Clases.

Las clases.

Una clase define un grupo o conjunto de datos, en objetos se llaman atributos, que definen los objetos, así como un conjunto de comportamientos, las funciones o métodos del objeto, que lo manipulan y relacionan los objetos unos de otros. Los atributos y métodos son los miembros de la clase. Recordemos que para la gestión de clases debemos entender tres funciones claves para la programación orientada a objetos, la abstracción, la herencia y el polimorfismo. Las clases en Programación se utilizan para crear modelos computacionales de objetos, estos objetos pueden ser modelos de cualquier cosa, desde objetos tangibles del mundo real hasta objetos abstractos que cumplan una determinada función. 

Vectores.

Los vectores.

Un vector, en programación, es un tipo de matriz que es unidimensional. Los vectores son un elemento lógico en los lenguajes de programación que se utilizan para almacenar datos. Los vectores son similares a las matrices, pero su implementación y operación reales difieren. Los vectores se utilizan principalmente dentro del contexto de programación de la mayoría de los lenguajes de programación y sirven como contenedores de estructura de datos. Al ser una estructura de datos, los vectores se utilizan para almacenar objetos y colecciones de objetos en una estructura organizada. La principal diferencia entre una matriz y un vector es que, a diferencia de las matrices típicas, el tamaño del contenedor de un vector puede aumentarse y disminuirse fácilmente para complementar diferentes tipos de almacenamiento de datos. 

Características.

Las características.

Facilidad de uso. No le debe de llevar tiempo extra al usuario para saber como funciona el sistema.

Detección de fallas. En caso de error deberá mandar un mensaje en el que muestre la causa de la falla.

Clasifica información. Estructura y ordena la información.

Identifica necesidades del cliente. Aquí en el sistema se ven las necesidades de la empresa.

Precisión. Deberá recopilar información realmente util.

Arreglos.

Los arreglos.

En el ámbito informático se le conoce como Arreglo o Array a una serie de conjuntos organizados como bien estructurados de datos, los cuales son organizados de manera homogénea sin que ningún dato tenga un tipo de diferencia u anomalía en su formato como en sus cualidades. Así mismo se organizan de forma consecutiva de manera que se genere un orden preestablecido en su ejecución y su almacenamiento es totalmente realizado en la Memoria RAM de nuestros computadores, ya que sus operaciones cuentan como actividades de almacenamiento temporal. Un arreglo (matriz) es una colección ordenada de datos (tanto primitivos u objetos dependiendo del lenguaje). Los arreglos (matrices) se emplean para almacenar múltiples valores en una sola variable, frente a las variables que sólo pueden almacenar un valor (por cada variable). Cada elemento del arreglo (matriz) tiene un número al que está asociado, llamado "índice numérico" (numeric index), que permite acceder a él. En JavaScript, los arreglos (matrices) comienzan a partir del índice cero y pueden ser manipulados con varios métodos.

Archivo.

Archivos.

Un sistema de ficheros, sistema de archivos o file system es el conjunto de procesos y normas que se llevan a cabo para el almacenamiento de un dispositivo de memoria. Este sistema le permite al usuario identificar la ubicación de los archivos y poder acceder a ellos de una forma rápida. Cada archivo cuenta con una serie de datos independientes, cuya información debe ser organizada, por lo que los sistemas operativos acuden al uso de las carpetas o directorios, que le permitirá mantener un orden de la ruta de acceso a los archivos, y localizar la información ubicada en el disco duro. Los sistemas de ficheros o sistemas de archivos funcionan como una interfaz entre el sistema operativo y los dispositivos que estén conectados a la máquina, y sean internos o externos, como por ejemplo, la memoria USB. Dentro de sus funcionalidades se encuentra la asignación de espacio a archivos y directorios, la gestión del espacio libre del equipo, el journaling o sistema para implementar transacciones.

Expresiones.

Expresiones.

Una expresión es la manera en que expresamos en un lenguaje de programación algo sobre el estado de un objeto. Es el medio que tenemos para decir en un programa algo sobre el mundo del problema. En el nivel anterior vimos las expresiones aritméticas, que permitían definir la manera en que debía ser modificado el estado de un elemento del mundo, usando sumas y restas.  Las expresiones aparecen dentro del cuerpo de los métodos y están formadas por operandos y operadores. Los operandos pueden ser atributos, parámetros, literales, constantes o llamadas de métodos, mientras que los operadores son los que indican la manera de calcular el valor de la expresión. Los operadores que se pueden utilizar en una expresión dependen del tipo de los datos de los operandos que allí aparezcan.

Instrucciones.

Instrucciones.

Se denomina instrucción en informática al conjunto de datos insertados en una secuencia estructurada o específica que el procesador interpreta y ejecuta.

Los tipos de instrucción permitidos están definidos y determinados dentro de cada plataforma en el conjunto de instrucciones (en inglés ISA, instruction set architecture), que también determina los registros de origen y destino de la CPU, y en ocasiones un dato inmediato. Estas instrucciones del computador son las que determinan el funcionamiento de la CPU que las ejecuta. La CPU puede realizar una diversidad de funciones, que son el reflejo de la variedad de las instrucciones definidas para dicha CPU. El programador tiene un repertorio de instrucciones como medio para controlar la CPU.

Procesamiento del lenguaje natural.

Procesamiento del lenguaje natural.

El procesamiento del lenguaje natural (PLN), como rama de la inteligencia artificial, utiliza el aprendizaje automático para procesar e interpretar textos y datos. El reconocimiento y la generación de lenguaje natural son tipos de PLN. El procesamiento del lenguaje natural funciona a través del aprendizaje automático (ML o machine learning). Los sistemas de aprendizaje automático almacenan las palabras y las formas en que se unen como cualquier otra forma de datos. Un ejemplo de estos son los equipos de atención al cliente.

Biométrica.

Biométrica.

La identificación biométrica sirve, como su nombre indica, para identificar a las personas y, dado que se basa en rasgos físicos que son únicos de los individuos (no hay una huella dactilar igual a otra, por ejemplo), permiten verificar de manera fehaciente a las personas, haciendo casi imposible que se pueda burlar este tipo de identificación. Además, al tratarse de rasgos físicos, no es algo que se pueda robar, como ocurre con las contraseñas. Aunque depende de la característica o rasgo físico que se emplee para llevar a cabo la identificación de las personas, los sistemas de identificación biométrica funcionan todos de forma similar. Se emplea un sensor biométrico, un transductor, que escanea un rasgo físico concreto y lo convierte en una señal eléctrica; el sensor puede interpretar o medir diferentes aspectos como la luz, la temperatura o la velocidad del sonido, entre otros.

Atención al cliente.

Atención al cliente.

Un ejemplo de esto es el chatGPT de OpenIA, Estos chats utilizan la Inteligencia Artificial para responder todo tipo de preguntas y dudas de los usuarios, con el objetivo de ofrecer un sistema de soporte técnico o de ayuda. Por ejemplo, el chatbot de un banco te ayuda a gestionar trámites y solicitudes sencillas, como una transferencia o la consulta de tu saldo. Estos bots utilizan sistemas de aprendizaje automático para refinar sus respuestas y se pueden utilizar para crear funnels de venta y hasta son capaces de recomendar productos a los clientes basados en sus intereses.

Filtros de spam.

Filtros de spam.

La inteligencia artificial es de cada vez mayor utilidad a los proveedores de servicios de correo electrónico para filtrar el correo basura, y los usuarios están encantados. Ahora, en lugar de tener hacer clic en un botón para informar acerca del correo basura, Gmail y otros servicios de correo electrónico emplean el aprendizaje automático para distinguir entre los correos electrónicos que son legítimos y aquellos que no lo son. Y, además, cada individuo tiene preferencias distintas, de modo que la IA le ayudará a personalizar su bandeja de correo.

 

Mapas e indicaciones.

Mapas e indicaciones.

La IA también juega un papel importante en los sistemas de navegación. Tanto si utilizas Google como Apple Maps para obtener indicaciones, la inteligencia artificial lee muchos puntos de datos para poder proporcionar información actualizada y en tiempo real sobre el estado del tráfico a los usuarios. La navegación por voz ayuda a los conductores a seguir la ruta más eficiente, e incluso algunas interfaces de navegación proponen rutas a ubicaciones habituales.

Análisis de hábitos.

Análisis de hábitos.

Otro de los ejemplos de inteligencia artificial que nos acompaña a todas partes son las IA que se ocupan de analizar los datos que producimos de forma continua y que permiten conocer nuestros hábitos. Gracias a la combinación de tecnología Big Data e inteligencia artificial, se pueden analizar los hábitos de consumo de cada persona, lo que también ofrece ventajas muy interesantes. Gracias a esta actividad se puede ofrecer contenido personalizado (especialmente en lo relativo a la publicidad que recibe cada usuario). Algunos ejemplos de estos son nuestro Para ti de tiktok, nuestro explorar de Instagram o recomendaciones de producto.

Traducciones instantáneas.

Traducciones instantáneas.

Otra aplicación de la Inteligencia Artificial en nuestro día a día es la traducción y los idiomas. Gracias a las unidades procesamiento neuronal (NPU) y a la optimización de los procesos de Machine Learning, algunos dispositivos son capaces de ofrecer aplicaciones de traducción instantánea y de forma local (sin necesidad de acceder a Internet o la nube para traducir de forma correcta). También las aplicaciones de traducción, como Google Translate o DeepL, utilizan la inteligencia artificial y el Machine Learning para ofrecer traducciones cada vez más refinadas, gracias a los algoritmos de aprendizaje automático.  Aunque todavía queda mucho camino por recorrer en este sentido, estos programas utilizan análisis estadísticos de patrones de millones de documentos que ya han sido traducidos para mejorar continuamente sus procesos.

Plataformas de aprendizaje automático.

Plataformas de aprendizaje automático.

En esencia, el aprendizaje automático es la clave para procesar y analizar grandes flujos de datos y determinar qué información procesable hay. Por ejemplo, en el servicio al cliente, el aprendizaje automático puede ayudar a los agentes con análisis predictivos para identificar preguntas y respuestas comunes. La tecnología puede incluso detectar cosas que un agente puede haber pasado por alto en la comunicación.

Además, el aprendizaje automático puede utilizarse para ayudar a los chatbots y otras herramientas de IA a adaptarse a una situación determinada basándose en resultados anteriores y, en última instancia, ayudar a los clientes a resolver problemas a través del autoservicio.

Reconocimiento de voz.

Reconocimiento de voz.

El reconocimiento de voz o reconocimiento del habla es una rama de la inteligencia artificial cuya finalidad es posibilitar la comunicación entre humanos y sistemas informáticos. Un sistema de reconocimiento de voz tiene la capacidad de detectar y entender las palabras que un ser humano emite de forma natural. Existen sistemas de reconocimientos de voz más o menos sofisticados, habiendo aquellos que entienden las palabras de manera fácil, y otros con más dificultades para comprender el habla de los humanos. Los softwares de reconocimiento de voz más comunes en el mercado actual son Siri de Apple, Alexa de Amazon y Cortana de Microsoft. Los softwares de reconocimiento de voz más comunes en el mercado actual son Siri de Apple, Alexa de Amazon y Cortana de Microsoft.

El funcionamiento interno de un sistema de reconocimiento de voz es complejo, pero de forma resumida, funciona así:

1. El sistema detecta las palabras que un humano emite.

2. Luego, convierte estas palabras en un formato que sea legible por la máquina.

3. Finalmente, según el mensaje recibido, el sistema procede a reaccionar. Esta reacción puede ser la ejecución de una orden, ofrecer una respuesta, o seguir el flujo de una conversación.

Asistentes de voz.

Asistentes de voz.

Los asistentes de voz como Google Home o Amazon Echo son dos ejemplos de inteligencia artificial que ya están presentes en muchos hogares del mundo entero. Se trata de máquinas que utilizan el procesamiento de lenguajes naturales para interpretar qué es lo que se les está comunicando y, de este modo, poder responder a las necesidades humanas, ya sea verbalmente o mediante la ejecución de una acción concreta. los asistentes de voz utilizan una combinación de inteligencia artificial (IA) y procesamiento del lenguaje natural (PLN) para entender y responder a las peticiones del usuario.

Cuando un usuario habla a un asistente de voz, el dispositivo convierte la voz del usuario en texto mediante un proceso llamado reconocimiento automático del habla (ASR). A continuación, este texto se analiza mediante algoritmos de PLN, diseñados para comprender el significado y el contexto de las palabras del usuario. Una vez que el asistente de voz ha entendido la petición del usuario, utiliza algoritmos de IA para determinar la respuesta adecuada. 

Inteligencia artificial.

10 inteligencias artificiales.

1. Asistentes de voz.

2. Reconocimiento de voz.

3. Plataformas de aprendizaje automático.

4. Traducciones instantáneas.

                                                                           5. Análisis de hábitos.

                                                                               6. Mapas e indicaciones.

                                                                               7. Filtros de spam.

                                                                               8. Atención al cliente.

                                                                               9. Biométrica.

                                                                               10. Procesamiento del lenguaje                                                                                           natural.