Una buena muestra del uso de RFID

Respondiendo al comentario de Julián Inza, me he permitido crear la siguiente entrada; en la cuál presento un video que hace unos meses atrás nos presentarón en la universidad.   El mismo que desde mi punto de vista es muy descriptivo con respecto al los beneficios y posibles usos que podríamos ingeniarnos al usar este tipo de tecnología.

Beneficios:

• Trazabilidad.
• Control.
• Automatización.
• Precisión.
• Seguimiento.
• Flujo contínuo.

Y la forma en que se lo aplique puede surgir desde nuestra imaginación y de cuánto conozcamos los procesos dentro de nuestras organizaciones.

Espero haber ayudado en algo… Saludos

Introducción a los árboles de clasificación

Dentro de los métodos de clasificación supervisada nos encontramos con una gran variedad, específicamente en este post se hablará de los árboles de clasificación; esto se lo ha realizado por algunas ventajas que los mismos nos proporcionan, entre ellas tenemos:

• Sencillez.
• Accesibilidad a diferentes implementaciones.
• Aporta con una explicación al momento de analizar la clasificación realizada.
• Pueden ser representados en forma gráfica.
• Representa una gran rapidez a la hora de clasificar nuevos patrones.

Definición: Los árboles de clasificación tienen una estructura en forma de árbol, en la que las ramas representan conjuntos de decisiones; estas decisiones generan sucesivas reglas para la clasificación de un conjunto de datos en subgrupos de datos disjuntos y exhaustivos.  Las ramificaciones se generan de forma recursiva hasta que se cumplan ciertos criterios de parada.

Árbol de clasificación de los seres vivos.

Para nuestro estudio se tomará como referencia la clasificación de los seres vivos, misma que ha sido recuperada desde el enlace “Clasificación de los seres vivos”, donde se muestran en forma de tabla la clasificación existente entre las diferentes especies de seres vivos.

 

Este árbol servirá como herramienta de aprendizaje para que las personas interesadas en conocer aspectos relacionados a este tema, puedan practicar en base a un escenario de conocimiento que no implica estrictos conocimientos en el área biológica, sino más bien se presenta como una propuesta en la cual el conocimiento se genere de una forma rápida e intuitiva.

Conociendo un poco más de Inteligencia Artificial

Al leer el documento AI: It’s OK Again, (de este documento revisar las dos páginas) he podido darme cuenta de algunas variantes e interpretaciones dadas por gurúes, los mismos que han emitido sus criterios a lo largo de los últimos 50 años, desde la aparición de la misma.

Rememorando un poco de historia recuperada del libro Inteligencia Artificial [un enfoque moderno], tenemos que el término Inteligencia Artificial fue acuñado en el año de 1956, luego de la Segunda Guerra mundial, el objetivo de la IA va más allá de la comprensión de ideas y conceptos, su orientación está más bien orientada a construir entidades inteligentes, como primer punto de partida para realizar esto se utilizó la máquina de Turing, misma que fue propuesta por Alan Turing (1950), máquina que fue diseñada para proporcionar una definición operacional y satisfactoria de la inteligencia.

Entre los aspectos relevantes de esta prueba se describía que un computador debe contar con algunas características para poder decir que es inteligente:

Procesamiento de lenguaje natural: que le permita comunicarse satisfactoriamente en inglés

Representación del conocimiento: para almacenar lo que se conoce o se siente.

Razonamiento automático: para utilizar la información almacenada para responder a preguntas y extraer nuevas conclusiones

Aprendizaje automático: para adaptarse a nuevas circunstancias y para detectar y explotar patrones.

Estos fueron los criterios iniciales de la prueba de Turing, más analizando que se requería de una interacción con el medio ambiente entonces se desarrollo la prueba global de Turing, la misma en la cual se incluían los siguientes aspectos:

Visión computacional: para percibir objetos

Robótica: para manipular y mover objetos.

Paradigmas de aprendizaje automático

Si bien es cierto que muchas de las cosas que observamos en películas futuristas son simplemente el producto de la imaginación de los productores, también tienen una contraparte realista pues existen muchas entidades, organizaciones, departamentos gubernamentales (especialmente de países desarrollados) que basándose en este tipo de ideas, invierten mucho tiempo y dinero en construir prototipos de robots y/o máquinas con características de ordenadores con la finalidad de superar la frontera de simples máquinas programables, a máquinas pensantes.

Cuando era pequeño me preguntaba ¿Cómo harán los robots? ¿Las computadoras lo saben todo? ¿Algún día podremos tener como un amigo a un robot, o al menos una computadora con la cual se pueda conversar? ¿Cómo lo harán?

Bueno para responder a la mayoría de preguntas aunque sea de una forma rápida, sencilla y quizá un poco imprecisa utilizaré algún navegador web y alguno de los diferentes buscadores disponibles, pero específicamente para la última pregunta responderé con algunos elementos que se nos ha indicado en la materia de Inteligencia Artificial Avanzada.

CLASIFICACIÓN:

1. Reconocimiento de formas

1.1. Aproximaciones paramétricas: Se tienen un conocimiento a priori acerca de la forma funcional de las distribuciones de probabilidad de cada clase sobre el espacio de representación.

1.2. Aproximaciones no paramétricas: No supone ninguna forma de las distribuciones de probabilidad sobre el espacio de representación, de modo que el único conocimiento a priori será el correspondiente a la información inducida a partir del conjunto de muestras.

2. Reconocimiento de patrones

2.1. Clasificación supervisada: Parte de un conjunto de objetos descritos por un vector de características y la clase a la que pertenece cada uno de ellos; a este conjunto de objetos de los que conocemos la clase a la que pertenecen se los denomina “conjunto de entrenamiento” o “conjunto de aprendizaje”.

2.2. Clasificación no supervisada: Enfoca la clasificación como el descubrimiento de clases del problema. Los objetos únicamente vienen descritos por un vector de características.

3. Situaciones dentro del problema clasificatorio

3.1. Clases que definen el problema son separables: Cuando todos los objetos con las mismas características pertenecen a la misma clase.

3.2. Clases que definen el problema no son separables: Cuando dos o más objetos con las mismas características pertenecen a diferentes clases.

Diviertete alcanzando tus ideales

 

Todos en la vida buscamos ser o hacer algo con ese regalo maravilloso llamado vida, hoy me siento muy contento porque sin querer he aprendido muchas cosas nuevas sin pensarlo, hoy en mi clase de Inteligencia Artificial, la ingeniera nos presentó algunos videos desarrollados por unos amigos de ciclos superiores acerca de la estructura biológica de nuestro cerebro, de esta ponencia lo que más me llamó la atención fue la parte donde se expone algunas características para ejercitar nuestro cerebro, y con ello quizá brindarnos un poco más de salud.

Me parecieron interesantes algunas alternativas que se propuso entre ellas tenemos: 1) resolver crucigramas, 2) conversar con amigos 3) salir al campo o de paseo por algún lugar que no hayamos conocido antes, 4) aprender cosas nuevas ya sea idiomas, técnicas de lectura, pintura, entre otras, las mismas que no tienen que tener una relación explicita con nuestra formación profesional.

Revisando algunas páginas he encontrado la siguiente caracterización que se realiza con respecto a nuestros hemisferios cerebrales, anexo esta información por pienso que nos ayudarían a entender cuál de nuestros hemisferios cerebrales requieren mayor atención de ejercitamiento.

En el siguiente enlace encontramos algunos ejercicios para ejercitar el cerebro

—-

Hemisferio izquierdo: El hemisferio izquierdo procesa la información analítica y secuencialmente, paso a paso, de forma lógica y lineal. El hemisferio izquierdo analiza, abstrae, cuenta, mide el tiempo, planea procedimientos paso a paso, verbaliza, Piensa en palabras y en números, es decir contiene la capacidad para las matemáticas y para leer y escribir.

La percepción y la generación verbales dependen del conocimiento del orden o secuencia en el que se producen los sonidos. Conoce el tiempo y su transcurso. Se guía por la lógica lineal y binaria (si-no, arriba-abajo, antes-después, más-menos, 1, 2, 3, 4, etc.).

Este hemisferio emplea un estilo de pensamiento convergente, obteniendo nueva información al usar datos ya disponibles, formando nuevas ideas o datos convencionalmente aceptables.

Aprende de la parte al todo y absorbe rápidamente los detalles, hechos y reglas.

Analiza la información paso a paso.

Quiere entender los componentes uno por uno.