informe tecnico-revision

LEONARDO ORNELLA

2010-01-01/2011-06-01

1-22

Informática (software)

Recursos naturales renovables-Varios

Muchos de los datos del mundo real (real-world data) son heterogéneos y ricamenteinterconectados. Ejemplos de esto son Internet, un hipertexto, información de unecosistema y redes sociales.En particular, la interpretación de un sistema agroecológico como un conjunto de sistemasy/o variables que actúan en forma acoplada (y generalmente no lineal) resulta de particularinterespara el desarrollo sostenible.Al mismo tiempo, la mayoría de los métodos de aprendizaje estadísticos utilizanrepresentaciones lineales (“flat”) de los datos; forzando al analista a convertir los mismosen formas que pierden mucha de la estructura subyacente.Como alternativa se plantea lo que se conoce como redes bayesianas: un modeloprobabilístico multivariado que permite explicitar las relaciones causales entre las distintasvariables mediante grafos.El objetivo del presente trabajo es realizar una breve introducción a las redes bayesianas.Las mismas pueden resultar una herramienta de suma utilidad para investigadores del áreaagropecuaria no familiarizados con el área de aprendizaje supervisado.En la primera parte se presenta la definición de las mismas junto con alguna de suspropiedades más relevantes. También se exponen dos ejemplos que intentan exhibir lasventajas (y dificultades) de las redes para analizar relaciones causales. En la segunda partese realiza una breve sinopsis de algunos progra