En Junio de 2017 Pedro Almagro Blanco presentó la Tesis Doctoral de título Descubrimiento de Conocimiento en Grafos Multi-Relacionales. En esta entrada se publica la introducción de su trabajo, así como el enlace al contenido de la tesis y algunos de los artículos a los que ha dado lugar.
Descubrimiento de Conocimiento en Grafos Multi-Relacionales
Modelado de Sistemas Dinámicos con Machine Learning
En Febrero de 2018 Diego Cabrera Mendieta presentó la Tesis Doctoral de título Modelado de Sistemas Dinámicos con Machine Learning: Aplicaciones al Mantenimiento Basado en la Condición. En esta entrada se publica la introducción de su trabajo, así como el enlace al contenido de la tesis y algunos de los artículos a los que ha dado lugar.
Seminario (I+A)A... y ya van tres
Da comienzo la tercera temporada del Seminario (I+A)A (Inteligencia Artificial + Aprendizaje Automático) del Dpto. de Ciencias de la Computación e Inteligencia Artificial de la Universidad de Sevilla. Próximamente aparecerá información detallada de las próximas sesiones.
Puedes encontrar más información en la página del seminario.
¿Qué Hay Detrás de los Dobles Grados?
De que los dobles grados están de moda, no hay duda, y de que empiezan ya a aparecer como champiñones en cada campus universitario que se precie, tampoco, pero... ¿qué objetivos persigue un doble grado?, ¿a quién beneficia su existencia?, ¿qué consecuencias tiene el realizarlo?
Intentaré mostrar aquí un pequeño análisis personal acerca de lo que estamos viviendo y porqué creo que es así. Quiero que conste que las opiniones mostradas son exclusivamente mías, y no reflejan en ninguna medida la opinión que pueda tener mi depertamento, como entidad universitaria, ni ninguno de mis compañeros.
Algoritmo de Monte Carlo aplicado a Búsquedas en Espacios de Estados
Cuando se trata el tema de la IA aplicada a juegos normalmente se comienza hablando de los llamados Juegos con Información Perfecta (3 en raya, Conecta 4, Damas, Reversi, Ajedrez, y Go), generalmente basados en turnos, en los que todos los jugadores pueden acceder a toda la información disponible de los demás jugadores y donde no hay elementos de azar en la mecánica del juego (como podría ser el uso de dados). Aunque hay metodologías teóricas desarrolladas para generar jugadores artificiales para este tipo de juegos, como Minimax, resultan claramente insuficientes cuando la complejidad del juego es no trivial. En esta entrada analizaremos cómo se puede aplicar el algoritmo de Monte Carlo para obtener jugadores artificiales asintóticamente óptimos en una variedad de juegos que se han resistido a otro tipo de aproximaciones más clásicas.
ALGUNAS ENTRADAS ANTERIORES ... AL AZAR
Cómo medir la Complejidad
¿Qué queremos decir con que un sistema dado muestra "comportamiento complejo"?, ¿podemos ofrecer medidas precisas para el grado de complejidad? En esta entrada se presenta un breve resumen sobre los diversos enfoques que ha habido para dar medidas concretas de esta complejidad.
Metaheurísticas
Otro nombre habitual que se le da a la perspectiva de obtener estrategias en IA es metaheurística. En este contexto, una heurística es un algoritmo que localiza soluciones "suficientemente buenas" para un problema pero sin preocuparse de si se puede probar que la solución sea correcta u óptima. Los métodos heurísticos compensan la precisión y calidad de las soluciones con la eficiencia computacional (en espacio y tiempo). Al igual que las heurísticas, las metaheurísticas pueden ser consideradas un marco algorítmico general que puede ser aplicado a diferentes problemas de optimización con ligeras modificaciones para adaptarlos a los problemas específicos.