Podcast
Questions and Answers
¿Cuáles son los dos propósitos principales del mester de clerecía, según se indica?
¿Cuáles son los dos propósitos principales del mester de clerecía, según se indica?
Entretener y enseñar (adoctrinar principios de la religión o didactismo).
¿Qué elementos juglarescos se incorporaban al estilo del mester de clerecía?
¿Qué elementos juglarescos se incorporaban al estilo del mester de clerecía?
Llamadas a oyentes y epítetos épicos.
Describe brevemente la estructura de los relatos en los Milagros de Nuestra Señora.
Describe brevemente la estructura de los relatos en los Milagros de Nuestra Señora.
Introducción alegórica, descripción del personaje devoto, efectos negativos del pecado, intervención de la Virgen, y conclusión con alabanza a María.
¿Cuál es el tema central del Cantar de Mio Cid?
¿Cuál es el tema central del Cantar de Mio Cid?
Nombra las tres partes principales en las que se divide la estructura externa del Cantar de Mio Cid.
Nombra las tres partes principales en las que se divide la estructura externa del Cantar de Mio Cid.
¿Qué tipo de rima se utiliza en el mester de clerecía y cómo se caracteriza?
¿Qué tipo de rima se utiliza en el mester de clerecía y cómo se caracteriza?
¿Cuál es la métrica predominante en los versos del Mester de Juglaría?
¿Cuál es la métrica predominante en los versos del Mester de Juglaría?
Aparte del entretenimiento, ¿cuál era la intención principal de los juglares al recitar sus poemas?
Aparte del entretenimiento, ¿cuál era la intención principal de los juglares al recitar sus poemas?
¿Qué tipo de temas eran comunes en la poesía de la nobleza durante la literatura medieval?
¿Qué tipo de temas eran comunes en la poesía de la nobleza durante la literatura medieval?
En el contexto del Libro de Buen Amor, ¿qué simboliza la lucha entre Doña Cuaresma y Don Carnal?
En el contexto del Libro de Buen Amor, ¿qué simboliza la lucha entre Doña Cuaresma y Don Carnal?
Flashcards
¿Qué es el Mester de Clerecía?
¿Qué es el Mester de Clerecía?
Oficio de los clérigos, coexiste con el mester de juglaría.
¿Cuál es la intención del Mester de Clerecia?
¿Cuál es la intención del Mester de Clerecia?
Entretenimiento y adoctrinamiento en principios religiosos.
¿Cómo es el estilo del Mester de Clerecía?
¿Cómo es el estilo del Mester de Clerecía?
Más culto y elaborado, con rima consonante y versos regulares en "cuaderna vía".
¿Quién es Gonzalo de Berceo?
¿Quién es Gonzalo de Berceo?
Signup and view all the flashcards
¿Qué es el mester de juglaría?
¿Qué es el mester de juglaría?
Signup and view all the flashcards
¿Cuál es la la intención del mester de juglaría?
¿Cuál es la la intención del mester de juglaría?
Signup and view all the flashcards
¿Cómo está compuesto el Libro de Buen Amor?
¿Cómo está compuesto el Libro de Buen Amor?
Signup and view all the flashcards
¿Cuál es el fin del Libro de Buen Amor?
¿Cuál es el fin del Libro de Buen Amor?
Signup and view all the flashcards
¿Qué temas toca la literatura medieval?
¿Qué temas toca la literatura medieval?
Signup and view all the flashcards
¿Cómo es la técnica literaria medieval?
¿Cómo es la técnica literaria medieval?
Signup and view all the flashcards
Study Notes
Guía Práctica para Implementar Schema.org en tu Sitio Web
- Schema.org es un proyecto colaborativo de Google, Microsoft, Yahoo! y Yandex.
- Su objetivo es crear un vocabulario común para el marcado de datos estructurados en la web.
- Este vocabulario ayuda a los motores de búsqueda a entender el contenido de las páginas web.
Beneficios de Usar Schema.org
- Se mejora la visibilidad en los motores de búsqueda, mediante información estructurada.
- Aumenta el tráfico orgánico, pues una mejora en la visibilidad atrae más visitas.
- Mejora la experiencia del usuario, facilitando la búsqueda de información.
- Permite una mayor comprensión del contexto del contenido por parte de los motores de búsqueda.
Implementación de Schema.org
- Se implementa añadiendo etiquetas HTML con atributos específicos.
- Estos atributos definen el tipo de contenido y sus propiedades.
- Formatos principales: JSON-LD, Microdatos y RDFa.
- JSON-LD es el formato recomendado por Google.
Pasos para Implementar Schema.org con JSON-LD
- Identificar el tipo de contenido (ej., artículo, producto, evento).
- Seleccionar las propiedades relevantes de Schema.org para tu contenido.
- Crear el bloque de código JSON-LD con el tipo de contenido y sus propiedades.
{
"@context": "https://schema.org/",
"@type": "Product",
"name": "Nombre del producto",
"image": [
"https://example.com/photos/1x1/photo.jpg",
"https://example.com/photos/4x3/photo.jpg",
"https://example.com/photos/16x9/photo.jpg"
],
"description": "Descripción del producto",
"brand": {
"@type": "Brand",
"name": "Nombre de la marca"
},
"offers": {
"@type": "Offer",
"url": "https://example.com/producto",
"priceCurrency": "EUR",
"price": "19.99",
"availability": "https://schema.org/InStock"
}
}
- Insertar el código JSON-LD en la sección
<head>o<body>de la página web. - Validar la implementación con la herramienta de prueba de resultados enriquecidos de Google.
Herramientas Útiles
- Google Search Console: Monitorea el rendimiento en los resultados de búsqueda.
- Herramienta de Prueba de Resultados Enriquecidos de Google: Valida el marcado Schema.org.
- Schema.org Vocabulary: Referencia completa del vocabulario Schema.org.
Ejemplos de Marcado Schema.org
-
Artículo:
{ "@context": "https://schema.org/", "@type": "Article", "headline": "Título del artículo", "image": [ "https://example.com/photos/1x1/photo.jpg", "https://example.com/photos/4x3/photo.jpg", "https://example.com/photos/16x9/photo.jpg" ], "datePublished": "2023-10-26T10:00:00+00:00", "dateModified": "2023-10-26T11:00:00+00:00", "author": [{ "@type": "Person", "name": "Nombre del autor" }], "publisher": { "@type": "Organization", "name": "Nombre de la organización", "logo": { "@type": "ImageObject", "url": "https://example.com/logo.png" } }, "description": "Descripción del artículo" } -
Evento:
{ "@context": "https://schema.org/", "@type": "Event", "name": "Nombre del evento", "startDate": "2023-11-15T19:00:00+00:00", "endDate": "2023-11-15T22:00:00+00:00", "location": { "@type": "Place", "name": "Lugar del evento", "address": { "@type": "PostalAddress", "streetAddress": "Dirección del lugar", "addressLocality": "Ciudad", "postalCode": "Código postal", "addressCountry": "País" } }, "description": "Descripción del evento", "image": [ "https://example.com/photos/1x1/photo.jpg", "https://example.com/photos/4x3/photo.jpg", "https://example.com/photos/16x9/photo.jpg" ], "offers": { "@type": "Offer", "url": "https://example.com/evento", "priceCurrency": "EUR", "price": "25", "availability": "https://schema.org/InStock" } }
Consejos Adicionales
- Ser preciso y relevante en la descripción del contenido.
- Usar imágenes de alta calidad y relevantes.
- Monitorear los resultados con Google Search Console.
- Mantenerse actualizado con las evoluciones del vocabulario Schema.org.
Conclusión
- Implementar Schema.org mejora la visibilidad, aumenta el tráfico y optimiza la experiencia del usuario.
Física Estadística
Definición
- Es una rama de la física que aplica la teoría de probabilidad para estudiar sistemas con muchos partículas.
Alcance
- Conecta propiedades atómicas/moleculares microscópicas con propiedades macroscópicas.
- Sirve como marco para entender la termodinámica y las transiciones de fase.
Relación con la Termodinámica
- La termodinámica es macroscópica y describe las relaciones entre propiedades de un sistema en equilibrio.
- La física estadística fundamenta la termodinámica desde el comportamiento estadístico de grandes cantidades de partículas.
Teoría de Probabilidad
Definición
- Es una rama de las matemáticas que analiza fenómenos aleatorios.
Conceptos Básicos
- Probabilidad: Número entre 0 y 1 que indica la posibilidad de un evento.
- Variable Aleatoria: Variable cuyo valor es un resultado numérico de un fenómeno aleatorio.
- Distribución de Probabilidad: Función que describe la probabilidad de una variable aleatoria.
Ejemplo
- En el lanzamiento de una moneda, la probabilidad de obtener cara es 0.5 y la de cruz es 0.5.
- Esto se puede expresar así:
$$ P(C) = 0.5 \ P(X) = 0.5 $$
Ensambles Estadísticos
Definición
- Es una colección de sistemas idénticos, cada uno en un estado posible diferente.
Tipos de Ensambles
- Ensamble Microcanónico: Sistemas con la misma energía, volumen y número de partículas.
- Ensamble Canónico: Sistemas en equilibrio térmico con un baño de calor a temperatura fija.
- Ensamble Gran Canónico: Sistemas en equilibrio térmico y químico con un reservorio a temperatura y potencial químico fijos.
Ejemplo
- Considerar una caja con copias idénticas de un gas:
- En el microcanónico, cada copia tiene la misma energía.
- En el canónico, las copias intercambian energía, manteniendo la temperatura constante.
- En el gran canónico, las copias intercambian energía y partículas, manteniendo temperatura y potencial químico constantes.
Aplicaciones de la Física Estadística
- Física de la Materia Condensada: Comprender propiedades de sólidos y líquidos.
- Cosmología: Estudiar el universo temprano y formación de galaxias.
- Biología: Modelar sistemas biológicos como proteínas y células.
- Ciencia de los Materiales: Diseñar materiales con propiedades específicas.
Tema 1: Introducción a la Inteligencia Artificial
¿Qué es IA?
- Perspectivas comunes incluyen máquinas que piensan, reaccionan, o se comportan racionalmente como humanos.
Perspectiva de los Investigadores
- Alan Turing (1950) promovió la evaluación de la inteligencia de las máquinas mediante pruebas.
El Test de Turing
- Un evaluador humano interactúa sin saberlo con una máquina y un humano.
- Si no puede distinguir cuál es la máquina, entonces la máquina pasa el test.
Niveles de IA
- IA Estrecha (ANI): Supera a humanos en tareas específicas, como ajedrez o reconocimiento facial.
- IA General (AGI): Realiza cualquier tarea intelectual humana.
- Superinteligencia (ASI): Supera a humanos en todos los aspectos cognitivos.
Dominios de IA
- Aprendizaje Automático (Machine Learning)
- Redes Neuronales (Neural Networks)
- Robótica (Robotics)
- Sistemas Expertos (Expert Systems)
- Procesamiento del Lenguaje Natural (Natural Language Processing)
- Visión Artificial (Computer Vision)
- Planificación (Planning)
Enfoques de IA
- Racionalismo: El conocimiento se adquiere por razonamiento lógico.
- Empirismo: El conocimiento se adquiere por experimentación.
Racionalismo vs. Empirismo
| Racionalismo | Empirismo |
|---|---|
| Lógica, matemática, filosofía (sistemas expertos, planificación) | Datos (aprendizaje automático, redes neuronales, visión artificial) |
| Fácil de entender, validar, modificar | No requiere conocimiento previo del dominio |
| Difícil en dominios complejos | Difícil de entender y validar |
1.2 Historia de la Inteligencia Artificial
Primeros Años (1943-1956)
- 1943: McCulloch y Pitts proponen un modelo neuronal matemático.
- 1950: Turing publica "Computing Machinery and Intelligence".
- 1956: Conferencia de Dartmouth marca el nacimiento de la IA.
Entusiasmo (1956-1974)
- Primeros programas de IA como Logic Theorist y General Problem Solver.
- 1966: Weizenbaum crea ELIZA, un simulador de psicoterapia.
- 1969: Minsky y Papert critican las limitaciones de las redes neuronales simples en "Perceptrons".
Primera "Invernización" (1974-1980)
- Falta de financiación debido a expectativas poco realistas y limitaciones tecnológicas.
Sistemas Expertos (1980-1987)
- Desarrollo de sistemas que usan conocimiento específico de dominio (ej., MYCIN).
Segunda "Invernización" (1987-1993)
- Disminución del interés por los sistemas expertos por costos elevados y dificultades de mantenimiento.
Agentes Inteligentes (1993-2011)
- Agentes que perciben y actúan autónomamente para lograr objetivos.
- El aprendizaje automático se vuelve crucial.
Aprendizaje Profundo (2011-presente)
- Avances significativos mediante redes neuronales profundas.
1.3 Aplicaciones de la Inteligencia Artificial
Existen en diagnóstico médico, recomendaciones de productos, vehículos autónomos, traducción automática, asistentes virtuales y juegos, entre otros.
Dominios
Salud, finanzas, transporte, marketing y entretenimiento.
1.4 El Futuro de la Inteligencia Artificial
Posibles Escenarios
- Automatización laboral, mayor eficiencia, nuevos desarrollos tecnológicos y problemas éticos y sociales.
Desafíos
- Uso responsable de la IA, evitar la discriminación, protección de datos y mantener el control sobre la IA.
Matrices
Definición
- Una matriz es una tabla rectangular de números reales.
$$ A = \begin{bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \ a_{21} & a_{22} & \cdots & a_{2n} \ \vdots & \vdots & \ddots & \vdots \ a_{m1} & a_{m2} & \cdots & a_{mn} \end{bmatrix} $$
- Una matriz con $m$ filas y $n$ columnas se llama matriz $m \times n$.
Ejemplos
- $A = \begin{bmatrix} 1 & 2 \ 3 & 4 \end{bmatrix}$ es una matriz $2 \times 2$.
- $B = \begin{bmatrix} 1 & 2 & 3 \ 4 & 5 & 6 \end{bmatrix}$ es una matriz $2 \times 3$.
- $C = \begin{bmatrix} 1 \ 2 \ 3 \end{bmatrix}$ es una matriz $3 \times 1$.
Operaciones
Suma
- Dadas dos matrices $A$ y $B$ de tamaño $m \times n$, su suma $A + B$ es una matriz $m \times n$ donde cada elemento es la suma de los elementos correspondientes de $A$ y $B$.
$$ (A + B){ij} = A{ij} + B_{ij} $$
Multiplicación Escalar
- Dado una matriz $A$ de tamaño $m \times n$ y un escalar $c$, el producto de $A$ por $c$, denotado como $cA$, es una matriz $m \times n$ donde cada elemento es el producto del elemento correspondiente de $A$ por $c$.
$$ (cA){ij} = cA{ij} $$
Multiplicación Matricial
- Dado una matriz $A$ de tamaño $m \times p$ y $B$ de tamaño $p \times n$, el producto de $A$ y $B$, denotado como $AB$, es una matriz $m \times n$ donde cada elemento se define como:
$$ (AB){ij} = \sum{k=1}^{p} A_{ik}B_{kj} $$
Transposición
- Dada una matriz $A$ de tamaño $m \times n$, la transpuesta de $A$, denotada como $A^T$, es una matriz $n \times m$ donde las filas son las columnas de $A$.
$$ (A^T){ij} = A{ji} $$
Tipos de Matrices
Matriz Cuadrada
- Una matriz cuadrada tiene el mismo número de filas y columnas.
Matriz Identidad
- La matriz identidad $I_n$ es una matriz cuadrada $n \times n$ donde los elementos de la diagonal principal son iguales a 1 y todos los demás elementos son 0.
$$ I_n = \begin{bmatrix} 1 & 0 & \cdots & 0 \ 0 & 1 & \cdots & 0 \ \vdots & \vdots & \ddots & \vdots \ 0 & 0 & \cdots & 1 \end{bmatrix} $$
Matriz Inversa
- Dada una matriz cuadrada $A$ de tamaño $n \times n$, la inversa de $A$, denotada como $A^{-1}$, es una matriz $n \times n$ tal que:
$$ AA^{-1} = A^{-1}A = I_n $$
Determinante
- El determinante de una matriz cuadrada $A$, denotado como $\det(A)$ o $|A|$, es un escalar que se puede calcular a partir de los elementos de la matriz.
Caso de una Matriz $2 \times 2$
- Dada $A = \begin{bmatrix} a & b \ c & d \end{bmatrix}$, entonces $\det(A) = ad - bc$.
Propiedades
- $\det(A^T) = \det(A)$
- $\det(AB) = \det(A)\det(B)$
- $\det(A^{-1}) = \frac{1}{\det(A)}$
Valores Propios y Vectores Propios
- Dada una matriz cuadrada $A$ de tamaño $n \times n$, un vector propio de $A$ es un vector no nulo $v$ tal que $Av = \lambda v$ para un escalar $\lambda$, llamado valor propio de $A$.
Studying That Suits You
Use AI to generate personalized quizzes and flashcards to suit your learning preferences.
