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
Comentarios
Publicar un comentario