Visión general
De qué trata este proyecto.
A partir de una entrevista estructurada con un técnico (material proporcionado), construye una base de hechos y reglas en Prolog o en Python con un motor de reglas simple. El sistema debe aceptar entre 8 y 12 observaciones (síntomas en hojas, clima reciente, fase fenológica) y proponer un diagnóstico con razonamiento explícito. Valida con 30 casos históricos etiquetados. Reporta accuracy y, sobre todo, errores que un experto identificaría inmediatamente. Cierra con una memoria de cuatro páginas que explique fortalezas y límites del enfoque basado en reglas frente a alternativas de aprendizaje.
El Briefing
Lo que harás y lo que demostrarás.
Construir un diagnóstico viñícola basado en reglas que devuelva razonamiento explícito y caracterizar honestamente sus límites frente a un experto.
Earning criteria — what you'll demonstrate
- Representar conocimiento de un dominio en forma de hechos y reglas
- Aplicar encadenamiento hacia adelante para inferencia
- Evaluar un sistema basado en reglas contra casos reales
- Argumentar cuándo conviene aprendizaje frente a lógica formal
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosIngeniero de IA
Modelar conocimiento de dominio, implementar inferencia y argumentar el enfoque es trabajo inicial típico de un AI Engineer que entra en sectores tradicionales.
Este proyecto afina
- knowledge-representation
- logical-inference
- explainable-ai
Ingeniero de Machine Learning
Saber cuándo no se necesita aprendizaje es competencia diferencial de un MLE que diseña soluciones eficientes en costes y mantenimiento.
Este proyecto afina
- python
- domain-modeling
- rule-based-systems
Ingeniero de Prompts
El trabajo de extraer conocimiento de un experto y formalizarlo prepara para diseñar prompts estructurados que los Modelos de Lenguaje Grande (LLM) sigan con fiabilidad.
Este proyecto afina
- knowledge-representation
- domain-modeling
- explainable-ai