“APLICACIÓN DE LAINTELIGENCIA ARTIFICIAL EN EL  ANÁLISIS DE LA SOLVENCIA       EMPRESARIAL”            Autor:             ...
INTRODUCCIÓN• Actualmente, el mayor esfuerzo en la búsqueda de la  inteligencia artificial se centra en el desarrollo de  ...
CAPÍTULO I:Inteligencia Artificial
1.1. Definición• La expresión Inteligencia Artificial (IA) fue sugerida por  John McCarthy, para referirse a una parte de ...
1.2. Categorías de la inteligencia    artificial•   Sistemas que piensan como humanos.•   Sistemas que actúan como humanos...
1.3. Importancia• Actualmente, las aplicaciones de la inteligencia  artificial en la vida diaria son muy variadas.• Los si...
1.4. La prueba de Turing• Alan Turing se puede considerar el padre de  la Inteligencia Artificial (IA), en el año 1950  pr...
1.5. Etapas de la inteligenciaartificial    Primera Etapa    1950   Redes neuronales                                Búsque...
1.6. Evolución   1943   Swarren, McCulloch y Warren Pitts   1946   William Harvey, Claude Bernard y Walter Cannon       ...
1.7. Ramas Las ramas de la Inteligencia Artificial son las siguientes: – Búsqueda Heurística – Representación del conocimi...
1.8. Aplicaciones•   Tratamiento de Lenguajes Naturales•   Sistemas Expertos•   Problemas de Percepción•   Aprendizaje•   ...
1.9. Desafíos técnicos del futuro• Los tres desafíos más importantes en el  desarrollo dentro de la A I son su facilidad d...
CAPÍTULO II:Redes Neuronales
2.1. Definición• Una red neuronal, según Freman y Skapura  citado María Guzmán y G Sotolongo. (2001),  es un sistema de pr...
2.2. Células cerebrales• Según Quiñones, existen dos tipos de células  cerebrales: neuronas (10%), y neuroglias  (90%) y q...
2.3. Sinapsis• Una neurona ejerce su influencia para activar  otras neuronas mediante los puntos de unión  o sinapsis.• La...
CAPÍTULO III: Aplicaciones en el campodel análisis de la solvencia
Aplicaciones en el campo delanálisis de la solvencia• Las redes neuronales comienzan a utilizarse  para analizar la solven...
Ventajas que presenta la utilizaciónde sistemas expertos 1) Permanencia 2) Reproducibilidad 3) Eficiencia 4) Consistencia ...
CONCLUSIONES• La inteligencia artificial, produce resultados  que maximizan una cierta medida de  rendimiento.• La mayor p...
Upcoming SlideShare
Loading in …5
×

Trabajo7. william guerrero aplicación de la inteligencia artificial en el análisis de la solvencia empresarial

352 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
352
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
10
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Trabajo7. william guerrero aplicación de la inteligencia artificial en el análisis de la solvencia empresarial

  1. 1. “APLICACIÓN DE LAINTELIGENCIA ARTIFICIAL EN EL ANÁLISIS DE LA SOLVENCIA EMPRESARIAL” Autor: William Ricardo Guerrero Cabrera
  2. 2. INTRODUCCIÓN• Actualmente, el mayor esfuerzo en la búsqueda de la inteligencia artificial se centra en el desarrollo de sistemas de procesamientos de datos que sean capaces de imitar a la inteligencia humana.• Definitivamente, la inteligencia artificial es la cumbre del conocimiento tecnológico en nuestros días donde la ingeniería electrónica y la informática tienen la última palabra en cuanto a la implementación de la misma.
  3. 3. CAPÍTULO I:Inteligencia Artificial
  4. 4. 1.1. Definición• La expresión Inteligencia Artificial (IA) fue sugerida por John McCarthy, para referirse a una parte de la informática dedicada al diseño de máquinas que fueran capaces de simular algunas de las conductas realizadas por el ser humano.• Es la parte de las Ciencias de la Computación que se ocupa de diseñar sistemas informáticos que presenten las características que se asocian con inteligencia en el comportamiento humano.
  5. 5. 1.2. Categorías de la inteligencia artificial• Sistemas que piensan como humanos.• Sistemas que actúan como humanos.• Sistemas que piensan racionalmente.• Sistemas que actúan racionalmente (idealmente).
  6. 6. 1.3. Importancia• Actualmente, las aplicaciones de la inteligencia artificial en la vida diaria son muy variadas.• Los sistemas expertos se emplean en el ámbito comercial, para tomar decisiones con base en la información detallada de los clientes.• Por lo tanto, la importancia de la inteligencia artificial en nuestros días en innegable.
  7. 7. 1.4. La prueba de Turing• Alan Turing se puede considerar el padre de la Inteligencia Artificial (IA), en el año 1950 propuso la llamada Prueba de Turing (o también «juego de imitación») para examinar la inteligencia de una máquina.
  8. 8. 1.5. Etapas de la inteligenciaartificial Primera Etapa 1950 Redes neuronales Búsqueda Segunda Etapa 1960 Heurística Tercera Etapa 1970 Sistemas Expertos Aprendizaje de las Cuarta Etapa 1980 Máquinas Nuevos Estudios Quinta Etapa 1990 de Redes Neuronales
  9. 9. 1.6. Evolución 1943   Swarren, McCulloch y Warren Pitts 1946   William Harvey, Claude Bernard y Walter Cannon   Santiago Ramón y Cajal   Sherrington 1946   Arturo Rosembleuth y Norbert Winer I   John Hopfield 1955   Alled Newell, J.C. Shaw y Hebert Simon 1956   John Mc Carthy   Frank Rosembaulty   Marvin Minsky y Seymour Papert 1957   Seymour Papert 1965   Allan Robinson   Sistema dendral de la universidad de Stanford para la determinación de estructuras de los compuestos químicos. 1973   Darpa desarrollado para líneas de Investigación y desarrollo. 1974   Prospector desarrollado para la localización de prospecciones mineras Petrolíferas. 1977   Micyn universidad de Stanford creado para diagnósticos médicos.
  10. 10. 1.7. Ramas Las ramas de la Inteligencia Artificial son las siguientes: – Búsqueda Heurística – Representación del conocimiento – Inferencia – Planificación – Aprendizaje – Lenguaje Natural – Visión – Robótica
  11. 11. 1.8. Aplicaciones• Tratamiento de Lenguajes Naturales• Sistemas Expertos• Problemas de Percepción• Aprendizaje• Juegos• Matemáticas• Ingeniería
  12. 12. 1.9. Desafíos técnicos del futuro• Los tres desafíos más importantes en el desarrollo dentro de la A I son su facilidad de uso, la flexibilidad de la infraestructura computacional y la disponibilidad de herramientas de desarrollo cada vez más poderosas
  13. 13. CAPÍTULO II:Redes Neuronales
  14. 14. 2.1. Definición• Una red neuronal, según Freman y Skapura citado María Guzmán y G Sotolongo. (2001), es un sistema de procesadores paralelos conectados entre sí en forma de grafo dirigido.• Las redes neuronales artificiales (RNA) son aplicadas en diversos ámbitos de la actividad humana.
  15. 15. 2.2. Células cerebrales• Según Quiñones, existen dos tipos de células cerebrales: neuronas (10%), y neuroglias (90%) y que además cada persona humana tiene 100 billones de neuronas y 1000 billones de neuroglias.• Así mismo alega que aunque el cerebro contiene menos neuronas, éstas son esenciales para su funcionamiento.
  16. 16. 2.3. Sinapsis• Una neurona ejerce su influencia para activar otras neuronas mediante los puntos de unión o sinapsis.• Las neuronas no se tocan entre sí.2.4. Metabolismos• Se llama metabolismo al conjunto de reacciones químicas a través de las cuales las células intercambian materia y energía del medio.
  17. 17. CAPÍTULO III: Aplicaciones en el campodel análisis de la solvencia
  18. 18. Aplicaciones en el campo delanálisis de la solvencia• Las redes neuronales comienzan a utilizarse para analizar la solvencia empresarial cuando se desarrolla el algoritmo BP (back- propagation - retropropagación) a finales de los años ochenta. Su introducción vino motivada por el deseo de mejorar los resultados que se alcanzaban con los modelos estadísticos.
  19. 19. Ventajas que presenta la utilizaciónde sistemas expertos 1) Permanencia 2) Reproducibilidad 3) Eficiencia 4) Consistencia 5) Amplitud Por último, el sistema experto siempre tiene en cuenta todos los factores.
  20. 20. CONCLUSIONES• La inteligencia artificial, produce resultados que maximizan una cierta medida de rendimiento.• La mayor parte de los sistemas expertos están basados en reglas de clasificación.• Las redes neuronales en el campo financiero han originado modelos de análisis del riesgo de insolvencia que están funcionando actualmente en instituciones de crédito.

×