Universidad CNCI virtual

Proyecto Modular

Sistemas expertos

Claudia Hernández Flores

Rubí Abigail Ibarra Rodríguez

Licenciatura en informática
administrativa
Saltillo Coahuila 24/02/2022
 Introducción
«Inteligencia artificial, aprendizaje profundo, aprendizaje automático… te dediques a lo que te
dediques, si no lo comprendes tienes que ponerte con ello y aprender qué es. Porque de lo
contrario serás un dinosaurio dentro de 3 años «.

Un agente que aprende, al ser autónomo, es un sistema que puede liberarse en el entorno a absorber
información, para tomar ejemplos, llegar a conclusiones sencillas y puede incluso crear y reportar
hipótesis.
El aprendizaje inductivo no es programado ni incluye reglas fijas. Por ello, no funciona por simple
memorización, sino por razonamiento o cómputo de la información.
La minería de datos viene siendo una herramienta muy utilizada para las organizaciones pues como
nos permite tener una mayor gestión en cuestión de tiempo para los grandísimos archivos que se
manejan.
El avance de la tecnología ha sido de una gran ayuda para el mejor manejo de datos en cuanto
hablamos de las bases de datos pues si tenemos claro anteriormente se manejaba miles de hojas y se
archivaban sin una protección. La minería de datos se utiliza para explorar bases de datos cada vez
mayores y mejorar la segmentación del mercado. Analizando las relaciones entre parámetros como
edad de los clientes, género, gustos, etc., es posible adivinar su comportamiento para dirigir
campañas personalizadas de fidelización o captación.
La minería de textos tiene muchas aplicaciones. Por ejemplo, la minería de textos puede ayudar a
encontrar tecnologías nuevas e innovadoras dentro de ciertos dominios. Es un método muy eficiente
para generar nueva información y conocimiento. Esta práctica permite a las empresas reducir el
tiempo dedicado a la lectura de textos extensos y extractos literarios. Esto significa que los recursos
clave se pueden encontrar con mayor rapidez y eficacia. También permite a los usuarios obtener
nueva información que de otro modo sería difícil de encontrar.

24-02-22 Pá gina 2
Minería de datos:
La minería de datos es el proceso de hallar anomalías, patrones y correlaciones en grandes
conjuntos de datos para predecir resultados. Empleando una amplia variedad de técnicas, puede
utilizar esta información para incrementar sus ingresos,
recortar costos, mejorar sus relaciones con clientes,
reducir riesgos y más.

Historia de la minería de datos y avances

actuales:
Este proceso de hurgar en los datos para descubrir
conexiones ocultas y predecir tendencias futuras viene ya
de una larga historia. Conocido algunas veces como "descubrimiento de conocimientos en bases de
datos", el término "minería de datos" no se acuño sino hasta la década de 1990. Pero su base
comprende tres disciplinas científicas entrelazadas: estadística (el estudio numérico de relaciones de
datos), inteligencia artificial (inteligencia similar a la humana exhibida por software y/o máquinas)
y machine learning (algoritmos que pueden aprender de datos para hacer predicciones). Lo que era
antiguo es nuevo otra vez, ya que la minería de datos continúa evolucionando para igualar el ritmo
del potencial sin límites del big data y poder de cómputo asequible.
En la última década, los avances en el poder y la velocidad de procesamiento nos han permitido
llegar más allá de las prácticas manuales, tediosas y que toman mucho tiempo al análisis de datos
rápido, fácil y automatizado. Cuantos más complejos son los conjuntos de datos recopilados, mayor
es el potencial que hay para descubrir insights relevantes. Los comerciantes detallistas, bancos,
fabricantes, proveedores de telecomunicaciones y aseguradoras, entre otros, utilizan la minería de
datos para descubrir relaciones entre todas las cosas, desde precios, promociones y demografía
hasta la forma en que la economía, el riesgo, la competencia y los medios sociales afectan sus
modelos de negocios, ingresos, operaciones y relaciones con clientes.

Características:
Una minería de datos tiene de característica de que puedes obtener información sin tener que hacer
preguntas específicas, ya que su tarea es resolver este ámbito:
Tiene como rol ser predictiva, en relación a la posibilidad de decir qué es lo que puede pasar
utilizando estadísticas y probabilidades de información que está oculta en datos almacenados.
También funciona para conocer, además de eventos futuros, datos importantes que conviene saber,
pero que no están a la vista. Por ejemplo, una relación inusual entre las ventas de dos productos
diferentes y cómo esa relación varía de acuerdo a cómo se posicionan estos productos en los locales
de ventas al por menor.

Funcionamiento:
La minería de datos puede ser útil en tipos específicos de misiones comerciales. Por ejemplo:
determinando la efectividad de un programa de Marketing, manejo del ciclo de vida de un cliente,
mostrando escenarios posibles en un proceso de negocio y procesando datos para luego combinarlos
en partes para mejor visualización. Básicamente, la minería de datos surge para intentar ayudar a
comprender el contenido de un repositorio de datos. Con este fin, hace uso de prácticas estadísticas

24-02-22 Pá gina 3
y, en algunos casos, de algoritmos de búsqueda próximos a la Inteligencia Artificial y a las redes
neuronales. De forma general, los datos son la materia prima bruta. En el momento que el usuario
les atribuye algún significado especial pasan a convertirse en información. Cuando los especialistas
elaboran o encuentran un modelo, haciendo que la interpretación que surge entre la información y
ese modelo represente un valor agregado, entonces nos referimos al conocimiento. se suele
componer de cuatro etapas principales:

 Determinación de los objetivos. Trata de la delimitación de los objetivos que el cliente

desea bajo la orientación del especialista en minería de datos.

 Preprocesamiento de los datos. Se refiere a la selección, la limpieza, el enriquecimiento,

la reducción y la transformación de las bases de datos. Esta etapa consume generalmente
alrededor del setenta por ciento del tiempo total de un proyecto de minería de datos.

 Determinación del modelo. Se comienza realizando unos análisis estadísticos de los datos,
y después se lleva a cabo una visualización gráfica de los mismos para tener una primera
aproximación. Según los objetivos planteados y la tarea que debe llevarse a cabo, pueden
utilizarse algoritmos desarrollados en diferentes áreas de la Inteligencia Artificial.

 Análisis de los resultados. Verifica si los resultados obtenidos son coherentes y los coteja
con los obtenidos por los análisis estadísticos y de visualización gráfica. El cliente
determina si son novedosos y si le aportan un nuevo conocimiento que le permita
considerar sus decisiones.

También funciona para conocer, además de eventos futuros, datos importantes que conviene saber,
pero que no están a la vista. Por ejemplo, una relación inusual entre las ventas de dos productos
diferentes y cómo esa relación varía de acuerdo a cómo se posicionan estos productos en los locales
de ventas al por menor.

Importancia:
Porque la gran importancia de la minería de datos pues Ha podido apreciar los números asombrosos
– el volumen de datos producidos se duplica cada dos años. Los datos no estructurados por sí solos
conforman el 90% del universo digital. Pero más información no significa necesariamente más
conocimientos.
La minería de datos le permite:
 Filtrar todo el ruido caótico y repetitivo en sus datos.
 Entender qué es relevante y luego hacer un buen uso de esa información para evaluar
resultados probables.
 Acelerar el ritmo de la toma de decisiones informadas.
Aprenda más acerca de técnicas de minería de datos en Minería de datos de la A a la Z, documento
que muestra cómo pueden las organizaciones utilizar la analítica predictiva y la minería de datos
para revelar nuevos insights partiendo de datos. 
La minería de datos es una piedra angular de la analítica, la cual le ayuda a desarrollar los modelos
que pueden descubrir conexiones dentro de millones o miles de millones de registros. Aprenda
cómo la minería de datos está dando forma al mundo en que vivimos.

24-02-22 Pá gina 4
El data mining posibilita, entre otros aspectos:

 Limpiar los datos de ruido y repeticiones.

 Extraer la información relevante y utilizarla para evaluar posibles resultados.

 Tomar mejores decisiones de negocio con mayor rapidez.

Beneficios de la minería de datos

La minería de datos brinda innumerables beneficios. Algunos de ellos son:
 Se puede aplicar a un montón de escenarios empresariales diferentes.
 Contribuye a gestionar y organizar la información de tu empresa de forma más eficiente.
 Colabora en el ahorro de costos y tiempo en los procesos de tu organización.
 Te ayuda a prevenir situaciones adversas futuras basándose en datos verídicos.
 Al mostrar información clave, contribuye en la toma de decisiones estratégicas.
 Facilita el conocimiento de los usuarios de tu empresa, sus gustos, preferencias,
comportamientos.
 Te ayuda a optimizar tus productos o servicios en base a la información que te brinda sobre
el comportamiento online de tus clientes. Esto a su vez te lleva a aumentar tus ventas.
 Brinda la posibilidad de desarrollar estrategias para encontrar y atraer nuevos clientes.
 Te posibilita mejorar la atención al cliente de tu empresa a partir de la información
obtenida.

Relación que tiene con los sistemas expertos:

 Combinando técnicas de minería de datos con sistemas expertos.
La minería de datos constituye un conjunto de procedimientos para el descubrimiento del
conocimiento, tales como:
  Segmentación
  Clasificación
  Predicción
  Obtención de reglas mediante algoritmos de asociación, análisis de series temporales
Con todo esto se obtiene conocimiento del negocio, como por ejemplo:
  Detección de hábitos de compra
  Detección de patrones de fuga
  Detección de fraude
  Segmentación de clientes y asignación de los productos más adecuados
  Campañas de marketing
Sistemas expertos. Algoritmo RETE
Para poder utilizar este conocimiento extraído mediante la minería de datos se hace necesario contar
con una herramienta más, los sistemas expertos. Las reglas del negocio obtenidas presentan un
índice de fiabilidad o relevancia por las que se ordenan, seleccionando solamente las más
importantes.
Los sistemas expertos basados en reglas utilizan el algoritmo RETE.

24-02-22 Pá gina 5
Las reglas expresan relaciones del tipo Si Condición Entonces Consecuente. Tanto condición como
Consecuente pueden estar compuestos de varios términos.
Ventajas del empleo de reglas:
 Las reglas nos permiten indicar «qué es lo que hay que hacer», no «cómo hacerlo». En este
sentido, es mucho más fácil expresar soluciones a problemas complejos y, por tanto,
obtener soluciones verificadas.
 Las reglas permiten resolver problemas de gran complejidad, proporcionando una
explicación de cómo se ha llegado a la conclusión y por qué se ha tomado la decisión. Esto
es algo que no puede ser hecho por una red neuronal, por ejemplo.
 Una ventaja más de un motor de reglas es que permite separar la lógica de los datos. De
esta forma, la lógica  puede ser mucho más fácil de mantener respecto a cambios futuros.
 También se dan ventajas en cuanto a la velocidad y escalabilidad. El algoritmo RETE, así
como Leaps y sus descendientes Drools, proporcionan muchas formas eficientes de
comparar patrones de reglas sobre los datos.
 El conocimiento está centralizado. Se crea una base de reglas que es una base de datos de
conocimiento. Además, las reglas son, idealmente, legibles y pueden servir como
documentación.
 Se integra el motor de reglas dentro de la herramienta de desarrollo de software que se está
utilizando.
 Ayuda para explicación, y reglas comprensibles. La ejecución de reglas puede generar un
log que explica qué decisiones se han tomado y por qué. Las reglas pueden estar escritas de
una forma muy parecida al lenguaje natural, lo que facilitará la comprensión del proceso.
¿Quién lo utiliza?
La minería de datos se sitúa en el corazón de esfuerzos analíticos en diversas industrias y
disciplinas.
Comunicaciones
En un mercado sobrecargado donde la competencia es cerrada, las respuestas se encuentran a
menudo en los datos de sus consumidores. Las compañías de multimedia y telecomunicaciones
pueden utilizar modelos analíticos para entender montañas de datos de clientes, ayudándoles así a
predecir el comportamiento de sus clientes y ofrecer campañas altamente dirigidas y relevantes.
Seguros
Con conocimientos analíticos, las compañías de seguros pueden resolver problemas complejos
concernientes a fraude, cumplimiento, gestión de riesgo y separación de clientes. Las compañías
han utilizado técnicas de minería de datos para asignar precios a productos con mayor eficacia en
líneas de negocios y hallar nuevas formas de ofrecer productos competitivos a su base de clientes
existente.
Educación
Con vistas unificadas basadas en datos del progreso de los estudiantes, los educadores pueden
predecir el desempeño de sus alumnos antes de que pongan un pie en el salón de clases – y
desarrollar estrategias de intervención para mantenerlos en curso. La minería de datos ayuda a los

24-02-22 Pá gina 6
educadores a acceder a datos de los estudiantes, a predecir niveles de logro y a detectar estudiantes
o grupos de estudiantes que necesitan atención extra.
Manufactura
La alineación de planes de suministro con pronósticos de demanda es esencial, como lo es también
la detección temprana de problemas, garantía de calidad e inversión en equidad de marca. Los
fabricantes pueden predecir el desgaste de activos de producción y anticipar su mantenimiento, lo
cual puede maximizar el tiempo en operación y mantener la línea de producción acorde a lo
programado.
Bancos
Los algoritmos automatizados ayudan a los bancos a entender a su base de clientes y también los
miles de millones de transacciones en el corazón del sistema financiero. La minería de datos ayuda
a las compañías de servicios financieros a tener una mejor vista de los riesgos del mercado, a
detectar el fraude en menos tiempo, a gestionar las obligaciones de cumplimiento de las
regulaciones y a obtener retornos óptimos de sus inversiones en marketing.
Retail
Grandes bases de datos de clientes contienen insights ocultos que le pueden ayudar a mejorar las
relaciones con clientes, optimizar campañas de marketing y pronosticar ventas. A través de modelos
de datos más precisos, las compañías detallistas pueden ofrecer campañas más enfocadas – y
encontrar la oferta que tenga el mayor impacto en el cliente.

Nombre de Definición y aplicación Imagen representativa

aplicación
1 Evitar fraudes en el Uso de software en el sector bancario y
sector bancario y financiero es uno de los ejemplos de
financiero. minería de datos más
comunes. Bancos, aseguradoras y
firmas recopilan cientos de datos sobre
las fluctuaciones en los distintos
mercados financieros y las
transacciones que se realizan
diariamente sirven para detectar
posibles transacciones de lavado de
dinero y otros delitos
financieros. Esta técnica elimina las
incongruencias y anomalías para

24-02-22 Pá gina 7
 facilitar la gestión de las bases de
datos, permitiendo su análisis y
procesamiento.
2 Segmentar clientes Las compañías que utilizan Big
en el comercio retail Data almacenan gran cantidad de datos
sobre sus clientes, los productos más
(El caso de Amazon) vendidos, los días con más
transacciones, el historial de compra,
El Clustering Analysis es uno de los
ejemplos de minería de datos más
útiles para segmentar el mercado en
distintos grupos de usuarios,
teniendo en cuenta características
comunes. De esta manera, las tiendas
de retail pueden enviar promociones o
sugerencias de productos de manera
acertada.
3 Hacer previsiones El cual se pueden estudiar cambios,
para lanzamientos en comportamientos y nivel de
la industria de satisfacción de los clientes frente a
alimentos y bebidas parámetros como el presupuesto de
(caso de PepsiCo) una campaña publicitaria, por ejemplo.
De esta manera, si modificas uno de
estos parámetros, tendrás un vistazo de
lo que podría ocurrir en el futuro. son
un modelo de previsión. Por sus ramas
encuentras muchos caminos con
condiciones que ocurren de forma
sucesiva. Lo mejor es que los
softwares de análisis te ayudan
a tomar el camino más indicado
basado en la relación costo-
beneficio. Es una de las aplicaciones
de la minería de datos más usada para
el project management.
4 'Marketing' La minería de datos se utiliza para
explorar bases de datos cada vez
mayores y mejorar la segmentación del
mercado. Analizando las relaciones
entre parámetros como edad de los
clientes, género, gustos, etc., es
posible adivinar su
comportamiento para dirigir campañas
personalizadas de fidelización o
captación. El data
mining en marketing predice también
qué usuarios pueden darse de baja de
un servicio, qué les interesa según sus
búsquedas o qué debe incluir una lista
de correo para lograr una tasa de

24-02-22 Pá gina 8
 respuesta mayor.
5 Medicina. La minería de datos
favorece diagnósticos más precisos. Al
contar con toda la información del
paciente —historial, examen físico y
patrones de terapias anteriores— se
pueden prescribir tratamientos más
efectivos. También posibilita una
gestión más eficaz, eficiente y
económica de los recursos sanitarios al
identificar riesgos, predecir
enfermedades en ciertos segmentos de
la población o pronosticar la duración
del ingreso hospitalario. Detectar
fraudes e irregularidades y estrechar
vínculos con los pacientes al ahondar
en el conocimiento de sus necesidades
son también ventajas de emplear
el data mining en medicina.
6 Automatizar el Redes neuronales son una de las
aprendizaje sobre el aplicaciones de la minería de datos
comportamiento del más reciente. Se trata de que los
usuario en los algoritmos que gestionan las bases de
servicios de datos “aprenden” a identificar patrones
streaming en el comportamiento de los usuarios,
(Caso de Netflix) encontrando elementos con relaciones
concretas entre sí. Esto está conectado
con el machine learning. De acuerdo
con Medium, Netflix tiene más de 183
millones de suscriptores y contando,
siendo el servicio de transmisión por
suscripción más grande en la
actualidad. ¡Imagina la cantidad de
datos diarios que recolectan sobre
géneros de series y películas
preferidos, duración de una sesión
promedio, información demográfica de
los usuarios, etc.!
7 Comercio minorista. Los supermercados, por ejemplo,
emplean los patrones de compra
conjunta para identificar asociaciones
de productos y decidir cómo situarlos
en los diferentes pasillos y estanterías
de los lineales. El data mining detecta
además qué ofertas son las más
valoradas por los clientes o incrementa
la venta en la cola de caja.

24-02-22 Pá gina 9
8 Telecomunicaciones Hay cadenas que aplican la minería de
datos en tiempo real a sus registros de
audiencia en televisión online (IPTV)
y radio. Estos sistemas recaban y
analizan sobre la marcha información
anónima de las visualizaciones, las
retransmisiones y la programación de
los canales. Gracias al data mining se
pueden emitir recomendaciones
personalizadas a los radioyentes y
telespectadores, conocer en directo sus
intereses y su actividad, y entender
mejor su conducta. Las cadenas
obtienen, además, conocimiento muy
valioso para sus anunciantes, que
aprovechan estos datos para llegar con
más precisión a sus clientes
potenciales.

9 calidad Uso de herramientas integradas y

entornos amigables, destacando
principalmente la informatización
del proceso en todos los niveles,
principalmente la comunicación entre
los miembros del grupo en el cual se
va a instalar la Minería de Datos para
recuperar información, como en la
documentación que va a ser generada.
Necesidad de que los componentes del
grupo de la propia organización en la
que se va a implantar la Minería de
Datos para recuperar información, esté
formada en disciplinas que integren la
propia Minería de Datos para recuperar
información como en estadística, por
ejemplo
10 Educación No es un tópico nuevo y su estudio y
aplicación ha sido muy relevante en
los últimos años. El uso de estas
técnicas permite, entre otras cosas,
predecir cualquier fenómeno dentro
del ámbito educativo.es la utilización
de la minería de datos en el ámbito de
la enseñanza. La minería de datos,
también conocida como
Descubrimiento de Conocimiento en
Bases de datos, es el campo que nos
permite descubrir información nueva y
potencialmente útil de macro datos o
grandes cantidades de datos.

24-02-22 Pá gina 10
24-02-22 Pá gina 11
 Conclusión
Con la minería de datos nos permite tener una mejor administración y control en cuanto a nuestra
información recabada o capturada través de toda la vida de una administración desde el comienzo
hasta el final pues ya se tanto en los empleados, producción o almacenaje nos permite poder echar
un vistazo cuanto sea necesario sin la necesidad de estar entre archivos.
La minería de datos o también conocida como data mining ha abierto todo un mundo de
posibilidades para los negocios. En este campo de la estadística computacional relaciona millones
de datos aislados y sirve a las empresas, por ejemplo, para detectar patrones de conducta en sus
clientes y predecir su comportamiento. Su objetivo es generar nuevas oportunidades de mercado.
La minería de datos puede ser útil en tipos específicos de misiones comerciales. Por ejemplo:
determinando la efectividad de un programa de Marketing, manejo del ciclo de vida de un cliente,
mostrando escenarios posibles en un proceso de negocio y procesando datos para luego combinarlos
en partes para mejor visualización
En relación con la minería de datos, esa actividad de la Inteligencia Artificial (IA) que permite
explorar grandes bases de datos de forma automática o semiautomática, con el fin de conseguir
patrones, tendencias o reglas que expliquen el comportamiento de estos datos en determinados
contextos.

Bibliografía
¿Para qué sirve la minería de datos o data mining? (s.f.). Obtenido de syloper:
https://www.syloper.com/blog/recursos/para-que-sirve-la-mineria-de-datos/

5 ejemplos de aplicación de minería de datos. (s.f.). Obtenido de Monografias:

https://www.monografias.com/trabajos81/5-ejemplos-aplicacion-mineria-datos/5-
ejemplos-aplicacion-mineria-datos

Descubre cómo el 'data mining' predecirá nuestro comportamiento. (s.f.). Obtenido de iberdrola:
https://www.iberdrola.com/innovacion/data-mining-definicion-ejemplos-y-aplicaciones

Forero, T. (12 de Mayo de 2021). crehana. Obtenido de 5 ejemplos de minería de datos: ¡De la
información a la acción!: https://www.crehana.com/co/blog/data-analitica/ejemplos-
mineria-datos/

Minería de datos y Sistemas Expertos. (27 de Dic de 2011). Obtenido de rtdibermatica:

http://rtdibermatica.com/?p=720

MINERÍA DE DATOS: Qué es, importancia y técnicas de su implementación. (2019 de May de 27).
Obtenido de netec: https://www.netec.com/post/mineria-de-datos-que-es-importancia-y-
tecnicas-de-su-implementacion

24-02-22 Pá gina 12
24-02-22 Pá gina 13