Conocimiento

El conocimiento y su relación con los datos

Datos

Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de información que por sí solos son irrelevantes como apoyo a la toma de decisiones. También se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el por qué de las cosas y no son orientativos para la acción.

Un número telefónico o un nombre de una persona, por ejemplo, son datos que, sin un propósito, una utilidad o un contexto no sirven como base para apoyar la toma de una decisión. Los datos pueden ser una colección de hechos almacenados en algún lugar físico como un papel, un dispositivo electrónico (CD, DVD, disco duro…), o la mente de una persona. En este sentido las tecnologías de la información han aportado mucho a recopilación de datos.

Como cabe suponer, los datos pueden provenir de fuentes externas o internas a la organización, pudiendo ser de carácter objetivo o subjetivo, o de tipo cualitativo o cuantitativo, etc.

Información

La información se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad para quién debe tomar decisiones, al disminuir su incertidumbre. Los datos se pueden transforman en información añadiéndoles valor:

  • Contextualizando: se sabe en qué contexto y para qué propósito se generaron.
  • Categorizando: se conocen las unidades de medida que ayudan a interpretarlos.
  • Calculando: los datos pueden haber sido procesados matemática o estadísticamente.
  • Corrigiendo: se han eliminado errores e inconsistencias de los datos.
  • Condensando: los datos se han podido resumir de forma más concisa (agregación).

Por tanto, la información es la comunicación de conocimientos o inteligencia, y es capaz de cambiar la forma en que el receptor percibe algo, impactando sobre sus juicios de valor y sus comportamientos.

Información = Datos + Contexto (añadir valor) + Utilidad (disminuir la incertidumbre)

Conocimiento

El conocimiento es una mezcla de experiencia, valores, información y know-how que sirve como marco para la incorporación de nuevas experiencias e información, y es útil para la acción. Se origina y aplica en la mente de los conocedores. En las organizaciones con frecuencia no sólo se encuentra dentro de documentos o almacenes de datos, sino que también esta en rutinas organizativas, procesos, prácticas, y normas.

El conocimiento se deriva de la información, así como la información se deriva de los datos. Para que la información se convierta en conocimiento es necesario realizar acciones como:

  • Comparación con otros elementos.
  • Predicción de consecuencias.
  • Búsqueda de conexiones.
  • Conversación con otros portadores de conocimiento.

Componentes del Conocimiento

  • Experiencia

El conocimiento se desarrollo a través del tiempo mediante la experiencia que incluye cursos, libros, asesores y aprendizaje informal. La experiencia significa lo que ya hemos hecho y lo que nos ha sucedido en el pasado (PONER A PRUEBA).

Experto: persona con profundo conocimiento de materia, puesto a prueba y entrenado por la experiencia.

Beneficio: brinda perspectiva histórica a partir de la cuál se pueden considerar y entender nuevas situaciones y acontecimientos. Su aplicación puede ser simple o compleja, estos conocimientos basados en la experiencia son aquellos por los que las empresas pagan premios y muestran porque la experiencia cuenta

  • Verdad Práctica

Saber que se debe esperar y que se debe hacer puede ser cuestión de vida o/y muerte. La verdad práctica significa saber que es lo que realmente funciona y que es lo que no lo hace. Existe una brecha entre la verdad práctica y el análisis racional. El conocimiento de la cotidianidad de trabajo, complejo y a menudo desorganizado, en general, es más valioso que las teorías sobre el mismo.

  • Complejidad

EL conocimiento puede tratar con la complejidad de una manera compleja. No es una estructura rígida. La importancia de la experiencia y la verdad en el conocimiento es una indicación de la capacidad del conocimiento para tratar la complejidad. Un conocimiento más profundo conduce a mejores decisiones que un conocimiento superficial. El conocimiento es también la conciencia de lo que no se sabe, mientras más se sabe más humilde debemos ser, pero no saber algo puede ser perjudicial.

  • Criterio

A diferencia de los datos e información, el conocimiento implica criterio, no solo evalúa nuevas situaciones e informaciones a la luz de lo que ya se conoce, sino evalúa y se refina como respuestas a nuevas situaciones o información. Cuando el conocimiento deja de evolucionar se convierte en opinión o dogma.

FUENTE 1: http://www.sinnexus.com/business_intelligence/piramide_negocio.aspx

FUENTE 2: http://www.slideshare.net/edtorres2009/componentes-del-conocimiento

Reglas de Inferencia Lógica

Las reglas de inferencia o reglas de transformación son aquellos esquemas formales que nos permiten derivar unas fórmulas bien formadas (conclusiones) a partir de otras (premisas).

MODUS PONENDO PONENS (PP)

p → q             “Si llueve, entonces las calles se mojan”        (premisa)

p                   “Llueve”                                                    (premisa)

__________________________________________________

q                      “Luego, las calles se mojan”                         (conclusión)

 

El condicional o implicación es aquella operación que establece entre dos enunciados una relación de causa-efecto. La regla ‘ponendo ponens’ significa, “afirmando afirmo” y en un condicional establece, que si el antecedente (primer término, en este caso p) se afirma, necesariamente se afirma el consecuente (segundo término, en este caso q).

MODUS TOLLENDO TOLLENS (TT)

‘Tollendo tollens’ significa “negando, niego”, y se refiere a una propiedad inversa de los condicionales, a los que nos referíamos en primer lugar.

p → q             “Si llueve, entonces las calles se mojan”

¬q                      “Las calles no se mojan”

__________________________________________________

¬p                      “Luego, no llueve”

Si de un condicional, aparece como premisa el consecuente negado (el efecto), eso nos conduce a negar el antecedente (la causa), puesto que si un efecto no se da, su causa no ha podido darse.

Esto nos permite formular una regla combinada de las ambas anteriores, consecuencia ambas de una misma propiedad de la implicación; la regla ponendo ponens sólo nos permite afirmar si está afirmado el antecedente (el primer término de la implicación), y la regla tollendo tollens sólo nos permite negar a partir del consecuente (segundo término de la implicación); ambas consecuencias se derivan de que la implicación es una flecha que apunta en un único sentido, lo que hace que sólo se pueda afirmar a partir del antecedente y negar sólo a partir del consecuente.

DOBLE NEGACIÓN (DN)

¬¬p ↔ p

El esquema representa, “p doblemente negada equivale a p”. Siguiendo el esquema de una inferencia por pasos, la representaríamos así:

¬¬p                “No ocurre que Ana no es una estudiante”

_____________________________________________________

p                 “Ana es una estudiante”

La regla ‘doble negación’, simplemente establece que si un enunciado está doblemente negado, equivaldría al enunciado afirmado.

ADJUNCIÓN Y SIMPLIFICACIÓN

Adjunción (A): Si disponemos de dos enunciados afirmados como dos premisas separadas, mediante la adjunción, podemos unirlos en una sola premisa utilizando el operador Λ (conjunción).

p          “Juan es cocinero”

q          “Pedro es policía”

___________________________________

p Λ q   “Juan es cocinero y Pedro es policía”

Simplificación (S): obviamente, es la operación inversa. Si disponemos de un enunciado formado por dos miembros unidos por una conjunción, podemos hacer de los dos miembros dos enunciados afirmados por separado.

p Λ q               “Tengo una manzana y tengo una pera”

____________________________________________

p                      “Tengo una manzana”

q                      “Tengo una pera”

 

MODUS TOLLENDO PONENS (TP)

La disyunción, que se simboliza con el operador V, representa una elección entre dos enunciados. Ahora bien, en esa elección, forma parte de las posibilidades escoger ambos enunciados, es decir, la verdad de ambos enunciados no es incompatible, si bien, ambos no pueden ser falsos.

A partir de lo anterior, se deduce la siguiente regla, denominada tollendo ponens (negando afirmo): si uno de los miembros de una disyunción es negado, el otro miembro queda automáticamente afirmado, ya que uno de los términos de la elección ha sido descartado.

p V q                         “He ido al cine o me he ido de compras”

¬q                               “No he ido de compras”

__________________________________________________________

p                               “Por tanto, he ido al cine”

 

LEY DE LA ADICIÓN (LA)

Dado un enunciado cualquiera, es posible expresarlo como una elección (disyunción)  acompañado por cualquier otro enunciado.

a                                  “He comprado manzanas”

______________________________________________________________

a V b                           “He comprado manzanas o he comprado peras”

 

SILOGISMO HIPOTÉTICO (SH)

Dados dos implicaciones, de las cuales, el antecedente de la una sea el consecuente de la otra (el mismo enunciado), podemos construir una nueva implicación cuyo antecedente sea el de aquella implicación cuya consecuencia sea el antecedente de la otra implicación, y cuyo consecuente sea el de ésta última, cuyo antecedente era consecuencia del primero.

Expresado de otro modo, si una causa se sigue una consecuencia, y ésta consecuencia es a su vez causa de una segunda consecuencia, se puede decir que esa primera causa es causa de esa segunda consecuencia, del mismo modo que, si una bola de billar roja golpea a otra bola blanca que a su vez golpea a una bola negra, la bola roja es causa del movimiento de la bola negra. Expresado en forma de inferencia lógica:

p → q              “Si la bola roja golpea a la bola blanca, la bola blanca se mueve”

q → r              “Si la bola blanca golpea a la bola negra, la bola negra se mueve”

______________________________________________________________________

p → r              “Si la bola roja golpea a la bola blanca, la bola negra se mueve”

SILOGISMO DISYUNTIVO (DS)

Dadas tres premisas, dos de ellas implicaciones, y la tercera una disyunción cuyos miembros sean los antecedentes de los condicionales, podemos concluir en una nueva premisa en forma de disyunción, cuyos miembros serían los consecuentes de las dos implicaciones. Lógicamente, si planteamos una elección entre dos causas, podemos plantear una elección igualmente entre sus dos posibles efectos, que es el sentido de esta regla.

p → q             “Si llueve, entonces las calles se mojan”

r →  s             “Si la tierra tiembla, los edificios se caen”

p V  r              “Llueve o la tierra tiembla”

____________________________________________________

q V  s              “Las calles se mojan o los edificios se caen”

 

SIMPLIFICACIÓN DISYUNTIVA (SD)

Si disponemos de dos premisas que corresponden a dos implicaciones con el mismo consecuente, y sus antecedentes se corresponden con los dos miembros de una disyunción, podemos concluir con el consecuente de ambas implicaciones.

p V q               “Helado de fresa o helado de vainilla”

p → r              “Si tomas helado de fresa, entonces repites”

q → r              “Si tomas helado de vainilla, entonces repites”

____________________________________________________

r                      Luego, repites

 

 

LEY CONMUTATIVA

Esta ley, no es válida para la implicación, pero sí para conjunción y para la disyunción. Una conjunción es afirmar que se dan dos cosas a la vez, de modo que el orden de sus elementos no cambia este hecho. Igualmente, una disyunción es presentar una elección entre dos cosas, sin importar en qué orden se presente esta elección. Así pues,

p Λ q ↔ q Λ p            “«p y q» equivale a «q y p»”

p V q ↔ q V p             “«p ó q» equivale a «q ó p»

 

 

 

 

LEYES DE MORGAN (DM)

Esta ley permite transformar una disyunción en una conjunción, y viceversa, es decir, una conjunción en una disyunción. Cuando se pasa de una a otra, se cambian los valores de afirmación y negación de los términos de la disyunción/conjunción así como de la propia operación en conjunto, como podemos observar aquí:

p Λ q                                p V q

___________                 ____________

¬(¬p V ¬q)                        ¬(¬p Λ ¬q)

Sistema Experto para Mantenimiento de PC´s

El Sistema permitirá mediante los posibles errores que puede tener una PC y también mediante la combinación de ellas encontrar el problema de la PC.

Tabla de Objetos Valor

Reglas

SI (“contínuo reinicio del computador”==si) {
Verificar funcionamiento del cooler del microprocesador, Pasar un antivirus, Revisar que no haya conflicto de software y hardware
}
SI (“No carga nada la computadora al encenderla (pantalla negra)”==si) {
Problema en la placa de video o en las memorias
}
SI (“El equipo se bloquea con cualquien aplicación”==si) {
Sobrecalentamiento, Pasar un antivirus
}
SI (“El equipo no se enciende”==si) {
Verificar el funcionamiento de la fuente de poder y del cable de poder
}
SI (“El computador no arranca desde el disco duro”==si) {
Verificar el estado del disco duro, Realizar un scan disk, Comprobar que no existan otros medios de almacenamiento, Comprobar que el BIOS esté marcada la opción de arrancar desde el disco duro
}
SI (“El computador se demora mucho realizando alguna tarea”==si) {
Considerar repotenciar equipo, Realizar un scan disk, Pasar un antivirus
}
SI (“Un periférico no funciona correctamente”==si) {
Comprobar controladores del dispositivo
}

Código

Google Code

Arquitectura de un Sistema Experto

  • Base de conocimientos: Es la parte del sistema experto donde se encuentra el conocimiento sobre el dominio. Hay que obtener el conocimiento del experto y codificarlo en la base de conocimientos. Una forma clásica de representar el conocimiento en un sistema experto son las reglas. Una regla es una estructura condicional que relaciona lógicamente la información contenida en la parte del antecedente con otra información contenida en la parte del consecuente.
  • Base de hechos (Memoria de trabajo): Contiene los hechos sobre un problema que se han descubierto durante una consulta. Durante una consulta con el sistema experto, el usuario introduce la información del problema actual en la base de hechos. El sistema empareja esta información con el conocimiento disponible en la base de conocimientos para deducir nuevos hechos.
  • Motor de inferencia: El sistema experto modela el proceso de razonamiento humano con un módulo conocido como el motor de inferencia. Dicho motor de inferencia trabaja con la información contenida en la base de conocimientos y la base de hechos para deducir nuevos hechos. Contrasta los hechos particulares de la base de hechos con el conocimiento contenido en la base de conocimientos para obtener conclusiones acerca del problema.
  • Subsistema de explicación: Una característica de los sistemas expertos es su habilidad para explicar su razonamiento. Usando el módulo del subsistema de explicación, un sistema experto puede proporcionar una explicación al usuario de por qué está haciendo una pregunta y cómo ha llegado a una conclusión. Este módulo proporciona beneficios tanto al diseñador del sistema como al usuario. El diseñador puede usarlo para detectar errores y el usuario se beneficia de la transparencia del sistema.
  • Interfaz de usuario: La interacción entre un sistema experto y un usuario se realiza en lenguaje natural. También es altamente interactiva y sigue el patrón de la conversación entre seres humanos. Para conducir este proceso de manera aceptable para el usuario es especialmente importante el diseño del interfaz de usuario. Un requerimiento básico del interfaz es la habilidad de hacer preguntas. Para obtener información fiable del usuario hay que poner especial cuidado en el diseño de las cuestiones. Esto puede requerir diseñar el interfaz usando menús o gráficos.

FUENTE

Sistemas Expertos Pioneros

En1965 aparece DENDRAL, el primer sistema experto. Es en ese año cuando Feigenbaum entra a formar parte del departamento de informática de Stanford. Allí conoció a Joshua Lederberg, el cual quería averiguar cual era la estructura de las moléculas orgánicas completas. El objetivo de DENDRAL fue estudiar un compuesto químico. El descubrimiento de la estructura global de un compuesto exigía buscar en un árbol las posibilidades, y por esta razón su nombre es DENDRAL que significa en griego “árbol”. Antes de DENDRAL los químicos solo tenían una forma de resolver el problema, estar era tomar unas hipótesis relevantes como soluciones posibles, y someterlas a prueba comparándolas con los datos.La realización de DENDRAL duró más de diez años (1965-1975). Se le puede considerar el primer sistema experto.

En 1972, en la Universidad de Standford se desarrolla MYCIN, sistema experto dentro del campo de la medicina para diagnostico de enfermedades infecciosas en la sangre. MYCIN se trataba de un sistema experto para el diagnóstico de enfermedades infecciosas. Desde los resultados de análisis de sangre, cultivos bacterianos y demás datos, el programa era capaz de determinar, o en lo menos, sugerir el microorganismo que estaba causando la infección. Después de llegar a una conclusión, MYCIN prescribía una medicación que se adaptaba perfectamente a las características de la persona, tales como el peso corporal de este.

En 1973 se desarrolla el sistema experto llamado TIERESIAS. El cometido de este sistema experto era el de servir de intérprete entre MYCIN y los especialistas que lo manejaban, a la hora introducir nuevos conocimientos en su base de datos. El especialista debía utilizar MYCIN de una forma normal, y cuando este cometiera un error en un diagnóstico (hecho producido por la falta o fallo de información en el árbol de desarrollo de teorías) TEIRESIAS corregiría dicho fallo destruyendo la regla si es falsa o ampliándola si es eso lo que se necesita.

En 1979 aparece XCON, primer programa que sale del laboratorio Su usuario fue la Digital Equipament Corporation (DEC).El cometido de XCON sería configurar todos los ordenadores que saliesen de la DEC. El proyecto presentó resultados positivos y se empezó a trabajar en el proyecto más en serio en diciembre de 1978.

Entre los años 80 a 85 se produce la revolución de los Sistemas Expertos

En estos 5 años se crearon diversos sistemas expertos como el DELTA, de General Electric Company, para la reparación de locomotoras diesel y eléctricas. “Aldo en Disco” para la reparación de calderas hidróstaticas giratorias usadas para la eliminación de bacterias.

Se crearon multitud de empresas dedicadas a los sistemas expertos como Teknowledge Inc., Carnegie Group, Symbolics, Lisp Machines Inc., Thinking Machines Corporation, Cognitive Systems Inc…. formando una inversión total de 300 millones de dólares. Los productos más importantes que creaban estas nuevas compañías eran las “máquinas Lisp”, que se trataba de unos ordenadores que ejecutaban programas LISP con la misma rapidez que en un ordenador central, y el otro producto fueron las “herramientas de desarrollo de sistemas expertos”.

En 1987 XCON empieza a no ser rentable. Los técnicos de DEC tuvieron que actualizar XCOM rápidamente llegándose a gastar más de dos millones de dólares al año para mantenimiento y algo parecido ocurrió con el DELTA..También en 1987 aparecieron los microordenadores Apple y compatibles IBM con una potencia parecida a los LISP. El software se transfirió a máquinas convencionales utilizando el lenguaje “C” lo que acabó con el LISP.

A partir de los 90 y con el desarrollo de la informatica, se produce un amplio desarrollo en el campo de la IA y los sistemas expertos, pudiéndose afirmar que estos se han convertido en una herramienta habitual en determinadas empresas en la actualidad.

La evolución histórica de los métodos utilizados en el desarrollo de los sistemas expertos también se ha producido a medida que se ha ido desarrollando la IA y los diferentes métodos que se han empleado para su resolución. El desarrollo de lenguajes como LISP y PROLOG condicionaron esa evolución, así como investigaciones en diversos campos relacionados. Los primeros sistemas expertos que se desarrollaron en los años 60 eran capaces de resolver solo problemas basados en situaciones determinadas ,mediante sistemas de reglas .Es a partir de los 70 cuando se empiezan a resolver problemas basados en situaciones inciertas, basados en medidas difusas al principio y en redes probabilísticas con posterioridad. En la siguiente figura se aprecia la evolución histórica en la resolución de problemas mediante sistemas expertos.

Fuente

Diferencias entre el ciclo de vida de un sistema tradicional y el de un sistema experto

Ciclo de vida de un sistema tradicional

Es el conjunto de actividades que los analistas, diseñadores y usuarios realizan para desarrollar e implantar un sistema. El método del ciclo de vida para el desarrollo de sistemas consta de 6 fases:

  • Investigación Preliminar: La solicitud para recibir ayuda de un sistema de información puede originarse por varias razones: sin importar cuales sean estas, el proceso se inicia siempre con la petición de una persona.
  • Determinación de los requerimientos del sistema: El aspecto fundamental del análisis de sistemas es comprender todas las facetas importantes de la parte de la empresa que se encuentra estudio. Los analistas, al trabajar con los empleados y administradores, deben estudiar los procesos de una empresa para dar respuesta a las siguientes preguntas clave:
    • ¿Qué es lo que hace?
    • ¿Cómo se hace?
    • ¿Con que frecuencia se presenta?
    • ¿Qué tan grande es el volumen de transacciones o decisiones?
    • ¿Cuál es el grado de eficiencia con el que se efectúan las tareas?
    • ¿Existe algún problema? ¿Qué tan serio es? ¿Cuál es la causa que lo origina?
  • Diseño del sistema: El diseño de un sistema de información produce los detalles que establecen la forma en la que el sistema cumplirá con los requerimientos identificados durante la fase de análisis. Los en sistemas se refieren, con frecuencia, a esta etapa como diseño lógico en contraste con la del desarrollo del software, a la que denominan diseño físico.
  • Desarrollo del software: Los encargados de desarrollar software pueden instalar software comprobando a terceros o escribir programas diseñados a la medida del solicitante. La elección depende del costo de cada , del tiempo disponible para escribir el software y de la disponibilidad de los programadores.
  • de sistemas: Durante la prueba de sistemas, el sistema se emplea de manera experimental para asegurarse de que el software no tenga fallas, es decir, que funciona de acuerdo con las especificaciones y en la forma en que los usuarios esperan que lo haga. Se alimentan como conjunto de datos de prueba para su procesamiento y después se examinan los resultados.
  • Implantación y evaluación: La implantación es el proceso de verificar e instalar nuevo , entrenar a los usuarios, instalar la aplicación y construir todos los archivos de datos necesarios para utilizarla. Una vez instaladas, las aplicaciones se emplean durante muchos años. Sin embargo, las organizaciones y los usuarios cambian con el paso del tiempo, incluso el ambiente es diferente con el paso de las semanas y los meses.

Ciclo de vida de un sistema experto

Los Sistemas Expertos se basan principalmente en procesos heurísticos antes que algorítmicos. Si bien los software convencionales, involucra la representación de procedimientos algorítmicos bien defibnidos y conocidos, los SE involucran representación de conocimiento heurístico. Se debe utilizar técnicas de transferencia denominada Adquisición del Conocimiento.
  • Análisis del problema: Se encarga de valuar el problema y los recursos disponibles para determinar la aplicación de una solución basada en conocimiento. Se trata de desarrollar análisis costo-beneficio del SE. Se puede requerir de una investigación de mercadoo un examen profundo del propósito del sistema pedido, para determinar la efectividad del costo del sistema.
  • Especificación de Requerimientos: Formalizar y poner por escrito lo que fue adquirido durante la fase de análisis. Determinar los objetivos del proyecto, y establece los medios para obtener dichos objetivos. La experiencia demuestra que sin tener especificaciones no es posible diseñar un SE de real utilidad. El documento de especificaciones debe plantear claramente y discutir los objetivos y las características del sistema, el entorno del usuario, y las limitaciones.
  • Diseño preliminar: Considera las decisiones de alto nivel necesarias para preparar y desarrollar rápidamente el prototipo inicial. Determina la herramienta escogida para construir el prototipo, y la selección de los expertos. Puede ser necesaria una considerable recopilación de conocimiento tanto de los expertos, como de fuentes impresas/electrónicas, para poder tomar decisiones sólidas.
  • Prototipo inicial y evaluación: Etapa clave debido a que todas las decisiones tomadas en el diseño preliminar deben ser ya sea confirmadas, rectificadas o desechadas, sobre la base del conocimiento recopilado de los expertos en el proceso hasta completar esta etapa. El prototipo inicial debe verse como el sistema completo, excepto que estará limitado en su cobertura. Debe incluirse una bien definida interfaz con el usuario y un robusto subconjunto de conocimiento de tal forma que los usuarios puedan juzgar su aceptabilidad. Lo anterior no significa que el prototipo debe ser altamente robusto, simplemente debe reflejar la forma que tendría el sistema final que será construido. Se recomienda que el prototipo inicial sea desechado una vez que se haya completado su evaluación. La clave en la etapa del prototipo es que se debe extraer tanto conocimiento y opiniones de expertos y usuarios como sea posible para poder validar satisfactoriamente las decisiones de diseño. Cualquier error cometido en las etapas anteriores debería ser detectado y corregido en esta etapa.
  • Diseño Final: Selección de las herramientas y de los recursos necesarios para desarrollar el sistema a ser entregado. Selección del modelo para representar el conocimiento. Lo anterior inside en la herramienta que será seleccionada.  Se recomienda realizar una descripción gráfica de los diferentes módulos del sistema. Para cada uno de estos módulos el diseño debe incluir las especificaciones de las entradas típicas y las salidas o conclusiones esperadas. Como es muy factible que una misma entrada se use en más de un módulo, es primordial preparar una descripción del subsistema de interfaces.
  • Implementación: Puede consumir la mayor parte del tiempo del ciclo de vida de un SE, aun cuando exista un excelente diseño. La implementación comprende el proceso completo de adquisición del conocimiento para todos los módulos o subsistemas. En esta etapa tiene lugar el desarrollo incremental.
  • Pruebas: Se desea asegurar la calidad del SE, especialmente a medida que el SE es más grande y complejo, o es de aplicación crítica. El Plan de Prueba debe incluir procesos de verificación y validación.
  • Ajuste de diseño: A medida que el trabajo avanza y los ingenieros cognoscitivos o del conocimiento, tienen a la vista los problemas detectados, deben realizar los ajustes necesarios al inicio de cada iteración. Si estos ajustes cada vez son relativamente más pequeños y no son retroactivos, se tiene una buena medida de que se está progresando, de lo  contrario, puede representar un serio retardo al proyecto y posiblemente requerir un cambio de modelo.
  • Instalación, Implementación y Mantenimiento: En la etapa final del ciclo de vida de un SE se traslada el sistema desarrollado, como un producto operativo hacia el entorno de los usuarios. Se deben realizar varias actividades de instalación, implementación y mantenimiento similares a las de un sistema de software convencional.

 

Fuente 1

Fuente 2

Weka (aprendizaje automático)

Weka (Waikato Environment for Knowledge Analysis – Entorno para Análisis del Conocimiento de la Universidad de Waikato) es una plataforma de software para aprendizaje automático y minería de datos escrito en Java y desarrollado en la Universidad de Waikato. Weka es un software libre distribuido bajo licencia GNU-GPL.

El paquete Weka contiene una colección de herramientas de visualización y algoritmos para análisis de datos y modelado predictivo, unidos a una interfaz gráfica de usuario para acceder fácilmente a sus funcionalidades. La versión original de Weka fue un front-end en TCL/TK para modelar algoritmos implementados en otros lenguajes de programación, más unas utilidades para preprocesamiento de datos desarrolladas en C para hacer experimentos de aprendizaje automático. Esta versión original se diseñó inicialmente como herramienta para analizar datos procedentes del dominio de la agricultura, pero la versión más reciente basada en Java (WEKA 3), que empezó a desarrollarse en 1997, se utiliza en muchas y muy diferentes áreas, en particular con finalidades docentes y de investigación.

Razones a favor de Weka

Los puntos fuertes de Weka son:

  • Está disponible libremente bajo la licencia pública general de GNU.
  • Es muy portable porque está completamente implementado en Java y puede correr en casi cualquier plataforma.
  • Contiene una extensa colección de técnicas para preprocesamiento de datos y modelado.
  • Es fácil de utilizar por un principiante gracias a su interfaz gráfica de usuario.

Weka soporta varias tareas estándar de minería de datos, especialmente, preprocesamiento de datos, clustering, clasificación, regresión, visualización, y selección. Todas las técnicas de Weka se fundamentan en la asunción de que los datos están disponibles en un fichero plano (flat file) o una relación, en la que cada registro de datos está descrito por un número fijo de atributos (normalmente numéricos o nominales, aunque también se soportan otros tipos). Weka también proporciona acceso a bases de datos vía SQL gracias a la conexión JDBC (Java Database Connectivity) y puede procesar el resultado devuelto por una consulta hecha a la base de datos. No puede realizar minería de datos multi-relacional, pero existen aplicaciones que pueden convertir una colección de tablas relacionadas de una base de datos en una única tabla que ya puede ser procesada con Weka.

Carencias de Weka

Un área importante que actualmente no cubren los algoritmos incluidos en Weka es el modelado de secuencias.

Fuente: http://es.wikipedia.org/wiki/Weka_%28aprendizaje_autom%C3%A1tico%29