martes, 5 de diciembre de 2017

Vídeo Nº 181: IA Lógica - Espacio de Versiones 03

Último vídeo del algoritmo de aprendizaje supervisado simbólico "Espacio de Versiones" en el que se muestra, con un ejemplo más complejo y completo que el visto en el primer vídeo, los diferentes pasos para obtener reglas de clasificación aplicando la especialización de S y la generalización de G.



lunes, 4 de diciembre de 2017

Vídeo Nº 180: IA Lógica - Espacio de Versiones 02

Una vez vista la teoría del algoritmo Espacio de Versiones, que permite hacer aprendizaje supervisado simbólico con lenguajes LDC en lógica, en este vídeo se muestra el pseudocódigo. Es bastante largo, por lo que se ha divido en varias funciones/métodos que, una vez se combinen, del el pseudocódigo completo.



domingo, 3 de diciembre de 2017

Vídeo Nº 179: IA Lógica - Espacio de Versiones 01

Espacio de Versiones es el algoritmo más simple para hacer aprendizaje supervisado simbólico con lenguajes lógicos, en concreto, el lenguaje de descripción de conceptos (LDC). Se explican las bases del algoritmo mediante un ejemplo simple. También se analizan las ventajas y los inconvenientes.




Curso Online UNED sobre Lógica:
https://oer.ia.uned.es/led/

"Lógica Para Principiantes"
María Manzano y Antonia Huertas
Alianza Editorial
ISBN: 84-206-4570-2

"Aprendizaje Automático"
Daniel Borrajo, Jesús G. Boticario y Pedro Isasi
Sanz y Torres
ISBN: 84-96094-73-1

sábado, 2 de diciembre de 2017

Vídeo Nº 178: IA Probabilidad - Árboles de Decisión ID3 03

Vídeo con un ejemplo de cómo elegir entre los atributos de un árbol de decisión usando la máxima ganancia, la entropía y la información explicada en los vídeos previos. También se mostrará el árbol resultado de aplicar el algoritmo sobre el ejemplo que se usó en el primer vídeo de la serie.



viernes, 1 de diciembre de 2017

Vídeo Nº 177: IA Probabilidad - Árboles de Decisión ID3 02

Vídeo donde se explica la teoría de los árboles de decisión, en especial el cálculo de la ganancia, la entropía y la información que se usará para saber qué atributo será el elegido en cada momento para construir las ramas del árbol de decisión. También se mostrará el algoritmo ID3, que es el más sencillo que permite crear árboles de decisiones efectivos.



jueves, 30 de noviembre de 2017

Vídeo Nº 176: IA Probabilidad - Árboles de Decisión ID3 01

Vídeo introductorio a los árboles de decisión, en el que se mostrará con ejemplos qué son y en qué se basan. Son una técnica muy utilizada hoy día para toma de decisiones, y sun un enfoque mixto de lógica y probabilidad, ya que se usa estadística y teoría  de información para construir estos árboles que luego son fácilmente trasladables a reglas lógicas simbólicas.



miércoles, 29 de noviembre de 2017

Vídeo Nº 175: IA Probabilidad - Naïve Bayes 03

Tercer vídeo de Naïve Bayes donde se muestra una introducción a la clasificación de correos como SPAM o legítimos. Para ello, se dividirá el mensaje en palabras (diccionario, saco de palabras) y se analizará la probabilidad de que un correo sea SPAM si aparecer cierta palabra en su mensaje. Para calcular las probabilidades se usará la frecuencia relativa. Se analizarán los problemas que pueden surgir (probabilidades cero o muy muy pequeñas) y cómo solucionarlos (uso de logaritmos o suavizado de Laplace). Por útlimo, se enumerarán las características que también pueden influir en la clasificación de correos.



martes, 28 de noviembre de 2017

Vídeo Nº 174: IA Probabilidad - Naïve Bayes 02

Segundo vídeo sobre aprendizaje supervisado en redes bayesianas realizando clasificación con Naïve Bayes, la red bayesiana más simple que es capaz de aprender. En este vídeo se verán algunos problemas y cómo mejorar Naïve Bayes para superarlos (sobre todo con respecto a manejo de probabilidades muy bajas o cero).



lunes, 27 de noviembre de 2017

Vídeo Nº 173: IA Probabilidad - Naïve Bayes 01

Primer vídeo sobre aprendizaje supervisado con redes bayesianas, en concreto, el algoritmo Naïve Bayes, cuyo objetivo es realizar clasificación mediante la red bayesiana más simple posible. Para ello, se requerirá la independencia condicional total da todas las variables. Se explica cómo es su estructura, cómo funciona (tanto para variables discretas como contínuas) y se mostrará el pseudocódigo para realizar el aprendizaje.



viernes, 12 de mayo de 2017

Vídeo Nº 172: IA Grafos - Aprendizaje por Refuerzo 04 (Activo Aproximado)

Último vídeo de aprendizaje por refuerzo en el que mejorará lo visto en el vídeo anterior sobre Q-Learning, permitiendo usarlo cuando hay muchos estados y acciones y acelerando además el proceso de aprendizaje. Para ello, en vez de basarse en estados y acciones nos basaremos en propiedades o características inveriantes, definidas mediante funciones de evaluación que se usarán, mediante una suma ponderada, para actualizar los q-valores.