Saltar a contenido

UD02 — Ejercicios

Cómo se corrigen

Resuélvelos en tu cuaderno o en un documento Markdown (buen momento para practicar el Taller 5). Las soluciones no se publican: se corrigen y comentan en clase.

A. Sistema de resolución de problemas (RA2-a)

  1. Define espacio de estados y pon un ejemplo distinto a los de la teoría (p. ej. un ascensor, una partida de ajedrez, un cajero automático).
  2. Enumera los cinco requisitos de un sistema de resolución de problemas y aplícalos al problema de las jarras 8-5-3.
  3. Para el problema de las 8 reinas: ¿cuántos arreglos hay sin restricciones?, ¿cuántas soluciones válidas existen?
  4. Explica con tus palabras la diferencia entre búsqueda en anchura y búsqueda en profundidad (estructura de datos, completitud, optimalidad, memoria).
  5. ¿Por qué DFS no es completa en espacios infinitos? Pon un ejemplo de problema donde se atascaría.
  6. ¿Qué es una heurística? Explica cómo usa A* la función f(n) = g(n) + h(n).
  7. En el 8-puzzle, propón dos heurísticas admisibles y explica por qué no sobreestiman.
  8. Resuelve a mano el problema de las jarras 8-5-3 desde [8,0,0] hasta [4,4,0] indicando los pasos y el contenido de cada jarra.
  9. ¿En qué se diferencia A* de Dijkstra? ¿Y de la búsqueda Greedy (solo h)?
  10. Dado el árbol de estados con costes: estado inicial S → A (coste 2), S → B (coste 5), A → G (coste 3), B → G (coste 1), calcula el camino que encuentra BFS, DFS y A* (h(G)=0).

B. Clasificación de modelos de IA (RA2-b)

  1. Completa la tabla con el tipo de modelo:
Sistema Paradigma Base (conocimiento/datos)
Termostato con reglas
Clasificador de spam con ML
Sistema experto médico
Red neuronal para imágenes
  1. Diferencia descriptivo, predictivo y prescriptivo con un ejemplo de comercio electrónico para cada uno.
  2. ¿Por qué «todo ML es IA, pero no toda IA es ML»? Pon dos ejemplos de IA que no sea ML.
  3. Clasifica por paradigma de aprendizaje: (a) agrupar clientes sin etiquetas, (b) predecir abandono de un cliente, © un agente que aprende a jugar, (d) detectar anomalías en una red.
  4. ¿Qué ventaja aporta un modelo basado en conocimiento frente a uno basado en datos? ¿Y la desventaja principal?

C. Automatización de tareas (RA2-c)

  1. Diferencia RPA de IA con un ejemplo concreto de cada uno.
  2. Explica qué es la automatización inteligente y qué papel juegan la IA, el BPM y el RPA.
  3. Ordena de más simple a más avanzado los cinco tipos de agente software y pon un ejemplo de cada uno.
  4. Indica si cada tarea es candidata a RPA o a IA/ML y por qué:
    • Copiar datos de un Excel a un ERP cada mañana.
    • Clasificar correos de incidencias por urgencia.
    • Extraer la fecha y el importe de facturas escaneadas.
  5. ¿Qué son las tareas cognitivas que automatiza la IA? Pon tres ejemplos, incluido al menos uno de reconocimiento de voz.

D. Lógica difusa (RA2-d)

  1. Diferencia lógica booleana y lógica difusa. ¿Qué es la vaguedad y en qué se distingue de la incertidumbre?
  2. ¿Qué es una función de pertenencia? Dibuja (o describe) una triangular y una trapezoidal y di qué grado de pertenencia asignan a un valor dado.
  3. Dadas dos funciones con µ_A(x)=0,8 y µ_B(x)=0,3, calcula con las operaciones de Zadeh: AND (min), OR (max) y NOT (1−x) para ambos.
  4. Explica las 4 fases de un sistema de inferencia difuso (fuzzificar, reglas, agregar, defuzzificar) y los métodos de defuzzificación más comunes.
  5. Diferencia Mamdani de Sugeno/TSK y di cuál implementa scikit-fuzzy.
  6. ¿Cuántas curvas se recomiendan por variable lingüística y por qué es importante el solape?
  7. Escribe el código scikit-fuzzy de un controlador de velocidad del ventilador según la temperatura: antecedentes temperatura (0-40) con términos fresca/templada/caliente y consecuente velocidad (0-100) con baja/media/alta; tres reglas y simulación con 30 ºC.
  8. Propón un caso real de razonamiento impreciso distinto a los de la teoría (por ejemplo, en control de tráfico o en apoyo al diagnóstico) y describe qué entradas y salidas tendría.

E. Sistemas basados en reglas (RA2-e)

  1. Describe el ciclo reconocer-actuar (match, resolve, act) con tus palabras.
  2. ¿Qué es el algoritmo RETE y por qué mejora el rendimiento de un motor de reglas?
  3. Diferencia encadenamiento hacia delante y hacia atrás; indica cuál usa experta y cuál usaba MYCIN.
  4. ¿Qué es el salience y para qué sirve en la resolución de conflictos?
  5. Explica por qué experta falla en Python 3.10+ y cuáles son las dos soluciones posibles.
  6. Escribe un sistema experta que determine si una incidencia es urgente: si impacto=alto o usuarios>50, declara critica=True y muestra el mensaje.
  7. Un sistema de recomendación basado en reglas y un sistema de recomendación basado en ML resuelven el mismo problema. ¿Qué pierdes y qué ganas si usas reglas en vez de ML?

F. Adecuación del modelo (RA2-f)

  1. Enumera los cinco criterios para elegir modelo y aplica cada uno a: predecir el fraude de tarjetas en tiempo real.
  2. ¿Qué significa «empezar simple» y por qué el teorema No Free Lunch lo apoya?
  3. Dado un problema de datos tabulares con 10.000 filas, ¿qué familia de modelos recomendarías primero y por qué?
  4. Justifica si usarías reglas, ML o ambos en: (a) filtro de spam, (b) control de un semáforo, © diagnóstico de una avería con procedimiento escrito, (d) recomendación de películas.
  5. Diseña un flujo de decisión (diagrama) para elegir entre reglas, lógica difusa, árbol de decisión y red neuronal.
  6. Aplica los cinco criterios de adecuación del modelo (§9 de la teoría) al caso de un bot de Robocode: ¿qué modelo usarías para decidir el disparo, y por qué?

Volver a la UD02 · Talleres