36345209
Description
Mind Map by Yamith Duarte, updated more than 1 year ago
|
Created by Yamith Duarte
over 2 years ago
|
|
Diferentes Técnicas
Inteligentes para la
Gestión del
Conocimiento
- La gestión del conocimiento es un concepto importante y
crucial para construir verdaderamente una ventaja
competitiva, ya que este involucra talento estratégico,
para lograr los objetivos comerciales, la gestión
estratégica hace referencia a la infraestructura de las
personas, los procesos y la información, para que este
conocimiento compartido respalde decisiones sólidas y
efectivas.
- sus beneficios
- - Combinar habilidades de aprender a
aprender - Comunicación y colaboración
- Pensamiento creativo y solución de
problemas - Cultura tecnológica -
Cultura global de negocios - Desarrollo
de liderazgo - Autogestión de la carrera
profesional
- - Combinar habilidades de aprender a
aprender - Comunicación y colaboración
- Pensamiento creativo y solución de
problemas - Cultura tecnológica -
Cultura global de negocios - Desarrollo
de liderazgo - Autogestión de la carrera
profesional
- Las Diferentes Técnicas Inteligentes son:
- Minería de Datos (MD)
- se define como
- Es el conjunto de técnicas que
permiten acceder a los datos
contenidos en la base de datos
de la empresa e identificar
patrones de comportamiento y
tendencias.
- Que analiza
- - Filtrar todo el ruido
caótico y repetitivo en
sus datos. - Entender
qué es relevante y
luego hacer un buen
uso de esa
información para
evaluar resultados
probables. - Acelerar
el ritmo de la toma de
decisiones
informadas.
- - Filtrar todo el ruido
caótico y repetitivo en
sus datos. - Entender
qué es relevante y
luego hacer un buen
uso de esa
información para
evaluar resultados
probables. - Acelerar
el ritmo de la toma de
decisiones
informadas.
- Los modelo que encontramos son
- Modelado descriptivo: explore similitudes o
combinaciones comunes en datos históricos
para identificar las razones del éxito o el
fracaso, como calificar a los clientes por
preferencia o sentimiento por un producto.
- Modelado predictivo: este modelo va tan lejos
como para categorizar eventos futuros o
calcular resultados desconocidos, y ayuda a
revelar información sobre cosas como las
actitudes de los clientes, los comentarios de
los clientes y más. Campaña o alcance.
- Modelado descriptivo: con la proliferación de
datos no estructurados de la web, campos de
comentarios, libros, correos electrónicos,
archivos PDF, audio y otras fuentes de texto, el
uso de la minería de datos de texto como
disciplina relacionada con la minería de datos ha
aumentado significativamente. Debe poder
analizar, filtrar y transformar con éxito datos no
estructurados en modelos predictivos para
mejorar la precisión de los pronósticos.
- Modelado descriptivo: con la proliferación de
datos no estructurados de la web, campos de
comentarios, libros, correos electrónicos,
archivos PDF, audio y otras fuentes de texto, el
uso de la minería de datos de texto como
disciplina relacionada con la minería de datos ha
aumentado significativamente. Debe poder
analizar, filtrar y transformar con éxito datos no
estructurados en modelos predictivos para
mejorar la precisión de los pronósticos.
- Modelado predictivo: este modelo va tan lejos
como para categorizar eventos futuros o
calcular resultados desconocidos, y ayuda a
revelar información sobre cosas como las
actitudes de los clientes, los comentarios de
los clientes y más. Campaña o alcance.
- Modelado descriptivo: explore similitudes o
combinaciones comunes en datos históricos
para identificar las razones del éxito o el
fracaso, como calificar a los clientes por
preferencia o sentimiento por un producto.
- se caracteriza por:
- Ayuda en la toma de decisiones: una gran cantidad de datos de poco
servirá si no se analizan y extraen de los resultados. Esta "minería" es
específicamente esta búsqueda de estos datos para contener datos
relevantes que puedan proporcionar información que conduzca a
"decisiones informadas" y sus conclusiones.
- Tendencias: uno de los desafíos de la minería de datos es
encontrar tendencias entre grandes volúmenes. Estos son
patrones o reglas recurrentes que pueden explicar o detectar
ciertos comportamientos. En marketing, por ejemplo, es posible
agrupar a personas con intereses y objetivos comunes y crear un
patrón en torno a sus compras.
- Pronóstico: Como hemos visto en la definición de minería de datos, este
trabajo nos permite predecir y así puede ser complementario a las empresas
para pronosticar escenarios potenciales. Por ejemplo, gestión de riesgos o
cobertura de necesidades de recursos.
- Descubrimiento de conocimiento: la minería de datos busca descubrir el
conocimiento en las bases de datos. Entonces es importante que no tengas una
base de datos enorme, pero sí es importante encontrar las claves de los
modelos que nos permitan generar ese conocimiento.
- Tecnología: el Data Mining no es una cuestión nueva, de hecho, este término se utiliza desde los
años 90. Sus técnicas van mejorando conforme lo hace su tecnología y, actualmente, se sirve de
disciplinas como la estadística (estudia la variabilidad), inteligencia artificial (inteligencia
llevada a cabo por máquinas) y machine learning (aprendizaje automático de máquinas).
- Diferentes sectores: este análisis predictivo se puede realizar en cualquier sector,
incluso si el sector más común es el marketing, el comercio minorista o la banca. En
marketing, por ejemplo, puedes hacer una segmentación más precisa y crear
campañas más personalizadas. En el sector bancario, no solo se utiliza para estudiar
tendencias a través de pagos con tarjeta de crédito, sino que también permite el
análisis de transacciones para detectar fraudes.
- Diferentes sectores: este análisis predictivo se puede realizar en cualquier sector,
incluso si el sector más común es el marketing, el comercio minorista o la banca. En
marketing, por ejemplo, puedes hacer una segmentación más precisa y crear
campañas más personalizadas. En el sector bancario, no solo se utiliza para estudiar
tendencias a través de pagos con tarjeta de crédito, sino que también permite el
análisis de transacciones para detectar fraudes.
- Tecnología: el Data Mining no es una cuestión nueva, de hecho, este término se utiliza desde los
años 90. Sus técnicas van mejorando conforme lo hace su tecnología y, actualmente, se sirve de
disciplinas como la estadística (estudia la variabilidad), inteligencia artificial (inteligencia
llevada a cabo por máquinas) y machine learning (aprendizaje automático de máquinas).
- Descubrimiento de conocimiento: la minería de datos busca descubrir el
conocimiento en las bases de datos. Entonces es importante que no tengas una
base de datos enorme, pero sí es importante encontrar las claves de los
modelos que nos permitan generar ese conocimiento.
- Pronóstico: Como hemos visto en la definición de minería de datos, este
trabajo nos permite predecir y así puede ser complementario a las empresas
para pronosticar escenarios potenciales. Por ejemplo, gestión de riesgos o
cobertura de necesidades de recursos.
- Tendencias: uno de los desafíos de la minería de datos es
encontrar tendencias entre grandes volúmenes. Estos son
patrones o reglas recurrentes que pueden explicar o detectar
ciertos comportamientos. En marketing, por ejemplo, es posible
agrupar a personas con intereses y objetivos comunes y crear un
patrón en torno a sus compras.
- Ayuda en la toma de decisiones: una gran cantidad de datos de poco
servirá si no se analizan y extraen de los resultados. Esta "minería" es
específicamente esta búsqueda de estos datos para contener datos
relevantes que puedan proporcionar información que conduzca a
"decisiones informadas" y sus conclusiones.
- Que analiza
- Es el conjunto de técnicas que
permiten acceder a los datos
contenidos en la base de datos
de la empresa e identificar
patrones de comportamiento y
tendencias.
- se define como
- Inteligencias Empresarial (BI)
- se define como
- Es un conjunto de procesos, aplicaciones y tecnologías que
facilitan la recolección rápida y sencilla de datos de los
sistemas de gestión empresarial para su análisis e
interpretación, de manera que los datos puedan ser utilizados
para la toma de decisiones y se conviertan en conocimiento
para los líderes empresariales.
- sus ventajas son:
- Incremento de la eficiencia: Al contar con los datos de manera
accesible y ágil puedes generar información de valor centralizada.
- Respuestas rápidas a situaciones de negocio: Poder tomar
decisiones en el momento indicado. Gracias al BI tener las
respuestas en minutos de manera clara y concisa. - Control de las
áreas funcionales de la empresa: La información de valor día a día,
se puede aprovechar para conocer tendencias, proyectar datos,
analizar escenarios, etc. - Mejora tu servicio al cliente: Al contar
con la información más importante y en tiempo real se puede
ofrecer a los clientes un servicio de mayor calidad desde el pedido
hasta el servicio post-venta. - Presenta información por medio de
tableros de indicadores para una comunicación más simple y
directa de la situación de la empresa.
- Incremento de la eficiencia: Al contar con los datos de manera
accesible y ágil puedes generar información de valor centralizada.
- Respuestas rápidas a situaciones de negocio: Poder tomar
decisiones en el momento indicado. Gracias al BI tener las
respuestas en minutos de manera clara y concisa. - Control de las
áreas funcionales de la empresa: La información de valor día a día,
se puede aprovechar para conocer tendencias, proyectar datos,
analizar escenarios, etc. - Mejora tu servicio al cliente: Al contar
con la información más importante y en tiempo real se puede
ofrecer a los clientes un servicio de mayor calidad desde el pedido
hasta el servicio post-venta. - Presenta información por medio de
tableros de indicadores para una comunicación más simple y
directa de la situación de la empresa.
- sus principales características
que limitan estos sistemas son
- Gran rapidez a la hora de extraer datos: el usuario tiene que ceñirse
a los informes predeterminados, en el instante de la implantación ,
y que no siempre responden a las necesidades reales.
- Falta de Integración de los datos: Barias empresas disponen de múltiples
sistemas de información, incorporados en momentos distintos para
resolver problemáticas. Sus bases de datos no suelen estar integradas, lo
que implica la existencias de islas de información.
- Ausencia de Información Histórica: los datos almacenados en
los sistemas operacionales, están diseñados para llevar la
empresa al día, pero no siempre permiten contractar la
situación actual con una retrospectiva de datos.
- Ausencia de Información Histórica: los datos almacenados en
los sistemas operacionales, están diseñados para llevar la
empresa al día, pero no siempre permiten contractar la
situación actual con una retrospectiva de datos.
- Falta de Integración de los datos: Barias empresas disponen de múltiples
sistemas de información, incorporados en momentos distintos para
resolver problemáticas. Sus bases de datos no suelen estar integradas, lo
que implica la existencias de islas de información.
- Gran rapidez a la hora de extraer datos: el usuario tiene que ceñirse
a los informes predeterminados, en el instante de la implantación ,
y que no siempre responden a las necesidades reales.
- sus ventajas son:
- Es un conjunto de procesos, aplicaciones y tecnologías que
facilitan la recolección rápida y sencilla de datos de los
sistemas de gestión empresarial para su análisis e
interpretación, de manera que los datos puedan ser utilizados
para la toma de decisiones y se conviertan en conocimiento
para los líderes empresariales.
- se define como
- Sistemas DSS y EIS
- Son herramientas que enfatizan el
análisis cuantitativo y el soporte al
trabajo gerencial
- Sistemas de Soporte a la Decisión (DSS)
- se define como:
- Son sistemas informáticos interactivos
que permiten a los administradores
tomar decisiones fácilmente utilizando
datos y modelos para resolver
problemas no estructurados. El DSS
apoya la toma de decisiones con base
en datos objetivos a nivel gerencial.
Ayuda a profundizar en la información
con un alto nivel de detalle, analizar
datos desde diferentes ángulos,
habilitar la previsión de información
para predecir lo que puede pasar en el
futuro, análisis de tendencias, análisis
prospectivo, etc.
- sus objetivos son
- Ayuda a los gerentes a tomar decisiones para tratar de
resolver problemas semiestructurados - Apoya el juicio
del gerente en lugar de tratar de reemplazarlo - Mejora la
eficacia del gerente en la toma de decisiones más que su
eficiencia
- Ayuda a los gerentes a tomar decisiones para tratar de
resolver problemas semiestructurados - Apoya el juicio
del gerente en lugar de tratar de reemplazarlo - Mejora la
eficacia del gerente en la toma de decisiones más que su
eficiencia
- encontramos estos tipos
de sistemas
- Sistemas de información gerencial (MIS): Los sistemas de
información gerencial (MIS, Management Information
Systems), tambien llamados Sistemas de Información
Administrativa (AIS) dan soporte a un espectro más amplio de
tareas organizacionales, encontrándose a medio camino entre
un DSS tradicional y una aplicación CRM/ERP implantada en
la misma compañía.
- Sistemas expertos basados en inteligencia artificial (SSEE): Los
sistemas expertos, también llamados sistemas basados en
conocimiento, utilizan redes neuronales para simular el
conocimiento de un experto y utilizarlo de forma efectiva para
resolver un problema concreto. Este concepto está muy
relacionado con el datamining.
- Sistemas de apoyo a decisiones de grupo (GDSS): Un
sistema de apoyo a decisiones en grupos (GDSS,
Group Decision Support Systems) es "un sistema
basado en computadoras que apoya a grupos de
personas que tienen una tarea (u objetivo) común, y
que sirve como interfaz con un entorno compartido".
El supuesto en que se basa el GDSS es que si se
mejoran las comunicaciones se pueden mejorar las
decisiones.
- Sistemas de apoyo a decisiones de grupo (GDSS): Un
sistema de apoyo a decisiones en grupos (GDSS,
Group Decision Support Systems) es "un sistema
basado en computadoras que apoya a grupos de
personas que tienen una tarea (u objetivo) común, y
que sirve como interfaz con un entorno compartido".
El supuesto en que se basa el GDSS es que si se
mejoran las comunicaciones se pueden mejorar las
decisiones.
- Sistemas expertos basados en inteligencia artificial (SSEE): Los
sistemas expertos, también llamados sistemas basados en
conocimiento, utilizan redes neuronales para simular el
conocimiento de un experto y utilizarlo de forma efectiva para
resolver un problema concreto. Este concepto está muy
relacionado con el datamining.
- Sistemas de información gerencial (MIS): Los sistemas de
información gerencial (MIS, Management Information
Systems), tambien llamados Sistemas de Información
Administrativa (AIS) dan soporte a un espectro más amplio de
tareas organizacionales, encontrándose a medio camino entre
un DSS tradicional y una aplicación CRM/ERP implantada en
la misma compañía.
- sus objetivos son
- Son sistemas informáticos interactivos
que permiten a los administradores
tomar decisiones fácilmente utilizando
datos y modelos para resolver
problemas no estructurados. El DSS
apoya la toma de decisiones con base
en datos objetivos a nivel gerencial.
Ayuda a profundizar en la información
con un alto nivel de detalle, analizar
datos desde diferentes ángulos,
habilitar la previsión de información
para predecir lo que puede pasar en el
futuro, análisis de tendencias, análisis
prospectivo, etc.
- se define como:
- Sistema de Información Ejecutiva (EIS )
- esta definida como:
- Es una herramienta de software, basada
en DSS, que permite a los gerentes
acceder fácilmente a información interna
y externa de su empresa que es relevante
para sus factores clave de éxito. Y a su
vez Presenta información a través de
indicadores de negocio con atributos
específicos que dependen del
comportamiento del análisis. La
información de EIS funciona a través de
matrices multidimensionales y formatos
de datos atípicos como Data Mart.
- sus objetivo son:
- - Mantener informados a los ejecutivos
sobre su división, departamento,
empresa y el entorno en que se
encuentra. - Simplificar y organizar el
acceso de la información. - Descubrir o
identificar problemas que puedan
surgir. - Generar información acerca
del desempeño de sus subordinados. -
Establecer medidas de eficiencia en los
factores críticos
- - Mantener informados a los ejecutivos
sobre su división, departamento,
empresa y el entorno en que se
encuentra. - Simplificar y organizar el
acceso de la información. - Descubrir o
identificar problemas que puedan
surgir. - Generar información acerca
del desempeño de sus subordinados. -
Establecer medidas de eficiencia en los
factores críticos
- se caracteriza por
- - Están diseñados para cubrir las necesidades específicas y
particulares de la alta administración de la empresa. -
Extraen, filtran, comprimen y dan seguimiento a
información crítica del negocio. - Implica que los ejecutivos
puedan interactuar en forma directa con el sistema sin el
apoyo o auxilio de intermediarios. - Es un sistema
desarrollado con altos estándares en sus interfaces hombre-
máquina, caracterizado por gráficas de alta calidad,
información tabular y en forma de texto. - Pueden acceder a
información que se encuentra en línea, extrayéndose en
forma directa de las bases de datos de la organización. - El
sistema está soportado por elementos especializados de
hardware, tales como monitores o videos de alta resolución y
sensibles al tacto, ratón e impresoras con tecnología
avanzada.
- - Están diseñados para cubrir las necesidades específicas y
particulares de la alta administración de la empresa. -
Extraen, filtran, comprimen y dan seguimiento a
información crítica del negocio. - Implica que los ejecutivos
puedan interactuar en forma directa con el sistema sin el
apoyo o auxilio de intermediarios. - Es un sistema
desarrollado con altos estándares en sus interfaces hombre-
máquina, caracterizado por gráficas de alta calidad,
información tabular y en forma de texto. - Pueden acceder a
información que se encuentra en línea, extrayéndose en
forma directa de las bases de datos de la organización. - El
sistema está soportado por elementos especializados de
hardware, tales como monitores o videos de alta resolución y
sensibles al tacto, ratón e impresoras con tecnología
avanzada.
- sus objetivo son:
- Es una herramienta de software, basada
en DSS, que permite a los gerentes
acceder fácilmente a información interna
y externa de su empresa que es relevante
para sus factores clave de éxito. Y a su
vez Presenta información a través de
indicadores de negocio con atributos
específicos que dependen del
comportamiento del análisis. La
información de EIS funciona a través de
matrices multidimensionales y formatos
de datos atípicos como Data Mart.
- esta definida como:
- Sistemas de Soporte a la Decisión (DSS)
- Son herramientas que enfatizan el
análisis cuantitativo y el soporte al
trabajo gerencial
- Trabajo Cooperativo Asistido
por Computadora (CSCW )
- Soportan la toma de decisiones y la creación y
diseminación del conocimiento
- como
- término utilizado para describir
cualquier tecnología que combina
recursos de hardware y software
para permitir a grupos de personas
colaborar y compartir tecnología. el
trabajo cooperativo asistido por
computadora en realidad busca
describir el impacto sociológico y
psicológico de compartir las
responsabilidades laborales
electrónicamente, además de la
interacción humano-computadora
que debe tener lugar en dicho
entorno.
- sus principales
dimensiones
- Equipo - Espacio - Estilo de interacción - Tamaño
del grupo - Infraestructura - Contexto - Privacidad
- Movilidad del colaborador - Extensibilidad -
Selección de participantes
- se caracterizan por:
- En los últimos diez años el CSCW ha cambiado en
todas las formas posibles, cuando enTexas se celebró
el primer workshop en 1986, desde entonces se ha
cambiado convirtiéndose en una disciplina más
madura que ha hecho importantes aportes en áreas
como Internet, workflow, mundos virtuales.Estas
características son:
- Comunicaciones entre miembros del grupo. - Compartición
de información. - Coordinación y control de objetos
compartidos. - Compartición de un espacio de trabajo, de
Organización y entendimiento común del proceso de
trabajo - Soporte a la decisión.
- Comunicaciones entre miembros del grupo. - Compartición
de información. - Coordinación y control de objetos
compartidos. - Compartición de un espacio de trabajo, de
Organización y entendimiento común del proceso de
trabajo - Soporte a la decisión.
- En los últimos diez años el CSCW ha cambiado en
todas las formas posibles, cuando enTexas se celebró
el primer workshop en 1986, desde entonces se ha
cambiado convirtiéndose en una disciplina más
madura que ha hecho importantes aportes en áreas
como Internet, workflow, mundos virtuales.Estas
características son:
- se caracterizan por:
- Equipo - Espacio - Estilo de interacción - Tamaño
del grupo - Infraestructura - Contexto - Privacidad
- Movilidad del colaborador - Extensibilidad -
Selección de participantes
- sus principales
dimensiones
- término utilizado para describir
cualquier tecnología que combina
recursos de hardware y software
para permitir a grupos de personas
colaborar y compartir tecnología. el
trabajo cooperativo asistido por
computadora en realidad busca
describir el impacto sociológico y
psicológico de compartir las
responsabilidades laborales
electrónicamente, además de la
interacción humano-computadora
que debe tener lugar en dicho
entorno.
- como
- Soportan la toma de decisiones y la creación y
diseminación del conocimiento
- Sistema de
procesamiento analítico
(OLAP)
- se define como:
- herramientas orientadas a examinar de manera
iniciativa, ágil y flexible grandes cantidades de datos de
varias perspectivas (dimensiones), los sistemas de
OLAP opera estructuras de datos multidimensionales,
también denominadas cubos, hipercubos o cubos
multidimensionales
- entre los beneficios
- 1- es fácilmente entendible por los usuarios
no expertos. 2- proporciona el contexto
para la selección de datos. 3- simplifica el
proceso de definición de calculo complejo.
- se caracterizan por
- - Que su acceso sea para solo lectura, a
través de consultas, que por lo
general presentan pocas inserciones
de nuevos datos, actualizaciones de
los mismos o eliminaciones. - Estos
datos se deben estructurar de acuerdo
a las áreas de negocios de la empresa y
en formatos que se puedan integran
con uniformidad en toda la empresa. -
El historial de los datos almacenados
debe permanecer en uso por largo
plazo, en un tiempo que puede ir de
dos a cinco años. - Estas bases deben
tener fuentes de alimentación que
vengan de los mismos sistemas
operativos que existen en la empresa,
y se buscan a través de métodos de
extracción, transformación y de carga
(ETL).
- se caracterizan por
- 1- es fácilmente entendible por los usuarios
no expertos. 2- proporciona el contexto
para la selección de datos. 3- simplifica el
proceso de definición de calculo complejo.
- su tipología esta en los sistemas
OLAP (procesamiento analítico en
línea) generalmente se dividen en uno
de cuatro tipos:
- - OLAP multidimensional (MOLAP) es OLAP que indexa directamente
en una base de datos multidimensional. - OLAP relacional (ROLAP) es
OLAP que realiza un análisis multidimensional dinámico de datos
almacenados en una base de datos relacional. - OLAP híbrido (HOLAP)
es una combinación de ROLAP y MOLAP. HOLAP fue desarrollado para
combinar la mayor capacidad de datos de ROLAP con la capacidad de
procesamiento superior de MOLAP. - OLAP es orientado a equipos de
escritorio (Desktop OLAP). Trae toda la información que necesita
analizar desde la base de datos relacional y la guarda en el escritorio.
Desde ese momento, todas las consultas y análisis son hechas contra los
datos guardados en el escritorio.
- - OLAP multidimensional (MOLAP) es OLAP que indexa directamente
en una base de datos multidimensional. - OLAP relacional (ROLAP) es
OLAP que realiza un análisis multidimensional dinámico de datos
almacenados en una base de datos relacional. - OLAP híbrido (HOLAP)
es una combinación de ROLAP y MOLAP. HOLAP fue desarrollado para
combinar la mayor capacidad de datos de ROLAP con la capacidad de
procesamiento superior de MOLAP. - OLAP es orientado a equipos de
escritorio (Desktop OLAP). Trae toda la información que necesita
analizar desde la base de datos relacional y la guarda en el escritorio.
Desde ese momento, todas las consultas y análisis son hechas contra los
datos guardados en el escritorio.
- entre los beneficios
- herramientas orientadas a examinar de manera
iniciativa, ágil y flexible grandes cantidades de datos de
varias perspectivas (dimensiones), los sistemas de
OLAP opera estructuras de datos multidimensionales,
también denominadas cubos, hipercubos o cubos
multidimensionales
- se define como:
- Sistema s Expertos (ES)
- este
- esta diseñado para incorporar el
conocimiento especializado y
codificar de una organización a
procesos repetitivos del negocio.
- Algunas de sus
aplicaciones
son
- A lo largo de los años, el uso de los sistemas
expertos se ha convertido en una necesidad de
primer orden, adaptándose a multitud de sectores
y ramas dispares. Estas son sus aplicaciones más
destacadas: - Análisis de préstamos. -
Optimización de almacenes logísticos. - Toma de
decisiones financieras. - Planificación y
programación. - Gestión de datos. - Instalaciones
sanitarias. - Evaluación del desempeño de
empleados. - Monitorización y control de
procesos.
- su tipología
- En la actualidad, existen tres tipos de sistemas expertos: -
Basados en reglas previamente establecidas o RBR (Rule Based
Reasoning), en los que se aplican leyes heurísticas apoyadas en la
lógica difusa. - Basados en casos o CBR (Case Based Reasoning)
en los que se aplica el razonamiento basado en la experiencia, es
decir, la solución a un problema se adapta a uno nuevo. - Basados
en redes bayesianas en los que se aplican las redes bayesianas,
basadas en estadística y el teorema de Bayes.
- En la actualidad, existen tres tipos de sistemas expertos: -
Basados en reglas previamente establecidas o RBR (Rule Based
Reasoning), en los que se aplican leyes heurísticas apoyadas en la
lógica difusa. - Basados en casos o CBR (Case Based Reasoning)
en los que se aplica el razonamiento basado en la experiencia, es
decir, la solución a un problema se adapta a uno nuevo. - Basados
en redes bayesianas en los que se aplican las redes bayesianas,
basadas en estadística y el teorema de Bayes.
- su tipología
- Sus componentes son
- Esencialmente, los sistemas expertos cuentan con cinco componentes: - Base de
conocimiento: en este componente se representan los hechos y reglas. Aquí se
almacena el conocimiento en un dominio particular, así como en las reglas para
resolver un problema, procedimientos y datos intrínsecos relevantes para el
dominio. - Motor de inferencia: es el cerebro del sistema experto. Su función es
obtener el conocimiento relevante de la base de conocimientos, interpretarlo y
encontrar una solución relevante para el problema del usuario. Contiene las
reglas de su base de conocimiento y las aplica a los hechos conocidos para inferir
nuevos hechos. - Módulo de adquisición de conocimiento y aprendizaje: es la
parte de estos sistemas que permite que el sistema experto adquiera cada vez más
conocimiento de diversas fuentes y lo almacene en la base de conocimiento. -
Interfaz de usuario: es la parte más crucial del sistema experto. Este módulo hace
posible que un usuario no experto interactúe con
- Esencialmente, los sistemas expertos cuentan con cinco componentes: - Base de
conocimiento: en este componente se representan los hechos y reglas. Aquí se
almacena el conocimiento en un dominio particular, así como en las reglas para
resolver un problema, procedimientos y datos intrínsecos relevantes para el
dominio. - Motor de inferencia: es el cerebro del sistema experto. Su función es
obtener el conocimiento relevante de la base de conocimientos, interpretarlo y
encontrar una solución relevante para el problema del usuario. Contiene las
reglas de su base de conocimiento y las aplica a los hechos conocidos para inferir
nuevos hechos. - Módulo de adquisición de conocimiento y aprendizaje: es la
parte de estos sistemas que permite que el sistema experto adquiera cada vez más
conocimiento de diversas fuentes y lo almacene en la base de conocimiento. -
Interfaz de usuario: es la parte más crucial del sistema experto. Este módulo hace
posible que un usuario no experto interactúe con
- Algunas de sus
aplicaciones
son
- esta diseñado para incorporar el
conocimiento especializado y
codificar de una organización a
procesos repetitivos del negocio.
- este
- Minería de Datos (MD)
- sus beneficios
Want to create your own Mind Maps for free with GoConqr? Learn more.