Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
Descargar como docx, pdf o txt
Está en la página 1/ 5
PROGRAMA ACADÉMICO
DE INGENIERIA DE SISTEMAS
GUÍA DE PRÁCTICA N.o 5
EXPERIENCIA CURRICULAR: Sistemas Inteligentes
CICLO: VII TURNO: Mañana/Tarde/Noche SEMESTRE: 2024-2 SESIÓN N.º: 5 DOCENTE: Nombre del docente LUGAR: Piura AMBIENTE: Laboratorio de redes y nuevas tecnologías INTEGRANTE/S: Nombre del/los estudiante/s
I. TEMA: Extracción de características de imágenes digitales.
II. RESULTADO DE APRENDIZAJE:
Aplica los componentes para el procesamiento de imágenes y resolución de problemas mediante inteligencia artificial.
III. OBJETIVO DE LA PRÁCTICA:
Aplicar casos reales mediante la librería Numpy y Matplotlib en los sistemas inteligentes.
IV. FUNDAMENTO TEÓRICO SOBRE EL TEMA
La NumPy es una biblioteca para el cálculo numérico y el análisis de datos, mientras que Matplotlib es una biblioteca para crear visualizaciones de datos en dos dimensiones. Ambas bibliotecas son ampliamente utilizadas en el campo de la inteligencia artificial y el análisis de datos debido a su eficiencia, flexibilidad y capacidad de integración con otras bibliotecas de Python. A continuación, se ingresar a los siguientes enlaces de información que permitirán complementar la práctica aplicado en los sistemas.
Clasificación de nevus mediante el cálculo de la dimensión fractal y el análisis
armónico del contorno extraído de imágenes multiespectrales https://www.redalyc.org/journal/707/70757669016/70757669016.pdf
V. METODOLOGÍA: Búsqueda de artículos científicos en revistas indizadas en las bases de datos bibliográficas Scopus, Web of Science – WoS. Organizar la información de manera sistemática. Elaborar un informe con su propuesta y logro del objetivo del tema.
Pág. 1 de 5 PROGRAMA ACADÉMICO DE INGENIERIA DE SISTEMAS
VI. RECURSOS: Laboratorio de cómputo (computadora y proyector multimedia) con conexión a internet. Utilizar el App MyLoft para el acceso a los recursos digitales de biblioteca. Utilizar la plataforma Blackboard para acceder a la información de la experiencia curricular de Sistemas Inteligentes. Python. Google colab.
VII. DESARROLLO DE ACTIVIDADES:
7.1.- Descripción A continuación, el estudiante codifica y ejecuta ejemplos relacionados al tema en “Python”. El trabajo es en cuatro (4) usuarios para complementar la información del tema. Sin embargo, casa estudiante usará una computadora para ejecutar de forma individual la instalación, configuración del software, que posteriormente debe ser comparada y analizada con los demás, integrantes del equipo.
7.2.- Proceso de trabajo de laboratorio
1.- Codificar y ejecutar la librería “MatplotLib”.
Pág. 2 de 5 PROGRAMA ACADÉMICO DE INGENIERIA DE SISTEMAS
2.- Codificar y ejecutar la librería “MatplotLib”.
3.- Codificar y ejecutar la librería “MatplotLib”.
Pág. 3 de 5 PROGRAMA ACADÉMICO DE INGENIERIA DE SISTEMAS
4.- Codificar y ejecutar la librería “MatplotLib”.
5.- Codificar y ejecutar la librería “MatplotLib”.
Pág. 4 de 5 PROGRAMA ACADÉMICO DE INGENIERIA DE SISTEMAS
7.3.- Plenaria – Retroalimentación
A continuación, el/la docente genera la retroalimentación y/o consolidación de la asimilación de aprendizajes del tema con los estudiantes.
Pregunta: ¿Cómo aplicar la libreria Numpy y MatplotLib?
NumPy es una librería de Python aplicada en el cálculo numérico y el análisis de datos.
Proporciona una nueva clase de objetos llamados arrays, que permiten representar asociaciones de datos de un mismo tipo en varias dimensiones.
Asimismo, es una librería de Python utilizada en la creación de gráficos en el análisis de
datos. Para la codificación y ejecución en Python Para complementar la parte práctica, puedes codificar y ejecutar en Python.
Ejercicios de aplicaciones reales con librería Numpy y Matplotlib en Python:
Se sugiere ejecutar los ejercicios planteados en Python sobre sobre aplicaciones reales con librería Numpy y Matplotlib.
VIII. PROTOCOLO DE SEGURIDAD / NORMAS BÁSICAS PARA LA PRÁCTICA
Tener en cuenta la guía sobre el protocolo de seguridad en el laboratorio
IX. BIBLIOGRAFÍA Lionel Brossi Tomás Dodds Ezequiel Passeron (2019). Inteligencia artificial y bienestar de las juventudes en América Latina. LOM Ediciones - 278 páginas. https://books.google.com.pe/books?id=xmXeDwAAQBAJ&lpg=PT1&dq=Lionel %20Brossi%20Tom%C3%A1s%20D odds%20Ezequiel%20Passeron%20(2019). %20Inteligencia%20ar ROUHIAINEN, Lasse. Inteligencia artificial. Madrid: Alienta Editorial, 2018. https://proassetspdlcom.cdnstatics2.com/usuaris/libros_contenido/arxius/ 40/39308_Inteligencia_artificial.pdf BODEN, Margaret A. Inteligencia artificial. Turner, 2017. https://books.google.es/books? hl=es&lr=&id=LCnYDwAAQBAJ&oi=fnd&pg=PT3&dq=inteligencia+artificial&ots =dsPtBWaHp8&sig=mcfcJR95YJ1Zq_6dTudoSStEtlw#v=onepage&q=inteligencia %20artificial&f=false Cortes, L. L. H., Villarreal-López, E., & Villarreal-López, L. (2016). Detección y diagnóstico de fallas mediante técnicas de inteligencia artificial, un estado del arte. Dyna, 83(199), 19-28. https://revistas.unal.edu.co/index.php/dyna/article/view/55612/57576
