Tarea 3 – Descripción de un problema

Descripción del problema

Con su grupo de trabajo, debe “Buscar” un problema posible de resolver a través de aprendizaje automático.
– Describir el problema a resolver

             Se adjunta archivo Excel con base de datos de 2000 registros aproximadamente con los datos        de SIMCE para poder realizar una perspectiva del año 2014, y así poder ver si podemos                      obtener una información fidedigna con los resultados de los dos SIMCE anteriores, con el fin              de poder confeccionar una mejora continua de este tipo de evaluaciones.

– Buscar los datos de Entrenamiento y de pruebas para el problema descrito.

           Archivo: Muestra de Datos SIMCE Año 2012 2dos medios(Establecimientos).xlsx

• Fecha tope de entrega del Informe con sus respectivos datos, Jueves 27 de Septiembre

Tarea - Ejercicio de Programación 1: Regresión Lineal

Este documento dará cuenta de la realización del Ejercicio de programación 1: Regresión Lineal, ejercicio que trata de implementar funciones de costo, gradiente descendente y ecuaciones normales, para poder predecir el precio de una casa con ciertos parámetros y con conjuntos de entrenamiento (datos) dados.

Mediante la aplicación de diferentes algoritmos en octave logramos predecir el valor de las casas, según se describe a continuación en este documento.

https://docs.google.com/document/d/1Srawkk89cYbSVeKzxbwFQDTtox6UK7VfmC6lK7LpqxA/edit?usp=sharing

Gradiente de descenso por regresión lineal

Tarea 1

Objetivo: Con su grupo de trabajo, desarrollar en Octave, las gráficas de la función hipótesis h(x), según se indica en la figura.

Desarrollo:

• Gráfico 1:
• x=[1,2,3]
• o0=1.5
• o1=0
• h0(x)=o0+o1*x
• plot(x,h0(x))
• Resultado 1:
  

• Gráfico 2:
• x=[1,2,3]
• o0=0
• o1=0.5
• h0(x)=o0+o1*x
• plot(x,h0(x))
• Resultado 2:

• Gráfico 3:
• x=[1,2,3]
• o0=1
• o1=0.5
• h0(x)=o0+o1*x
• plot(x,h0(x))
• resultado 3:

Link OCTAVE

Clase 30 de Agosto - Proyectos Sistemas Inteligentes

Clase 30 Agosto - Proyecto Sistemas Inteligentes

------------------------------------------------------------

Conjunto de Entrenamiento para el precio de las Casas

m = Numero de ejemplos de Entrenamiento

X’s = Variable de Entrada  /Característica

Y’s = Variable de Salida /Variable “Objetivo”

h=Funcion Hipotesis

   Conjunto Entrenamiento

                                   |

  Algoritmos de Aprendizajes

                                    |

Tamaño de la Casa ← h → Precio Estimado

        

Como se representa h → Regresión Lineal con una variable

Regresión lineal univariable

Función de Costo que se busca minimizar es J

Se realizan ejercicios para poder aprender a calcular h y J, donde J es el costo de la función ósea cuan buena puede ser mi función.

Tarea: Octave: Realizar los tres graficos de la clase.

Clase 23 de Agosto 2014 - Proyecto Sistemas Inteligentes

Proyecto de sistemas Inteligentes

-------------------------------------------

ACI 920 - Introducciòn Profesor  Erwin Fisher 23 de Agosto 2014

Por que el aprendizaje automático:

Creció fuera de la IA

Nueva capacidad para los computadores

Ejemplos:

- Mineria de Datos

Grandes conjuntos de datos del creciente proceso de automatizaciòn y de la web

EJj: Datos de Click en la Web, Registros Médicos, Biologìa Computacional, Ingeniería.

Aplicaciones que no se pueden programar a Mano →Ej:  

Helicópteros autónomos, reconocimiento de escritura

Procesamiento del lenguaje Natural (PLN), Visiòn por computador

12 ITL Skills:

1.- Término aprendizaje de máquina

¿Que es Aprendizaje Automático?

R.- Es el conocimiento en base a la experiencia.

Arthur Samuel(1959) Es el Campo de estudio que ofrece a los computadores la capacidad de aprender sin ser programado de forma explícita.

Tom Mitchell (1998): Un problema de aprendizaje bien planteado se define como sigue: Un programa de computador aprende en base a la experiencìa.

Se desarrolla Ejercicio:

“Un programa de computador aprende de la experiencia E, con respecto alguna tarea T y alguna medida de rendimiento P, si su desempeño en T, medido por P, Mejora la experiencia E.

Algoritmo de aprendizaje:

- Aprendizaje Supervisado

- Aprendizaje no supervisado

Otros:

- Por refuerzo

- Por recomendaciòn

También veremos: Consejos prácticos para la aplicaciòn de algoritmo de aprendizajes.

Ejercicio predicciòn precios de Viviendas.

Aprendizaje supervisado:

--------------------------------

Cuando tenemos un conjunto de datos con las respuestas correctas

Problema de Regresiòn: Predecir una salida de valores continuos (Precio)

Problema de Clasificaciòn: Salida de valores discretos (0 o 1)

Se realiza ejercicio

Algoritmo Aprendizaje no supervisado:

-------------------------------------------------

Es cuando se consta de muchos datos y se pueden agrupar en base a características similares. (Por ejemplo para el genoma humano)

El problema del Cocktail Party → Utilizaciòn algoritmo de aprendizaje automático no supervisado

Grabaciòn de voces de dos personas con dos micrófonos, donde se realiza separaciòn  de cada voz

Grabaciòn con una Voz y Música y separa una de la otra con claridad

{W,s,v} = svd((repmat(sum(x.*x,1),size(x,1),1).*x)*x`);

Tarea:

Matlab → Software

GNU octave u GNU octave online → Se debe instalar en nuestras maquinas para realizar ejercicio de matrices, una matriz con otra matriz, sumar, multiplicar  y dividir matrices. (algebra lineal)

ejercicio de algoritmo no supervisado

1.- (Profesor solicitar revisiòn del Data de la sala J502 )

2.- Profesor debe subir la PPT correspondiente al curso del dìa sabado 23 de Agosto

3.- El profesor indica que subirá PPT y en el caso que alguno de los compañeros tenga informaciòn como aporte a la clase la puede subir como complemento.