Aprendizaje Automático con Python y Asistentes Inteligentes

Aplicación paso a paso de los componentes del pensamiento computacional para desarrollar un ejemplo en Diseño arquitectónico con Python.

1. Programación tradicional: entrada +reglas +salida.

2. Aprendizaje automático: entrada +salidas +reglas.

Este es un ejemplo simple de cómo podrías aplicar la programación tradicional para generar un diseño arquitectónico básico.

Programación Tradicional:

Paso 1: Definir la Entrada

En este caso, la entrada podría ser la dimensión del terreno en el que se construirá la estructura.

terreno_dimensiones = {"longitud": 100, "ancho": 50}

 

Paso 2: Establecer Reglas

Definamos algunas reglas simples para nuestro diseño, como la proporción entre longitud y ancho, y la altura máxima permitida.

proporcion_longitud_ancho = 2

altura_maxima = 20

 

Paso 3: Calcular Salida

Aplicaremos las reglas a la entrada para calcular las dimensiones de la estructura.

longitud = terreno_dimensiones["longitud"]

ancho = longitud / proporcion_longitud_ancho

altura = min(altura_maxima, ancho)  # La altura no debe superar la mitad del ancho

 

Paso 4: Mostrar Resultado

Imprimiremos las dimensiones calculadas.

print(f"Longitud: {longitud} m")

print(f"Ancho: {ancho} m")

print(f"Altura: {altura} m")

Longitud: 100 m

Ancho: 50.0 m

Altura: 20 m

Aprendizaje Automático:

Paso 1: Definir Entrada y Salidas

Utilizaremos datos históricos de diseños arquitectónicos como entrada y salida. Por ejemplo, podríamos tener un conjunto de datos con dimensiones y estilos arquitectónicos.

datos_entrenamiento = [

    {"dimensiones": (80, 40), "estilo": "moderno"},

    {"dimensiones": (120, 60), "estilo": "clásico"},

    # Agregar más ejemplos...]

# Separar entrada y salida

entradas = [dato["dimensiones"] for dato in datos_entrenamiento]

salidas = [dato["estilo"] for dato in datos_entrenamiento]

 

Paso 2: Entrenar Modelo

Utilizaremos un modelo de aprendizaje automático para aprender la relación entre las dimensiones y el estilo arquitectónico.

from sklearn.tree import DecisionTreeClassifier

modelo = DecisionTreeClassifier()

modelo.fit(entradas, salidas)

 

DecisionTreeClassifier

DecisionTreeClassifier()

 

Paso 3: Predecir con Nuevos Datos

Usaremos el modelo entrenado para predecir el estilo arquitectónico de nuevas dimensiones.

nuevas_dimensiones = (90, 45)

estilo_predicho = modelo.predict([nuevas_dimensiones])[0]

print(f"Estilo predicho: {estilo_predicho}")

 

Estilo predicho: moderno

Este ejemplo simple utiliza un modelo de árbol de decisiones para predecir el estilo arquitectónico basado en las dimensiones. En un escenario real, se necesitaría un conjunto de datos más grande y complejo, así como un modelo más avanzado.

 

https://colab.research.google.com/drive/1lchzW9I8u2JpTgjSSdsRY7DrX1aHFJ5v?usp=sharing