Aprendizaje automático


› Bienvenida ‹

Competencia


Implementa, entrena y evalúa modelos matemáticos de aprendizaje automático (machine learning) que solucionen problemas reales de regresión, clasificación o agrupamiento a partir del análisis de diferentes tipos de conjuntos de datos.

Contenido


Pasa el cursor sobre la imagen para ingresar a los temas.


Actividad integradora


Competencia de la credencial:

El estudiante analizará una situación problemática relacionada con la utilización de un vehículo inteligente que opera y realiza diversas tareas dentro de una planta industrial. 

Instrucciones:

  1. Considera el siguiente caso: 

    2. Se ha decidido integrar un vehículo inteligente a una planta industrial, el cual es capaz de trasladarse de forma autónoma a través de las instalaciones, así como de transportar productos de un sitio a otro.

    La planta tiene tres áreas de manufactura, por tanto, cada producto se encuentra empacado en un contenedor específico que identifica el área a la que pertenece.

    Por otra parte, cada producto que se encuentra en el almacén posee características de volumen (cm3), así como el tipo de manipulación que requiere (frágil, normal), el lugar de procedencia (A, B, C, D) y la temperatura de almacenamiento (ambiente, refrigerado). 

    Además, se conoce que el vehículo puede tener una o varias cámaras incorporadas, cuya resolución de captura es de 1920 x 1080 pixeles. La máxima calidad con la que se pueden transmitir las imágenes a través de la red está limitada a la tercera parte de la resolución original. 

  2. Desarrolla un programa en Python que considere la reducción de captura indicada en el problema con la menor pérdida posible. Considera la técnica de descomposición matricial en valores singulares. 

  3. El vehículo autónomo tiene integrados dos protocolos de manipulación de carga (Protocolo_1 y Protocolo_2). Por ende, realiza lo siguiente: 
    1. Genera un conjunto de datos de prueba (al menos de 10,000 muestras), considerando los criterios antes indicados. Por ejemplo: 

      2. Producto_1: 

      Volumen (cm3): 12,000 

          Procedencia: A 

          Manipulación: Normal 

          Temperatura: refrigerado 

          Protocolo: Protocolo_1 


          Producto_2: 

          Volumen (cm3): 20,000 

          Procedencia: C 

          Manipulación: Normal 

          Temperatura: ambiente 

          Protocolo: Protocolo_2 

      Construye un modelo de aprendizaje automático supervisado a partir del conjunto de datos elaborado, que sea capaz de determinar el tipo de protocolo que debe seguir el vehículo al manipular un producto. 


  4. Asimismo, el vehículo autónomo debe incorporar una función de organizar automáticamente los productos que transporta al momento de llegar a cada una de las áreas de manufactura. 

    5. Construye un modelo de aprendizaje automático no supervisado, que, a partir del conjunto de datos utilizado en el punto anterior, agrupe cada producto en clusters. 

    Puedes emplear Python, así como la plataforma IBM Cloud y sus diversas herramientas para la realización de los últimos dos puntos.  

Criterios de evaluación:

  1. Desarrolla un programa en Python para reducir la resolución de imágenes. 
  2. Construye un modelo de aprendizaje automático supervisado a partir del conjunto de datos elaborado.
  3. Construye un modelo de aprendizaje automático no supervisado que agrupa cada producto en clusters.
  4. Emplea Python y la plataforma de IBM.