reas de estudio y de

investigacin de la
Ingeniera del Software
lgoritmos, Complejidad y Aplicacion
Esta rea se enfoca en la concepcin de algoritmos
eficientes en optimizacin no lineal,teora de grafos,
para la evaluacin de consultas particularesde bases
de datos muy grandes en genmica, recuperacin de
imgenes, bsquedas en la web y geometra
elemental. Tambin se estudia la complejidad en
computacincientfica (cotas superiores e inferiores
de complejidad en el contextonumrico,
seminumrico y simblico).
Algoritmos, Complejidad y Aplicacio
Campos:Teora general de grafos,paging, Knowledge
Management, microeconoma y algoritmica de
publicidadon-line, complejidad de Kolmogorov y azar,
lgebra lineal numrica,sampling, teora de nmeros
efectiva, criptografa, constraint data
bases,geometra algebraica, semialgebraica y
diofntica efectiva (ComputerAlgebra), teora
algebraica de complejidad
lgoritmos, Complejidad y Aplicacione
Edge Rank.
El EdgeRank es un algoritmo cuya funcin es optimizar nuestro
muro de noticias enfacebook, determinando que publicaciones
aparecern en ste y en qu orden. Como si se tratara de un
filtro que permite pasar al muro de noticias las publicaciones
ms relevantes para cada usuario, y el resto nicamente
aparecern en el teletipo (informacin instantnea) ubicado en
la barra lateral de Facebook.
goritmos, Complejidad y Aplicacione
Afinidad:es el grado de interaccin entre el usuario y el creador del contenido, a
mayor interaccin mayor nivel de afinidad. Por ejemplo, si un amigo o seguidor en
Facebook interacta con nuestras publicaciones haciendo clic en Me Gusta,
dejndonos comentarios, compartiendo nuestra publicacin o navegando por
nuestras fotos, envindonos mensajes, etc. estar enviando seales de afinidad con
nosotros y es muy probable que nuestras publicaciones aparezcan en su muro de
noticias.
Peso:es la relevancia del contenido que publicamos. El peso depende del grado de
interaccin entre los usuarios y la publicacin;hace referencia alnmero de veces
que sta es compartida, el nmero de comentarios,el nmero de Me Gusta y el
nmero de clic sobre la publicacin. Compartir tiene un peso alto, un comentario
tiene un peso medio-alto, un Me Gusta tiene un peso medio y un clic un peso bajo.
Tiempo:es la antigedad de la publicacin. Entre mayor sea el tiempo transcurrido
desde que se public menos probabilidades habr de que la publicacin aparezca en
el muro de noticias de nuestros amigos o seguidores. Esto debido a que Facebook se
preocupa porque los usuarios encuentren en su muro informacin reciente
Algoritmos, Complejidad y
Aplicaciones
Publicando contenidos que contengan videos, imgenes o enlaces,
Facebook otorga un mayor peso a este tipo de publicaciones, dado
que generan mayor interaccin.
Publicando contenidos peridicamente pero no demasiado
seguidos, menos de tres veces al da.
Respondiendo los comentarios, si tus seguidores o amigos ven que
respondes a sus comentarios, stos se motivarn y dejarn
tambin los suyos.
Estimula a la interaccin de los usuarios con la publicacin
haciendo preguntas o bien sea con llamados a la accin.
Realizando publicaciones cortas, stas incitan ms a la
participacin.
 Imgenes seales y robtica
procesamiento de imgenes
compresin de seales, visin computacional
redes neuronales
computacin grfica
Herramientas de aplicacin
Sistemas embebidos

FPGAs

segmentacin de
imgenes
clasificacin tcnicas para texturas
de patrones verificacin dinmicas
climatolgico funcional de
s sistemas
digitales
INVESTIGACIN OPERATIVA
Investigacin Operativa
La Investigacin Operativa es el uso de la
matemtica e informtica para resolver
problemas del mundo real, tomando
decisiones acertadas que garanticen el
xito.
Investigacin operativa
El objetivo general de la
investigacin de operaciones es
la optimizacin de recursos y el
ahorro econmico.
Investigacin Operativa
El auge de esta ciencia se debe, en su mayor parte, al
rpido desarrollo de la informtica, que ha posibilitado
la resolucin de problemas en la prctica y la
obtencin de soluciones que de otra forma
conllevaran un enorme tiempo de clculo hacindolos
inviables.
Modelo de Investigacin de
Operaciones
Un modelo siempre debe ser menos complejo que el
problema real
Para construir un modelo es necesario primero definir
las variables en funcin de las cuales ser establecido.
Luego, se procede a determinar matemticamente
cada una de las dos partes que constituyen un
modelo:
a) La funcin objetivo.
b) Las restricciones
Modelo Matemtico

Se emplea cuando la funcin objetivo y las

restricciones del modelo se pueden expresar en forma
cuantitativa o matemtica como funciones de las
variables de decisin.
Modelo de Simulacin
Un modelo de simulacin divide el sistema representado en mdulos bsicos o
elementales que despus se enlazan entre si va relaciones lgicas bien
definidas. Por lo tanto, las operaciones de clculos pasaran de un mdulo a
otro hasta que se obtenga un resultado de salida.

Modelos de Investigacin de Operaciones de la ciencia de la administracin:

Los cientficos de la administracin trabajan con modelos cuantitativos de
decisiones.
Modelos Formales

Se usan para resolver problemas cuantitativos de

decisin en el mundo real. Algunos modelos en la ciencia
de la administracin son llamados modelos
determinsticos. Esto significa que todos los datos
relevantes (es decir, los datos que los modelos utilizarn
o evaluarn) se dan por conocidos. En los modelos
probabilsticos (o estocsticos), alguno de los datos
importantes se consideran inciertos, aunque debe
especificarse la probabilidad de tales datos.
Clasificacin de Modelos
Los modelos matemticos pueden clasificarse de la
siguiente manera.

Modelo Determinsticos
Modelo Probabilstico o Estocstico
Modelo Determinsticos

Cuando se conoce los datos de manera puntual y la forma del resultado,

es decir todos los datos son conocidos.
Se aplica a los siguientes tipos de problemas de:
Programacin lineal
Programacin entera
Programacin no lineal
Teora de redes, transporte, de asignacin, programacin por metas.
Teora de inventarios
Es decir que si se usa este modelo determinstico quiere decir que se
tendr una respuesta o solucin concreta.
Modelo Probabilstico o Estocstico

Cuando no se conoce el resultado esperado, sino su probabilidad

y existe por lo tanto incertidumbre.
Se aplica a los siguientes tipos de problemas, como: Cadenas de
Markov
Teora de juegos
Lneas de espera
Inventarios con demanda probabilstica
y en este caso se puede decir que el resultado de usar este
modelo es que tal vez la respuesta puede ser correcta o incorrecta
como lo dice el modelo se basa en resultados probabilsticos.
 Ingeniera de Software
Especificaci
Mtodos n
Construcci
n
Herramientas Anlisis
Verificacin
Validacin
Ambientes Sntesis
Inteligencia Artificial
1) percibir/capturar su entorno
2) representar internamente
tales percepciones y el
conocimiento del dominio
3) razonar y sacar conclusiones a
partir del conocimiento adquirido
4) aprender a partir de las
situaciones resueltas nuevo
conocimiento y, finalmente
5) actuar/operar sobre su entorno
como consecuencia de las etapas
anteriores.
Agente inteligente simple
Categoras de la Inteligencia Artificial

Sistemas que Sistemas que Sistemas que Sistemas que

actan como piensan como actan piensan
humanos humanos racionalmente racionalmente
El esfuerzo por Un campo de estudio
hacer a las que busca explicar
El estudio de las
El estudio de como computado- y emular el
facultades menta-
hacer computadoras ras pensar ... comportamiento
les a travs del
que hagan cosas mquinas con inteligente
estudio de modelos
que, de momento, la mentes en trminos de
computacionales
gente hace mejor en procesos
(Charniak y McDer-
(Rich y Knight, 1991) el sentido amplio y computaciona-
mott, 1985)
literal (Haugeland, les (Schalkoff,
1985) 1990)
Inteligencia Artificial
Inteligencia Artificial
Aplicaciones
Aplicaciones