Glosario de Conceptos Comunes Relacionados con la IA PDF

Glosario de conceptos introducción a la IA Glosario de conceptos comunes relacionados con aplicaciones (apps): Aplicación (App): Un programa o grupo de programas diseñados para usuarios finales, ejecutados en dispositivos móviles, computadoras, u otros dispositivos electrónicos. Interfaz de Usuario...

Glosario de conceptos introducción a la IA Glosario de conceptos comunes relacionados con aplicaciones (apps): Aplicación (App): Un programa o grupo de programas diseñados para usuarios finales, ejecutados en dispositivos móviles, computadoras, u otros dispositivos electrónicos. Interfaz de Usuario (UI): La parte de una aplicación con la que los usuarios interactúan directamente, incluyendo botones, menús, y otros elementos visuales. Experiencia de Usuario (UX): La percepción y respuesta de un usuario al interactuar con una aplicación, incluyendo la facilidad de uso, eficiencia y satisfacción. Aplicación Nativa: Una aplicación desarrollada específicamente para una plataforma o sistema operativo particular (como iOS o Android), utilizando las herramientas y lenguajes de programación nativos de esa plataforma. Aplicación Web: Una aplicación accesible a través de un navegador web, sin necesidad de instalarse en el dispositivo del usuario. Aplicación Híbrida: Una combinación de aplicaciones nativas y web, desarrollada con tecnologías web (como HTML, CSS y JavaScript) y luego envuelta en un contenedor nativo. Backend: La parte de una aplicación que gestiona la lógica de negocios, bases de datos, y otros servicios que no son visibles para el usuario. Frontend: La parte de una aplicación que interactúa directamente con el usuario, incluyendo la interfaz de usuario y la lógica que se ejecuta en el dispositivo del usuario. API (Interfaz de Programación de Aplicaciones): Un conjunto de reglas y protocolos que permite a diferentes aplicaciones comunicarse entre sí. SDK (Kit de Desarrollo de Software): Un conjunto de herramientas, bibliotecas y documentación que facilita el desarrollo de aplicaciones para una plataforma específica. 1 Glosario de conceptos introducción a la IA Responsive Design (Diseño Responsivo): Un enfoque de diseño de aplicaciones que permite que una aplicación se adapte y funcione bien en una variedad de dispositivos y tamaños de pantalla. Notificaciones Push: Mensajes enviados por una aplicación a un dispositivo, incluso cuando la aplicación no está abierta, para alertar al usuario sobre información importante. Prototipo: Una versión preliminar de una aplicación utilizada para visualizar y probar su diseño y funcionalidad antes del desarrollo completo. Actualización (Update): Una nueva versión de una aplicación que introduce mejoras, correcciones de errores y nuevas funcionalidades. Desarrollo Ágil (Agile Development): Un enfoque de desarrollo de software que enfatiza la entrega incremental y frecuente de pequeñas porciones de funcionalidad, con una estrecha colaboración entre desarrolladores y usuarios. MVP (Producto Mínimo Viable): La versión más básica de una aplicación que aún proporciona valor a los usuarios, utilizada para probar y validar una idea de producto antes de invertir en el desarrollo completo. Beta Testing: Una fase de pruebas donde una versión preliminar de una aplicación es lanzada a un grupo limitado de usuarios para identificar errores y recopilar retroalimentación antes del lanzamiento oficial. Usuario Final: La persona que utiliza la aplicación para sus necesidades diarias, en contraposición a los desarrolladores o administradores del sistema. In-App Purchase (Compra Dentro de la Aplicación): Transacciones realizadas dentro de una aplicación que permiten a los usuarios comprar contenido adicional o características exclusivas. Compatibilidad: La capacidad de una aplicación para funcionar correctamente en diferentes dispositivos, sistemas operativos y entornos. 2 Glosario de conceptos introducción a la IA Conceptos clave relacionados con Big Data: Big Data: Conjunto de datos tan grandes y complejos que las herramientas tradicionales de procesamiento de datos no son capaces de manejarlos eficazmente. Volumen: La cantidad de datos generados y almacenados. El volumen de datos es uno de los aspectos más distintivos de Big Data. Variedad: Los diferentes tipos de datos (estructurados, semiestructurados y no estructurados) que se generan desde diversas fuentes como redes sociales, sensores, transacciones, etc. Velocidad: La rapidez con la que se generan y procesan los datos para cumplir con las demandas y desafíos del tiempo real. Veracidad: La calidad y fiabilidad de los datos. La veracidad se refiere a la precisión y autenticidad de los datos. Valor: El potencial de los datos para ser convertidos en información útil para la toma de decisiones. Análisis Predictivo: Uso de técnicas estadísticas y de aprendizaje automático para analizar datos actuales e históricos y hacer predicciones sobre eventos futuros. Hadoop: Un framework de código abierto que permite el procesamiento de grandes volúmenes de datos en un entorno distribuido. Incluye el sistema de archivos HDFS y el motor de procesamiento MapReduce. MapReduce: Un modelo de programación y un componente de Hadoop utilizado para procesar y generar grandes conjuntos de datos con un algoritmo paralelo y distribuido. NoSQL: Tipos de bases de datos que se utilizan para almacenar y recuperar datos que no se ajustan al modelo relacional tradicional. Incluyen bases de datos de documentos, clave-valor, columnares y de grafos. 3 Glosario de conceptos introducción a la IA Data Lake: Un almacenamiento centralizado que permite guardar grandes cantidades de datos en su formato original, estructurado o no estructurado. Data Warehouse: Un sistema utilizado para el reporte y análisis de datos, optimizado para consultas y análisis de datos estructurados. ETL (Extract, Transform, Load): Procesos que extraen datos de diversas fuentes, los transforman en un formato adecuado y los cargan en un sistema de almacenamiento como un data warehouse. Streaming de Datos: El procesamiento continuo de datos a medida que se generan, lo que permite el análisis en tiempo real. Machine Learning (Aprendizaje Automático): Un campo de la inteligencia artificial que utiliza algoritmos para permitir que las computadoras aprendan de y hagan predicciones basadas en datos. Algoritmo: Un conjunto de reglas y pasos lógicos que definen la secuencia de operaciones para resolver un problema específico o realizar una tarea. Clúster: Un grupo de computadoras interconectadas que trabajan juntas como si fueran una sola máquina para procesar grandes volúmenes de datos. Minería de Datos: El proceso de descubrir patrones y relaciones en grandes conjuntos de datos mediante técnicas estadísticas y de aprendizaje automático. Data Governance: Conjunto de prácticas y políticas para asegurar la gestión de datos de manera que sean precisos, disponibles, seguros y manejables. Inteligencia de Negocios (BI): Conjunto de estrategias y tecnologías utilizadas por las empresas para el análisis de datos de negocios y la presentación de información accionable. Análisis de Sentimiento: Técnica de análisis de datos que utiliza procesamiento de lenguaje natural (NLP) para identificar y extraer información subjetiva de los datos de texto, como opiniones o sentimientos. 4 Glosario de conceptos introducción a la IA Spark: Un motor de procesamiento de datos de código abierto que es rápido y generalizado, diseñado para grandes volúmenes de datos y capaz de realizar tareas en memoria para mejorar la velocidad de procesamiento. Data Scientist (Científico de Datos): Profesional que utiliza técnicas de análisis de datos, estadísticas y aprendizaje automático para interpretar y manejar grandes volúmenes de datos con el objetivo de extraer conocimientos y apoyar la toma de decisiones. Glosario de términos clave relacionados con el Internet de las Cosas (IoT): Internet de las Cosas (IoT): Red de dispositivos físicos conectados a internet que recopilan y comparten datos, lo que permite la comunicación y el intercambio de información entre ellos. Dispositivo IoT: Un objeto físico que tiene capacidades de conectividad para enviar y recibir datos a través de internet, como sensores, electrodomésticos, vehículos, etc. Sensor: Dispositivo que detecta y mide cambios en el entorno físico y los convierte en datos que pueden ser analizados. Actuador: Dispositivo que recibe señales de control de un sistema de control y actúa sobre el entorno, realizando una acción física. Gateway (Puerta de Enlace): Dispositivo que conecta la red de dispositivos IoT con la red de internet, facilitando la comunicación y el intercambio de datos entre ellos. M2M (Machine-to-Machine): Comunicación directa entre dispositivos sin intervención humana utilizando redes cableadas o inalámbricas. Protocolo de Comunicación: Conjunto de reglas y estándares que permiten la comunicación entre dispositivos IoT. Ejemplos incluyen MQTT, CoAP, y HTTP. Nube (Cloud): Infraestructura y servicios informáticos que permiten el almacenamiento, procesamiento y análisis de grandes cantidades de datos generados por dispositivos IoT. 5 Glosario de conceptos introducción a la IA Edge Computing (Computación en el Borde): Procesamiento de datos cerca de la fuente de generación, es decir, en el "borde" de la red, para reducir la latencia y el ancho de banda necesario. Data Analytics (Análisis de Datos): Proceso de examinar, limpiar y modelar datos para descubrir información útil, tomar decisiones y realizar predicciones. Interoperabilidad: Capacidad de los dispositivos y sistemas IoT para trabajar juntos y compartir información de manera eficiente. Smart Home (Casa Inteligente): Hogar equipado con dispositivos IoT que pueden ser controlados y monitoreados de forma remota para mejorar la comodidad, seguridad y eficiencia energética. Wearables (Dispositivos Vestibles): Dispositivos IoT que se llevan puestos en el cuerpo, como relojes inteligentes y pulseras de actividad física. Red de Sensores Inalámbricos (WSN): Red de dispositivos autónomos equipados con sensores que cooperan para monitorear y registrar condiciones del entorno. IPv6: Versión más reciente del Protocolo de Internet que proporciona una mayor cantidad de direcciones IP, necesarias para soportar la creciente cantidad de dispositivos IoT. Seguridad IoT: Prácticas y tecnologías diseñadas para proteger los dispositivos IoT y sus datos contra accesos no autorizados, ataques y otras amenazas. Blockchain: Tecnología de registro distribuido que puede ser utilizada en IoT para asegurar la integridad y la trazabilidad de los datos compartidos entre dispositivos. Digital Twin (Gemelo Digital): Representación virtual de un objeto o sistema físico que se utiliza para simular, analizar y optimizar su rendimiento y operación en tiempo real. Firmware: Software preinstalado en los dispositivos IoT que controla sus operaciones y comunicaciones. 6 Glosario de conceptos introducción a la IA QoS (Calidad de Servicio): Medida de la performance y la fiabilidad de una red de comunicación, importante para asegurar el funcionamiento eficiente de los dispositivos IoT. Telemetry (Telemetría): Proceso de medición y transmisión de datos desde dispositivos remotos a sistemas de control y monitoreo. LPWAN (Low Power Wide Area Network): Tipo de red inalámbrica diseñada para permitir comunicaciones de largo alcance a bajas velocidades de datos y con un consumo de energía reducido, adecuada para IoT. Smart Grid (Red Inteligente): Red eléctrica equipada con tecnologías IoT para monitorear, analizar y gestionar el suministro de energía de manera eficiente y sostenible. Glosario de conceptos clave relacionados con los dispositivos vestibles (wearables): Wearables (Dispositivos Vestibles): Dispositivos electrónicos que se pueden llevar puestos en el cuerpo y que a menudo están conectados a internet para recopilar y transmitir datos. Reloj Inteligente (Smartwatch): Dispositivo vestible que se lleva en la muñeca y ofrece funcionalidades más allá del tiempo, como notificaciones, seguimiento de actividad física y control de música. Pulsera de Actividad (Fitness Tracker): Dispositivo vestible diseñado para monitorear y registrar la actividad física del usuario, como pasos, calorías quemadas y frecuencia cardíaca. Auriculares Inteligentes (Smart Earbuds): Auriculares que, además de reproducir audio, ofrecen funcionalidades adicionales como la monitorización de la actividad física y el control por voz. Gafas Inteligentes (Smart Glasses): Gafas que incorporan tecnología informática para proporcionar información directamente en el campo de visión del usuario, a menudo mediante realidad aumentada. Monitoreo de Salud (Health Monitoring): Uso de dispositivos vestibles para rastrear y analizar datos biométricos como la frecuencia cardíaca, el nivel de oxígeno en sangre y el sueño. 7 Glosario de conceptos introducción a la IA Frecuencia Cardíaca (Heart Rate): Número de latidos del corazón por minuto, una métrica comúnmente medida por dispositivos vestibles de fitness y salud. Electrocardiograma (ECG): Registro de la actividad eléctrica del corazón, que algunos dispositivos vestibles avanzados pueden medir para detectar posibles problemas cardíacos. Saturación de Oxígeno (SpO2): Medida de la cantidad de oxígeno en la sangre, que algunos dispositivos vestibles pueden monitorizar para evaluar la salud respiratoria. Seguimiento del Sueño (Sleep Tracking): Funcionalidad de los dispositivos vestibles que monitorea los patrones de sueño del usuario, incluyendo la duración y las fases del sueño. Podómetro (Pedometer): Función de los dispositivos vestibles que cuenta el número de pasos que da el usuario. Calorías Quemadas (Calories Burned): Estimación de la energía gastada durante la actividad física, medida por dispositivos vestibles. GPS (Sistema de Posicionamiento Global): Tecnología de localización que algunos dispositivos vestibles utilizan para rastrear la ubicación y la distancia recorrida por el usuario. Sincronización (Syncing): Proceso de transferir datos de un dispositivo vestible a otro dispositivo, como un smartphone o una computadora, para su análisis y almacenamiento. Notificaciones Inteligentes (Smart Notifications): Alertas enviadas a dispositivos vestibles para informar al usuario sobre mensajes, llamadas, eventos y otras aplicaciones. Control por Voz (Voice Control): Funcionalidad que permite a los usuarios interactuar con sus dispositivos vestibles mediante comandos de voz. Bluetooth: Tecnología inalámbrica de corto alcance utilizada para conectar dispositivos vestibles con otros dispositivos, como smartphones y computadoras. 8 Glosario de conceptos introducción a la IA Realidad Aumentada (AR): Tecnología que superpone información digital en el entorno del mundo real, utilizada en gafas inteligentes para proporcionar datos en tiempo real. Electrodos de Superficie: Sensores en dispositivos vestibles que detectan señales eléctricas de la piel, utilizados para medir la actividad muscular y la frecuencia cardíaca. Batería de Larga Duración: Capacidad de los dispositivos vestibles para operar durante períodos prolongados sin necesidad de recargar. Impermeabilidad (Water Resistance): Característica de algunos dispositivos vestibles que les permite resistir el agua, haciéndolos adecuados para su uso durante la natación o en condiciones húmedas. Interfaz de Usuario (UI): El diseño y la disposición de los elementos en un dispositivo vestible que permiten la interacción del usuario con el dispositivo. Actualización de Firmware: Proceso de mejorar el software incorporado en un dispositivo vestible para añadir nuevas funciones o corregir errores. Sensores de Movimiento (Motion Sensors): Sensores que detectan el movimiento y la aceleración del usuario, utilizados en dispositivos vestibles para el seguimiento de la actividad física. Personalización de Esferas (Watch Faces): Capacidad de los relojes inteligentes para cambiar el diseño y la información mostrada en la pantalla principal. Glosario de conceptos clave relacionados con la Inteligencia Artificial (IA): Inteligencia Artificial (IA): Campo de estudio de la informática que se centra en la creación de sistemas capaces de realizar tareas que normalmente requieren inteligencia humana, como el reconocimiento de voz, la toma de decisiones y la traducción de idiomas. 9 Glosario de conceptos introducción a la IA Aprendizaje Automático (Machine Learning): Subcampo de la IA que utiliza algoritmos y técnicas estadísticas para permitir que las máquinas aprendan y mejoren a partir de la experiencia sin ser programadas explícitamente. Aprendizaje Supervisado: Tipo de aprendizaje automático donde el modelo es entrenado con un conjunto de datos etiquetados, es decir, los datos de entrada van acompañados de las respuestas correctas. Aprendizaje No Supervisado: Tipo de aprendizaje automático en el que el modelo debe encontrar patrones y relaciones en un conjunto de datos sin etiquetas. Aprendizaje por Refuerzo: Tipo de aprendizaje automático donde un agente aprende a tomar decisiones mediante la realización de acciones y la recepción de recompensas o castigos en función de su desempeño. Red Neuronal Artificial (ANN): Modelo computacional inspirado en la estructura del cerebro humano, compuesto por nodos (neuronas) conectados por enlaces (sinapsis) que pueden aprender a realizar tareas mediante el ajuste de pesos. Deep Learning (Aprendizaje Profundo): Subcampo del aprendizaje automático que utiliza redes neuronales profundas (con muchas capas) para modelar patrones complejos en grandes cantidades de datos. Algoritmo: Conjunto de reglas y pasos lógicos que definen la secuencia de operaciones para resolver un problema específico o realizar una tarea. Modelo: Representación matemática de un problema que ha sido entrenada con datos para hacer predicciones o tomar decisiones. Datos de Entrenamiento: Conjunto de datos utilizado para entrenar un modelo de aprendizaje automático. Datos de Prueba: Conjunto de datos separado utilizado para evaluar el rendimiento de un modelo de aprendizaje automático después de haber sido entrenado. Overfitting (Sobreajuste): Situación en la que un modelo se ajusta demasiado a los datos de entrenamiento, capturando ruido y patrones 10 Glosario de conceptos introducción a la IA irrelevantes, lo que reduce su capacidad para generalizar a nuevos datos. Underfitting (Subajuste): Situación en la que un modelo es demasiado simple para capturar los patrones en los datos de entrenamiento, lo que resulta en un rendimiento deficiente tanto en los datos de entrenamiento como en los de prueba. Regularización: Técnica utilizada para prevenir el sobreajuste añadiendo una penalización a la complejidad del modelo durante el entrenamiento. Función de Pérdida: Medida que cuantifica la discrepancia entre las predicciones del modelo y los valores reales durante el entrenamiento, utilizada para guiar el ajuste del modelo. Gradiente Descendente: Algoritmo de optimización utilizado para minimizar la función de pérdida ajustando iterativamente los parámetros del modelo. Procesamiento de Lenguaje Natural (NLP): Subcampo de la IA que se centra en la interacción entre las computadoras y el lenguaje humano, incluyendo tareas como la traducción automática, el análisis de sentimiento y el reconocimiento de voz. Visión por Computadora: Campo de la IA que permite a las máquinas interpretar y entender el contenido de imágenes y videos. Agente Inteligente: Entidad autónoma que percibe su entorno, toma decisiones y actúa en consecuencia para alcanzar sus objetivos. Clasificación: Tarea de aprendizaje automático donde el objetivo es asignar una etiqueta a una entrada dada de entre un conjunto de categorías predefinidas. Regresión: Tarea de aprendizaje automático donde el objetivo es predecir un valor continúo basado en una entrada dada. Clustering (Agrupamiento): Tarea de aprendizaje no supervisado donde el objetivo es agrupar un conjunto de datos en clusters o grupos basados en la similitud de sus características. 11 Glosario de conceptos introducción a la IA Red Convolucional (CNN): Tipo de red neuronal utilizada principalmente para el procesamiento de datos con una estructura de cuadrícula, como imágenes, que aplica convoluciones para extraer características jerárquicas. Red Recurrente (RNN): Tipo de red neuronal que tiene conexiones que forman ciclos, permitiendo que la información persista y sea utilizada para procesar secuencias de datos. Generative Adversarial Network (GAN): Tipo de red neuronal compuesta por dos redes en competencia, una generadora que crea datos falsos y una discriminadora que intenta distinguir entre datos reales y falsos, utilizada para generar datos sintéticos. Índice Glosario de conceptos clave relacionados con C los dispositivos vestibles (wearables): --------7 Glosario de conceptos comunes relacionados con aplicaciones (apps): ----------------------------- 1 Conceptos clave relacionados con Big Data: -- 3 Glosario de términos clave relacionados con el Internet de las Cosas (IoT): ------------------------- 5 G Glosario de conceptos clave relacionados con la Inteligencia Artificial (IA): ---------------------- 10 12