar algoritmos muy fácilmente y es código. El proceso es el siguiente, definir los
muy escalable. Dispone de interfaces de datos de entrada, procesar si es necesario,
datos muy atractivas para mejorar la se utilizan para entrenar diferentes tipos de
experiencia del usuario. Teniendo en cuenta modelos de ML y finalmente se evalúan los
que una IA está basada en gran medida en resutados.
estos algoritmos y orientado al ser humano,
Java es una buena opción para la - SSPS Modeler de IBM: La alternativa de
codificación. IBM a Azure ML Studio es el SPSS Modeler
que parte de Watson Studio. Permite definir
- C++: Se trata de uno de los mejores el data pipeline, el modelo que se quiere
lenguajes de programación para desarrollar generar (clasificador, predictivo,…) y evaluar
en inteligencia artificial, puesto que esta y visualizar los resultados. Tiene una librería
tecnología requiere de ejecuciones y muy completa de algoritmos y modelos
tiempos de respuesta rápidos. Está predefinidos que te evitan empezar de cero.
orientado a objetos y es compatible con
bibliotecas que ayudan a escribir códigos - RapidMiner: Incluye una herramienta de
rápidamente. diseño visual de workflows para prototipar
y validar modelos predictivos. Viene con un
Hasta acá se observan los lenguajes de buen número de conexiones con servicios
programación que se pueden utilizar para externos, muchas de ellas para la
desarrollar aplicaciones de IA. Muchos de ellos integración de datos. RapidMiner soporta
proveen librerías que ayudan al desarrollo para más de 60 tipos de ficheros y formatos de
no empezar desde cero pero existen otras datos, tanto para datos estructurados como
opciones que permiten conseguir resultados no estructurados.
más rápidos y con un alto grado de eficacia,
éstos son los servicios en nube. - Orange: Se trata de una herramienta de
aprendizaje y visualización de modelos de
Cada vez hay más herramientas para modelar ML en la que el análisis de los datos se
IA y así facilitar que todo el mundo, aunque no realiza vía la conexión de widgets en un
sean programadores, puedan acceder a esta flujo de datos común. Cada widget se
fascinante tecnología. Google, Amazon, encarga de una o más tareas de
Microsoft y otras empresas han visto los recuperación, procesado, visualización o
entornos de modelado para IA como una forma evaluación de datos. Cada quien puede
crear su propio widget pero casi todo de lo herramientas que se utilizan para crear
que se pueda imaginar ya tiene su wiget aplicaciones inteligentes y programas, que
creado. permiten trabajar de manera más sencilla y
rápida sin la necesidad de ser ingenieros en
- Knime: Es una plataforma genérica para el software o desarrolladores en el ámbito de la
análisis de datos que puede usarse con inteligencia artificial. Aunque se tiene la idea de
muchos fines diferentes. Hay más de 2000 que la inteligencia artificial llegó para desplazar
tipos de nodos que se pueden utilizar para al trabajador en sus tareas, generalmente en la
ello. Las extensiones Knime para data mayoría de los casos vino para agilizar estos
scientists y Knime para deep learning son procesos. La automatización de estos procesos
las que más interesan para el desarrollo de ahorra tiempo y le permite a los usuarios tener
aplicaciones de IA. La extensión de DL un mejor rendimiento en tareas que requieren
permite a los usuarios realizar todo tipo de de ser trabajadas manualmente. Es necesario
operaciones sobre redes neuronales y si se educar a las personas en este campo
complementa con la extensión para DS tecnológico para ir avanzando cada día más en
enriquece mucho toda la parte de recogida la inteligencia artificial y así dar a entender que
y proceso de datos. Además, Knime es open es una herramienta revolucionaria.
source.