Análisis, implementación y evaluación de modelos de aprendizaje automático relacional

En la actualidad, existe una descompensación en cuanto a la cantidad y calidad de herramientas de Aprendizaje Automático relacional comparado con la cantidad y calidad de herramientas de Aprendizaje Automático no relacional existentes. El aprendizaje automático a partir de datos relacionales es un tema poco tratado debido a su complejidad y desconocimiento, por ello los métodos de predicción se centran en aprender de propiedades inherentes a los objetos de estudio ignorando las relaciones en las que éstos participan. En la presente investigación se analizan, implementan y evalúan técnicas de Aprendizaje Automático relacional. Partiremos de conceptos básicos hasta llegar a la implementación de estas técnicas, con el objetivo de desarrollar formalismos que permitan predecir de mejor manera el comportamiento de determinados fenómenos relacionales. Para ello, se parte de una idea general de Inteligencia Artificial, Aprendizaje Automático y conceptos básicos relacionados con la Teoría de Grafos para aplicar técnicas de aprendizaje profundo y modelado basado en bases de datos en grafo.

• 1. Verfasser: Bautista Ulcuango, Alexis Enrique (author)
• Format: bachelorThesis
• Sprache: spa
• Veröffentlicht: 2019
• Schlagworte: INTELIGENCIA ARTIFICIAL; APRENDIZAJE AUTOMÁTICO; APRENDIZAJE AUTOMÁTICO RELACIONAL; APRENDIZAJE PROFUNDO
• Online Zugang: http://www.dspace.uce.edu.ec/handle/25000/19631