Quiero mencionar “La Programación Evolutiva” [KOZ94, KOZ02]: se hace evolucionar una población de “programas” para resolver un problema en general. Los programas que evolucionan pueden adoptar distintas formas, aunque lo más usual es un árbol. 

Las estructuras de datos de las búsquedas que se utilizan en los sistemas de etiquetas son de tamaño variable, como el ejemplo mencionado anteriormente, los algoritmos que buscan en ellos no intentan dar solución a una instancia concreta del problema , sería como dar sólo la opción de buscar lámparas en un todo a 1€uro chino (el corte chino XD) sino de proporcionar una estrategia capaz de resolver cualquier instancia de una búsqueda: generalizar un algoritmo de búsqueda que comparte datos de distintos dominios-> etiquetas ,como no! jiasss

El método clásico de optimización para problemas cuyo espacio de búsqueda de soluciones es contínuo es la técnica de escalada, que consiste en determinar la pendiente de la vecindad del punto actual (un Dominio en un servidor que comparte una base de datos o un servicio de intercambio de datos por XML…etc) y seleccionar el punto de mayor pendiente en dicha vecindad: i.e., el conjunto de etiquetas que es de mayor calidad, más valorada, etc. entonces ,el próximo punto (tabla, modelo de datos,etc.) pertenece a este nuevo valor pero , ojete!: para pasar hasta él y no dejar desconectado a los demás habrá de pasar por los “peores” puntos , aunque estos no representen el óptimo global.

Una alternativa es realizar una búsqueda aleatoria de candidatos de etiquetas representativas tomando puntos al azar dentro de una zona de búsqueda, y estimando el valor del óptimo mediante técnicas estadísticas, que precisamente pueden aplicarse a cualquier tipo de problema, pero son muy ineficientes.

Los algoritmos evolutivos constituyen un punto intermedio al reunir componentes de búsqueda aleatoria y de búsqueda dirigida por la selección. Se suelen utilizar un espacio multimensional, comenzando con 3 dimensiones: identificadores, modelos y valores representativos, después existe la posibilidad de añadir dimensiones adicionales aunque complican el algoritmo y el mantenimiento, o que pensabas? XD

Ejemplo de un algoritmo evolutivo es el de las búsquedas con Google una vez logeado en GMail , muxo cuidado con los resultados que teneis porque están influenciados por vuestros “gustos”, si quereis resultados reales, hacer logout de vuestra cuenta ,pájaro! xD

Así, la evolución en PIE se puede interpretar como un proceso de optimización donde los usuarios encuentran lo que necesitan ( peso ), que es análogo a los procesos de resolución de un problema de optimización, curioso,no? jaja Sin embargo, los algoritmos evolutivos no escalan de forma uniforme hacia regiones de mejor adaptación si no se les mete mano, sino que cuentan con mecanismos que les permiten cruzar regiones de baja adaptación: selección no determinista y mutaciones

1. Clasificar expresiones faciales
2. Detectar intrusos utilizando conjuntos de datos
3. Predecir la estructura de colaboración entre dos planes de estudios
4. Reconocimiento de escritura
5. Determinar el potencial de un alumno en función de sus ejercicios

El problema de estos algoritmos es que necesitan un entrenamiento para conseguir unos resultados fiables, y esto implica conceptos matemáticos que requieren muchos recursos de la máquina…

Una librería que ayuda en el proceso se llama LIBSVM , se puede descargar en http://www.csie.ntu.edu.tw/~cjlin/libsvm/, está escrito en C++ e incluye una versión en Java, sin embargo el paquete incluye un evoltorio para Python llamado svm.py, se necesita la versión compilada para la plataforma usada.

Ahora veremos un ejemplo para el caso 3 propuesto antes: predecir la estructura de colaboración entre dos planes de estudios utilizando los datos de la red social de facebook, probablemente sea una buena idea combinar datos dentro de la plataforma, provinientes de varias redes sociales, aunque nos encargaremos sólo de una para que no se nos escape de las manos.

Lo primero es crear un conjunto de datos de concordancia desde Facebook, para ello necesitaremos la siguiente llamada a la API:

import facebook
s = facebook.fbsession()
amigos = s.obtenerAmigos()

Ahora podemos utilizar amigos[1] ;  s.obtenerInfo(amigos[0:2]) como “respuesta” en nuestro nuevo conjunto de datos. La llamada permite pasar dos listas de ID de igual longitud y devolver una lista con un número para cada par , 1 si las personas son amigos y 0 si no lo son. Puedes usar una clase como esta:

class fbsession:
def __init_ _(self):
self.session_secret = None
self.session_key = None
self.token = self.createtoken()
webbrowser.open(self.getlogin())
print "Pulsa enter tras el login:",
raw_input()
self.getsession()
def sendrequest(self, args):
args['api_key'] = apikey
args['sig¡] = self.makehash(args)
post_data = urllib.urlencode(args)
url = FacebookURL + "?" + post_data
data = urllib.urlopen(url).read()
return parseString(data)

def makehash(self, args):
hasher = md5.new(''.join(
[x+'='+args[x] for x in sorted (
args.keys())]))
if self.session_secret:
 hasher.update(self.session_secret)
else:
 hasher.update(secret)
return hasher.hexdigest()

def createtoken(self):
res = self.sendrequest({'method':
"facebook.auth.createToken"})
self.token = getsinglevalue(res, 'token')

def getlogin(self):
return "http://api.facebook.com/login.php?api_key="+\
apikey+"&auth_token="+self.token

def obtenerAmigos(self):
doc = self.sendrequest({'method':'facebook.friends.get',
 'session_key':self.session_key,'call_id':callid()})
results = []
for n in doc.getElementsByTagName('result_elt'):
results.append(n.firstChild.nodeValue)
return results

def obtenerInfo(self, usuarios):
ulist = ', '.join(usuarios)
campos = 'gender,current_location,
relationship_status,affiliations,hometown_location'
doc = self.sendrequest({'method':
'facebook.user.getInfo','session_key':
self.session_key, 'call_id':callid(),'users':ulist,
'fields':campos})
resultados = {}
for n,id in zip(doc.getElementsbyTagName('result_elt'),users):
# obtener ubicación
locnode = n.getElementsByTagName('hometown_location')[0]
loc = getsinglevalue(locnode,'city')+', '+\
getsinglevalue(locnode, 'state')
# obtener la escuela
escuela = ''
graduanio = '0'
asocia = n.getElementsByTagName('affiliations_elt')
for aso in asocia:
#tipo 1 es universidad:
if getsinglevalue(aso, 'type') == '1':
escuela = getsinglevalue(aso, 'name')
graduanio = getsinglevalue(aso, 'year')

resultados[id] = {'sexo':getsinglevalue(n,'gender'),
 'estado':getsinglevalue(n,'relationship_status'),
'direccion':loc, 'escuela': escuela, 'graduanio':graduanio}
return resultados

def sonamigos(self, idlist1, idlist2):
id1 = ','.join(idlist1)
id2 = ','.join(idlist2)
doc= self.sendrequest({'method':
'facebook.friends.areFriends',
'session_key':self.session_key, 'call_id':callid(),
'id1':id1 , 'id2': id2})
resultados = []
for n in doc.getElementByTagName('result_elt'):
resultados.append(n.firstChild.nodeValue)
return resultados

La función más compleja y larga es la que junta todos los datos para crear un conjunto de datos que funciona con LIBSVM; obtiene una lista de todos los amigos del usuario conectado en esta iteración, y descarga información sobre aquellos, creando una fila para cada par de personas, luego comprueba cada par para ver si son amigos, habría que ver si comparten la aplicación instalada de la plataforma y si comparten un grupo. Función makedataset:

def makedataset(self):
from advancedclassify import milesdistance
#obtiene toda la info de todos los amigos:
amigos = self.obtenerAmigos()
info = self.obtenerInfo(amigos)
ids1, ids2 = [], []
filas = []
#Bucle anidado para examinar cada par de amigos:
for i in range(len(amigos)):
a1 = amigos[i]
datos1 = info[a1]
#Empezar en i+1
for j in range(i+1, len(amigos)):
a2 = amigos[j]
datos2 = info[a2]
ids1.append(a1)
ids2.append(a2)
#Generar algunos numeros desde los datos:
if datos1['escuela'] == datos2['escuela']: mismaescuela = 1
else : mismaescuela = 0
ciudad = (datos1['direccion']==datos2['direccion']) and 1 or 0
relacion = (datos1['estado']==datos2['estado']) and 1 or 0
fila = [ciudad,int(datos1['graduanio']),relacion,int(datos2['graduanio']),mismaescuela]
filas.append(fila)
#Invocar al método sonAmigos() en bloques para cada par de personas:
loson = []
for i in range(0,len(ids1),30):
j  = min(i+20,len(ids))
pa = self.sonamigos(ids1[i:j],ids2[i:j])
loson += pa
return loson, filas

Este método cambia la localización (ciudad) y estado de la relación a números para que puedan ser utilizados directamente por LIBSVM, el último bucle solicita el estatus de amigo de cada par de personas en el bloque, ya que Facebook limita la longitud de una sóla petición.

Para crear un modelo SVM:

reload(facebook)
s=facebook.fbsession)=
answer,data=s.makedataset()

Deberíamos poder ejecutar los métodos sym directamente:

param = svm_parametrer (kernel_type=RBF)
prob = svm_problem(answers,data)
m=svm_model(prob,param)
m.predict([1,2003,1,2003,1]) #dos personas de la misma ciudad ,año y escuela
m.predict([1,2003,1,1996,0]) #diferentes años ,diferentes escuelas

Por supuesto los resultados variarán, el modelo determinará que las personas que fueron al mismo colegio o eran de la misma ciudad ,probablemente sean amigos , dos personas de la misma universidad, o de las misma asignaturas, posiblemente estaría bien que fueran amigos para compartir conocimientos y ayudarse mutuamente.

La dirección es: http://pie.uservoice.com

Se pueden recibir cualquier tipo de ideas, votarlas y luego implementarlas …es una plataforma de sugerencias interesante.

svn add $(svn status | cut -s -d? -f2)

esta línea tan simple es un poco frágil pero funciona perfectamente para no tener que recorrernos todo el árbol de nuestra nueva estructura e ir haciendo los “svn add” pertinentes…

Es una primera aproximación para guardar todos los datos necesarios.

Se puede descargar el código para MySQL aquí.

Bastante sencillo, funcional.

Cuando creamos aplicaciones web, el diagrama es bastante cambiante, no rendirse!

Tras el análisis de la paginación y con el diseño de la interfaz terminado gracias a los usuarios que respondieron la encuesta, el proceso es mucho más cómodo gracias.

Nosotros utilizábamos la Web 1.0 como un soporte que permitía navegar de un documento a otro con una fluidez imposible en otros medios de comunicación y sin embargo la interacción no eran del todo completa, hoy en día, todos formamos parte del nuevo juego llamado Web 2.0, rompiendo todo tipo de límites o barreras internacionales, programadores de todo el mundo contribuyen en todo tipo de proyectos con nuevos módulos usando las “API” de las aplicaciones web,i.e., la máxima expresión de la interoperabilidad y la participación.

El diseño de las herramientas modulares del proyecto PIE sigue un esquema sencillo que viene detallado así:

En lugar de simplemente recibir, producimos, publicamos, extendemos las funcionalidades, actuamos. Como usuarios activos, somos consumidores/creadores, lectores/escritores, oyentes/locutores, espectadores/productores. Tenemos incluso el poder de organizar todos esos datos (informaciones, conocimientos, creaciones) atribuyéndoles etiquetas hechas por nosotros.

Como es de esperar ,cada vez hay más usuarios que utilizan redes sociales para comunicarse y “pedir los apuntes” al compañero porque estuvo enfermo el día anterior jeje

Un esquema multidimensional como es el de una aplicación masiva de información sobre asignaturas que mantiene constancia de las similitudes entre sus rasgos es una compleja herramienta que aplica el reconocimiento mientras se está cambiando a sí misma, es decir, tiene muchas caras, debido a las complejidades colectivas, al menos en términos generales en cuanto a identificar los niveles jerárquicos de los elementos principales que han de ser analizados y reducidos antes de realizar cualquier cambio.

Múltiples elementos han de poder solaparse juntos siguiendo un patrón, un filtro, para definir la complejidad organizativa del cambio, el punto principal a tener en cuenta es que todo se sintetiza gracias al framework zenphp: cambios entre diferentes estados de la aplicación, la naturaleza de los modelos, etc.

Para medir una actividad disponemos como unidades la triada: objeto,usuario y una situación, los datos son los elementos a representar y expresar gráficamente, tanto como los profesores enseñan y corrigen así los alumnos participan de actividades, aquí tienes una representación gráfica del patrón del sistema de clases asociado a la base de datos.

Mientras se termina la implementación veamos un ejemplo de un sistema de corrección.

El proceso por pasos va como sigue:

• Identificar y articular un problema de un examen para ser resuelto
• Identificar soluciones alternativas
• Elegir el criterio de solución
• Juzgar alternativas y dar a elegir al usuario en función de sus privilegios
• Plan de contingencias 
• Evaluar

Los Diagramas de Información del proyecto PIE son un conjunto de tarjetas ordenadas sobre el papel.

Ver un boceto de un diagrama no esencial pero si buen ayudante.

Ojo!: no se trata de hacer un mapa del sitio, el orden de la jerarquía se establece por importancia, no son diagramas de vínculos entre páginas sino relaciones entre secciones y subsecciones de contenido.