1. Título: Deep Learning y las Implicaciones en temas Sociales
2. Descripción:
2.1. Descripción del Problema
Se conocen muchas cosas acerca del Deep Learning (Aprendizaje Profundo), ejemplo de estos son los numerosos modelos artificiales inspirados en el comportamiento del cerebro humano entre otros, que brindan soluciones a problemas mediante técnicas algorítmicas que cada vez más tienden a gobernar la sociedad desde un enfoque tecnológico y se sabe que su tecnología es de doble uso porque puede generar desde la intencionalidad humana implicaciones positivas y negativas.
A partir de esta esta inquietud, el propósito de esta investigación, consiste en delimitar los fundamentos del Deep Learning y sus implicaciones en vida social, considerando en todo momento el análisis de sus potencialidades para el desarrollo social.
En este escenario el dato, y la información convertidos en conocimientos o modos de actuación para transformar la realidad, se han convertido en el combustible del nuevo paradigma tecnológico que emerge desde la IA.


2.2. Análisis:
El Deep Learning está avanzando en el desarrollo y la aplicación de algoritmos sociales en actividades de la cotidianidad, imitando y sustituyendo la presencia humana. Por otra parte lo que llamamos implicación social se está convirtiendo en las malas prácticas y evitándose hacer, por ejemplo los procesos que quebrantan a la colectividad, al causar prácticas sociales maliciosas falseando la verdad de hechos sociales, lo cual, por su influencia negativa a nivel individual, colectiva y de la sociedad en su conjunto se ha convertido en un problema social.
El interés por el Deep Learning se debe a sus aportes en los procesos con volúmenes grandes e importantes de información, y que es adaptable cuando se procesa de manera computacional y también al realizar el almacenamiento, tiene el potencial de ser muy útil para el desarrollo de aplicaciones. Desde el punto de vista social, ello posibilita producir rápida y automáticamente modelos que pueden analizar datos más grandes y complejos y ofrecer resultados de manera más rápida y precisa. Además ha proporcionado una precisión mejor que la de los humanos en la clasificación de imágenes, la detección de objetos, la restauración de imágenes y la segmentación de imágenes; incluso se pueden reconocer los dígitos escritos a mano. También se pueden ver modelos de Aprendizaje Profundo que se especializan en la señalización de calles, mientras que otros están capacitados para reconocer a los peatones. Mientras un coche navega por la carretera, puede estar informado por hasta millones de modelos individuales que permiten que el coche actúe.
2.3. Discusión
Aún nos podemos preguntar ¿Cuáles son los retos sociales del nuevo hecho tecnológico?
En lo cultural, político y económico, el proceso de automatización de las actividades humanas hace que pensemos en retos para una mayor educación tecnológica que sea adaptable, ello también incide en las creencias, valores, símbolos, códigos de comportamiento y en la manera de comunicarse.
3. Conclusión:
El uso del deep learning al emplear algoritmos para analizar y construir grandes cantidades de datos puede producir buenos cambios sociales. El reconocimiento de patrones o el reconocimiento de imágenes son algunos de sus resultados más relevantes. Los beneficios educativos del Aprendizaje Profundo son atractivos desde una perspectiva económica, política y pedagógica. Esta tecnología confiere la capacidad de integrar los simulacros más realistas en una variedad de medios, produciendo así un efecto muy fuerte
4. Referencias:
• Davenport, Thomas H. (2019). Machine Learning. What it is and why it matters? Disponible en: https://www.sas.com/en_us/insights/anal ... rning.html.

• Arencibia, M. G., & Cardero, D. M. “DEEP LEARNING: SUS IMPLICACIONES SOCIALES”" DEEP LEARNING: ITS SOCIAL IMPLICATIONS. https://www.researchgate.net/profile/Ma ... ATIONS.pdf

1. Título: Desarrollo de un ChatBot para consultas en la Facultad de Ingeniería Industrial y Sistemas

2. Descripción:
2.1. Descripción del Problema

Actualmente los alumnos y padres de familia realizan consultas a la Facultad de Ingeniería Industrial y Sistemas de diversos temas, por ejemplo de cómo puede un alumno usar un salón para alguna actividad, preguntas de cuando se realizará la matricula, sobre el sistema de evaluación de los cursos, entre otros.
Ante esto se identifica la necesidad de una herramienta orientada a la atención de consultas para la facultad tanto en pregrado como en posgrado.
Ante ello se propone el desarrollo de un chatbot que facilite la comunicación entre los consultantes y sus autoridades en diversos temas que puedan surgir.
Chatbot
En español es bot de charla o bot conversacional, son aplicaciones software que simulan mantener una conversación con una persona con respuestas automáticas, las cuales son previamente establecidas por un conjunto de expertos a entradas realizadas por el usuario.
Cabe mencionar que existen chatbot que actualmente ayudan a universitarios sobre temas de salud, también que simulan a terapeutas como lo hace ALICE un chatbot que es una evolución de ELIZA y PARRY que usa la MIT.










2.2. Herramientas
2.2.3. Rasa
Rasa es un marco para desarrollar chatbots impulsado por Inteligencia Artificial. Es increíblemente poderoso y es utilizado por desarrolladores de todo el mundo para crear chatbots y asistentes contextuales.
Se usará este marco de desarrollo porque proporciona la infraestructura y las herramientas necesarias para los asistentes de IA patentados, resistentes y de alto rendimiento, que realmente ayudan a sus clientes.


2.2.4. Python

Python es un lenguaje de programación interpretado, por lo que funciona en cualquier tipo de sistema que integre su interpretador. A parte de esta ventaja, Python nos ofrece dialectos como el ya conocido Jython, que se utiliza para escribir en Java.




2.2.4 DataSet

Es un conjunto de datos o una colección de datos que ha sido tabulada. Un conjunto de datos contiene los valores para cada una de las variables, un ejemplo de ellos sería tener la altura y el peso de un objeto, que corresponden a cada miembro del conjunto de datos que son los datos.

2.2.5. Metodología
• Realizar una lluvia de ideas de las consultas más recurrentes en la facultad.
• Luego identificar aquellos que se pueden automatizar.
• Obtener un conjunto de datos para poder realizar las pruebas y entrenamiento correspondiente.
• Realizar testeos para el refinamiento del algoritmo que seguirá el chatbot.
3. Conclusiones:

Un chatbot es un agente conversacional que interactúa con los usuarios utilizando un lenguaje natural.
Para poder desarrollo el chatbot para la facultad se va necesitar tener las herramientas indicadas. En el artículo si bien no se presenta una metodología formalizada, se planea realizar entregables cada semana a fin de cumplir con el objetivo.
4. Referencias:
• ESPINOSA RODRIGUEZ, Rubén et al. Chatbots en redes sociales para el apoyo oportuno de estudiantes universitarios con síntomas de trastorno por déficit de la atención con hiperactividad. Rev. iberoam. tecnol. educ. educ. tecnol. [online]. 2018, n.22 [citado 2020-12-18], pp.52-62. Disponible en: <http://www.scielo.org.ar/scielo.php?scr ... es&nrm=iso>. ISSN 1851-0086.
• ABUSHAWAR, Bayan y ATWELL, Eric. ALICE Chatbot: Pruebas y resultados. Comp. y Sist. [en línea]. 2015, vol.19, n.4 [citado 2020-12-18], pp.625-632. Disponible en: <http://www.scielo.org.mx/scielo.php?scr ... es&nrm=iso>. ISSN 1405-5546. https://doi.org/10.13053/CyS-19-4-2326.