{"id":26457,"date":"2022-03-01T10:11:35","date_gmt":"2022-03-01T16:11:35","guid":{"rendered":"https:\/\/otech.uaeh.edu.mx\/noti\/?p=26457"},"modified":"2022-03-01T10:12:31","modified_gmt":"2022-03-01T16:12:31","slug":"uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos","status":"publish","type":"post","link":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/","title":{"rendered":"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos"},"content":{"rendered":"

Identificar un mal funcionamiento en la red electrica de la nacion puede ser como tratar de encontrar una aguja en un enorme pajar. <\/span>Cientos de millas de sensores interrelacionados repartidos por los EE. <\/span>UU. <\/span>capturan datos sobre corriente el\u00e9ctrica, voltaje y otra informaci\u00f3n cr\u00edtica en tiempo real, a menudo tomando m\u00faltiples registros por segundo.<\/span><\/span><\/p>\n

Los investigadores del MIT-IBM Watson AI Lab han ideado un m\u00e9todo computacionalmente eficiente que puede identificar autom\u00e1ticamente anomal\u00edas en esos flujos de datos en tiempo real. <\/span>Demostraron que su m\u00e9todo de inteligencia artificial, que aprende a modelar la interconexi\u00f3n de la red el\u00e9ctrica, es mucho mejor para detectar estos fallos que otras t\u00e9cnicas populares.<\/span><\/span><\/p>\n

Debido a que el modelo de aprendizaje autom\u00e1tico que desarrolla no requiere datos anotados sobre anomal\u00edas de la red el\u00e9ctrica para el entrenamiento, ser\u00eda m\u00e1s f\u00e1cil de aplicar en situaciones del mundo real donde los conjuntos de datos etiquetados de alta calidad a menudo son dif\u00edciles de conseguir. <\/span>El modelo tambi\u00e9n es flexible y se puede aplicar a otras situaciones en las que una gran cantidad de sensores interconectados recopilan y reportan datos, como los sistemas de monitoreo de tr\u00e1fico. <\/span>Podr\u00eda, por ejemplo, identificar cuellos de botella en el tr\u00e1fico o revelar c\u00f3mo se acumulan los atascos.<\/span><\/span><\/p>\n

\u201cEn el caso de una red el\u00e9ctrica, las personas han tratado de capturar los datos usando estad\u00edsticas y luego definen reglas de detecci\u00f3n con conocimiento del dominio para decir que, por ejemplo, si el voltaje aumenta en un cierto porcentaje, entonces se debe alertar al Operador de la red. <\/span>Dichos sistemas basados \u200b\u200ben reglas, incluso potenciados por el an\u00e1lisis de datos estad\u00edsticos, requieren mucho trabajo y experiencia. <\/span>Demostramos que podemos automatizar este proceso y tambi\u00e9n aprender patrones de los datos utilizando t\u00e9cnicas avanzadas de aprendizaje autom\u00e1tico\u201d, dice el autor principal Jie Chen, miembro del personal de investigaci\u00f3n y gerente del MIT-IBM Watson AI Lab.<\/span><\/span><\/p>\n

El coautor es Enyan Dai, pasante del MIT-IBM Watson AI Lab y estudiante de posgrado en la Universidad Estatal de Pensilvania. <\/span>Esta investigaci\u00f3n ser\u00e1 presentada en la Conferencia Internacional sobre Representaciones de Aprendizaje.<\/span><\/span><\/p>\n

Probabilidades de sondeo<\/span><\/span><\/strong><\/p>\n

Los investigadores comenzaron a definir una anomal\u00eda como un evento que tiene una baja probabilidad de ocurrir, como un pico arrepentido de voltaje. <\/span>Tratan los datos de la red el\u00e9ctrica como una distribuci\u00f3n de probabilidad, por lo que si pueden estimar las densidades de probabilidad, pueden identificar los valores de baja densidad en el conjunto de datos. <\/span>Esos puntos de datos que tienen menos probabilidad de ocurrir corresponden a anomal\u00edas.<\/span><\/span><\/p>\n

Estimar esas probabilidades no es una tarea f\u00e1cil, especialmente porque cada muestra captura m\u00faltiples series de tiempo, y cada serie de tiempo es un conjunto de puntos de datos multidimensionales registrados a lo largo del tiempo. <\/span>Adem\u00e1s, los sensores que capturan todos esos datos est\u00e1n condicionados entre s\u00ed, lo que significa que est\u00e1n conectados en una determinada configuraci\u00f3n y, a veces, un sensor puede afectar a otros.<\/span><\/span><\/p>\n

Para aprender la distribuci\u00f3n de probabilidad condicional compleja de los datos, los investigadores utilizaron un tipo especial de modelo de aprendizaje profundo llamado flujo de normalizaci\u00f3n, que es particularmente efectivo para estimar la densidad de probabilidad de una muestra.<\/span><\/span><\/p>\n

Aumentaron ese modelo de flujo de normalizaci\u00f3n utilizando un tipo de gr\u00e1fico, conocido como red bayesiana, que puede aprender la compleja estructura de relaci\u00f3n causal entre diferentes sensores. <\/span>Esta estructura permite a los investigadores ver patrones en los datos y estimar las anomal\u00edas gr\u00e1ficas con mayor precisi\u00f3n, explica Chen.<\/span><\/span><\/p>\n

\u201cLos sensores interact\u00faan entre s\u00ed, tienen relaciones causales y dependen unos de otros. <\/span>Entonces, tenemos que ser capaz de inyectar esta informaci\u00f3n de dependencia en la forma en que calculamos las probabilidades\u201d, dice.<\/span><\/span><\/p>\n

Esta red bayesiana factoriza, o descompone, la probabilidad conjunta de los datos de varias series temporales en probabilidad condicionales menos complejas que son mucho m\u00e1s f\u00e1ciles de parametrizar, aprender y evaluar. <\/span>Esto permite a los investigadores estimar la probabilidad de observar ciertas lecturas del sensor e identificar aquellas lecturas que tienen una baja probabilidad de ocurrir, lo que significa que son anomal\u00edas.<\/span><\/span><\/p>\n

Su m\u00e9todo es especialmente poderoso porque esta estructura gr\u00e1fica compleja no necesita definirse de antemano: el modelo puede aprender el gr\u00e1fico por s\u00ed mismo, sin supervisi\u00f3n.<\/span><\/span><\/p>\n

Una tecnica poderosa<\/span><\/span><\/strong><\/p>\n

Probaron este marco al ver qu\u00e9 tan bien pudo identificar anomal\u00edas en los datos de la red el\u00e9ctrica, los datos de tr\u00e1fico y los datos del sistema de agua. <\/span>Los conjuntos de datos que usaron para las pruebas conten\u00edan anomal\u00edas que hab\u00edan sido identificadas por humanos, por lo que los investigadores podr\u00e1n comparar las anomal\u00edas que identificaron su modelo con fallas reales en cada sistema.<\/span><\/span><\/p>\n

Su modelo super\u00f3 todas las l\u00edneas de base al detectar un porcentaje mayor de anomal\u00edas en cada conjunto de datos.<\/span><\/span><\/p>\n

\u201cPara las l\u00edneas base, muchas de ellas no incorporan estructura gr\u00e1fica. <\/span>Eso corrobora perfectamente nuestra hip\u00f3tesis. <\/span>Descubrir las relaciones de dependencia entre los diferentes nodos en el gr\u00e1fico definitivamente nos est\u00e1 ayudando\u201d, dice Chen.<\/span><\/span><\/p>\n

Su metodolog\u00eda tambi\u00e9n es flexible. <\/span>Armados con un gran conjunto de datos sin etiquetar, pueden ajustar el modelo para hacer predicciones de anomal\u00edas efectivas en otras situaciones, como patrones de tr\u00e1fico.<\/span><\/span><\/p>\n

Una vez que se implementa el modelo, contin\u00fae aprendiendo de un flujo constante de nuevos datos de sensores, adapt\u00e1ndose a la posible desviaci\u00f3n de la distribuci\u00f3n de datos y manteniendo la precisi\u00f3n a lo largo del tiempo, dice Chen.<\/span><\/span><\/p>\n

Aunque este proyecto en particular est\u00e1 cerca de su fin, espera aplicar las lecciones que aprendi\u00f3 a otras \u00e1reas de investigaci\u00f3n de aprendizaje profundo, particularmente en gr\u00e1ficos.<\/span><\/span><\/p>\n

Chen y sus colegas podr\u00edan usar este enfoque para desarrollar que mapeen otros modelos de relaciones condicionales complejas. <\/span>Tambi\u00e9n quieren explorar c\u00f3mo pueden aprender de manera eficiente estos modelos cuando los gr\u00e1ficos se vuelven enormes, tal vez con millones o miles de millones de nodos interconectados. <\/span>Y en lugar de encontrar anomal\u00edas, tambi\u00e9n podr\u00edan usar este enfoque para mejorar la precisi\u00f3n de los pron\u00f3sticos basados \u200b\u200ben conjuntos de datos o optimizar otras t\u00e9cnicas de clasificaci\u00f3n.<\/span><\/span><\/p>\n

Este trabajo fue financiado por el MIT-IBM Watson AI Lab y el Departamento de Energ\u00eda de EE. <\/span>UU.<\/span><\/span><\/p>\n

Fuente:<\/span><\/span><\/p>\n

Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos<\/span><\/span><\/i> . <\/span>(2022, 25 febrero). <\/span>Noticias del MIT | <\/span>Instituto de Tecnolog\u00eda de Massachusetts. <\/span>Recuperado el 1 de marzo de 2022, de https:\/\/news.mit.edu\/2022\/artificial-intelligence-anomalies-data-0225<\/span><\/span><\/p>\n","protected":false},"excerpt":{"rendered":"

Identificar un mal funcionamiento en la red electrica de la nacion puede ser como tratar de encontrar una aguja en un enorme pajar. Cientos de millas de sensores interrelacionados repartidos por los EE. UU. capturan datos sobre corriente el\u00e9ctrica, voltaje y otra informaci\u00f3n cr\u00edtica en tiempo real, a menudo tomando m\u00faltiples registros por segundo.<\/p>\n","protected":false},"author":1,"featured_media":26458,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[361],"tags":[],"class_list":["post-26457","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia"],"yoast_head":"\nUso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos - Observatorio Tecnol\u00f3gico de Hidalgo<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos - Observatorio Tecnol\u00f3gico de Hidalgo\" \/>\n<meta property=\"og:description\" content=\"Identificar un mal funcionamiento en la red electrica de la nacion puede ser como tratar de encontrar una aguja en un enorme pajar. Cientos de millas de sensores interrelacionados repartidos por los EE. UU. capturan datos sobre corriente el\u00e9ctrica, voltaje y otra informaci\u00f3n cr\u00edtica en tiempo real, a menudo tomando m\u00faltiples registros por segundo.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\" \/>\n<meta property=\"og:site_name\" content=\"Observatorio Tecnol\u00f3gico de Hidalgo\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/observatoriouaeh\" \/>\n<meta property=\"article:published_time\" content=\"2022-03-01T16:11:35+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2022-03-01T16:12:31+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"900\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"admin\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@OBSERVATORIOEH\" \/>\n<meta name=\"twitter:site\" content=\"@OBSERVATORIOEH\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"admin\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#article\",\"isPartOf\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\"},\"author\":{\"name\":\"admin\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c\"},\"headline\":\"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos\",\"datePublished\":\"2022-03-01T16:11:35+00:00\",\"dateModified\":\"2022-03-01T16:12:31+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\"},\"wordCount\":1150,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#organization\"},\"image\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg\",\"articleSection\":[\"Inteligencia Artificial\"],\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\",\"name\":\"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos - Observatorio Tecnol\u00f3gico de Hidalgo\",\"isPartOf\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg\",\"datePublished\":\"2022-03-01T16:11:35+00:00\",\"dateModified\":\"2022-03-01T16:12:31+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg\",\"contentUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg\",\"width\":900,\"height\":600},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Inicio\",\"item\":\"https:\/\/otech.uaeh.edu.mx\/noti\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#website\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/\",\"name\":\"Observatorio Tecnol\u00f3gico de Hidalgo\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/otech.uaeh.edu.mx\/noti\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"en-US\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#organization\",\"name\":\"Observatorio Tecnol\u00f3gico de Hidalgo\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png\",\"contentUrl\":\"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png\",\"width\":250,\"height\":250,\"caption\":\"Observatorio Tecnol\u00f3gico de Hidalgo\"},\"image\":{\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/observatoriouaeh\",\"https:\/\/x.com\/OBSERVATORIOEH\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c\",\"name\":\"admin\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g\",\"caption\":\"admin\"},\"url\":\"https:\/\/otech.uaeh.edu.mx\/noti\/author\/admin\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos - Observatorio Tecnol\u00f3gico de Hidalgo","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/","og_locale":"en_US","og_type":"article","og_title":"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos - Observatorio Tecnol\u00f3gico de Hidalgo","og_description":"Identificar un mal funcionamiento en la red electrica de la nacion puede ser como tratar de encontrar una aguja en un enorme pajar. Cientos de millas de sensores interrelacionados repartidos por los EE. UU. capturan datos sobre corriente el\u00e9ctrica, voltaje y otra informaci\u00f3n cr\u00edtica en tiempo real, a menudo tomando m\u00faltiples registros por segundo.","og_url":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/","og_site_name":"Observatorio Tecnol\u00f3gico de Hidalgo","article_publisher":"https:\/\/www.facebook.com\/observatoriouaeh","article_published_time":"2022-03-01T16:11:35+00:00","article_modified_time":"2022-03-01T16:12:31+00:00","og_image":[{"width":900,"height":600,"url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg","type":"image\/jpeg"}],"author":"admin","twitter_card":"summary_large_image","twitter_creator":"@OBSERVATORIOEH","twitter_site":"@OBSERVATORIOEH","twitter_misc":{"Written by":"admin","Est. reading time":"6 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#article","isPartOf":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/"},"author":{"name":"admin","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c"},"headline":"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos","datePublished":"2022-03-01T16:11:35+00:00","dateModified":"2022-03-01T16:12:31+00:00","mainEntityOfPage":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/"},"wordCount":1150,"commentCount":0,"publisher":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#organization"},"image":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage"},"thumbnailUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg","articleSection":["Inteligencia Artificial"],"inLanguage":"en-US","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/","url":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/","name":"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos - Observatorio Tecnol\u00f3gico de Hidalgo","isPartOf":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#website"},"primaryImageOfPage":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage"},"image":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage"},"thumbnailUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg","datePublished":"2022-03-01T16:11:35+00:00","dateModified":"2022-03-01T16:12:31+00:00","breadcrumb":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/"]}]},{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#primaryimage","url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg","contentUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2022\/03\/MIT_Anomoly-Detection-01_0.jpg","width":900,"height":600},{"@type":"BreadcrumbList","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/ia\/uso-de-inteligencia-artificial-para-encontrar-anomalias-ocultas-en-conjuntos-de-datos-masivos\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Inicio","item":"https:\/\/otech.uaeh.edu.mx\/noti\/"},{"@type":"ListItem","position":2,"name":"Uso de inteligencia artificial para encontrar anomal\u00edas ocultas en conjuntos de datos masivos"}]},{"@type":"WebSite","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#website","url":"https:\/\/otech.uaeh.edu.mx\/noti\/","name":"Observatorio Tecnol\u00f3gico de Hidalgo","description":"","publisher":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/otech.uaeh.edu.mx\/noti\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"en-US"},{"@type":"Organization","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#organization","name":"Observatorio Tecnol\u00f3gico de Hidalgo","url":"https:\/\/otech.uaeh.edu.mx\/noti\/","logo":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/","url":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png","contentUrl":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-content\/uploads\/2025\/11\/Logo-circulo.png","width":250,"height":250,"caption":"Observatorio Tecnol\u00f3gico de Hidalgo"},"image":{"@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/observatoriouaeh","https:\/\/x.com\/OBSERVATORIOEH"]},{"@type":"Person","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/95263d004158ffabcd98137e1d0abc1c","name":"admin","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/otech.uaeh.edu.mx\/noti\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/08dd17208ee6a9e87c5a01c0a5f4c96c8ed24bf05e625630929b5b6a7c1ffa5f?s=96&d=mm&r=g","caption":"admin"},"url":"https:\/\/otech.uaeh.edu.mx\/noti\/author\/admin\/"}]}},"_links":{"self":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/26457","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/comments?post=26457"}],"version-history":[{"count":2,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/26457\/revisions"}],"predecessor-version":[{"id":26460,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/posts\/26457\/revisions\/26460"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/media\/26458"}],"wp:attachment":[{"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/media?parent=26457"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/categories?post=26457"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/otech.uaeh.edu.mx\/noti\/wp-json\/wp\/v2\/tags?post=26457"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}