#+title: IA: Resumen Parcial 1
#+author: Federico Polidoro

* Intro
Las IA son sistemas informáticos que simulan procesos de la inteligencia humana (aprendizaje, razonamiento y autocorrección).

** Conceptos fundamentales:
- Algoritmos y modelos
- Procesamiento del lenguaje natural (NLP)
- Visión por computadora
- Aprendizaje automático (Machine Learning)
- Redes neuronales artificiales

** Manejo de datos:
- Tipos de datos
- Recolección
- Limpieza y calidad

** Estructuras de datos:
- Almacenamiento
- Formatos
- Preprocesamiento para IA (selección, transformación, división en entrenamiento, validación y prueba).

* IA Simbolica
Se basa en el razonamiento logico, Utiliza simbolos para poder representar su realidad, utilizando representaciones abstractas.

Sus principales aplicaciones son:
- Procesamiento de texto.
- Reconocimiento de voz.
- Juegos como ajedrez.

Una Ventaja que tiene es su baja necesidad de datos, ya que, puede utilizar informacion depurada por expertos. (Smart Data).

** Limites
Tiene una poca habilidad para adaptarse y manejar incertidumbre. Lo que llevo al desarrollo de la IA a un estancamiento en los años 70s.


* Programacion Logica
Es un paradigna que nace de la logica matematica. Describe el conocimeinto en base a predicados que presentan propiedades y relaciones entre si.

* Red Neuronal
Originalmente inspiradas de la neuronas biologicas. Toma señales de entrada las procesa y las genera de salida.

Estructuralmente se pueden dividir en 4 partes.

- Entrada, \\
  ~Son los datos que recibe~

- Pesos, \\
  ~Es la importancia de cada entrada~

- Suma Ponderada, \\
  $z = w_1 x_1 + w_2 x_2 + ... + w_n x_n + b$

  el 'b' siendo el sesgo.

- Funcion de activacion, \\
  ~Transforma la suma en la salida final~

** Relacion con regresion lineal
La funcion de activacion permite modelar problemas complejos y no lineales.

Una funcion de activacion consiste de una condicion encargada de definir si una neurona se activa o no.