Desmitificando los Algoritmos: Diseño de un algoritmo

Bienvenidos de regreso en esta travesía hacia el corazón de los algoritmos, donde las soluciones matemáticas encuentran su aplicación en problemas del mundo real. Esta es la continuación de un post anterior, donde nos introducíamos a los conceptos base de algoritmos. En este articulo veremos las técnicas y recursos para diseñar un algoritmo.

Cuando nos embarcamos en el diseño de algoritmos, nos enfrentamos a tres consideraciones fundamentales para perfeccionar nuestras creaciones:

•  ¿Este algoritmo produce el resultado esperado?
• ¿Es esta la manera más óptima de obtener estos resultados?
• ¿Cómo se desempeñará el algoritmo con conjuntos de datos más grandes?

Comprender la complejidad del problema es crucial antes de diseñar la solución. Clasificamos los algoritmos según las siguientes categorías, orientadas a las características del problema:

Diseñados para manejar grandes cantidades de datos con requisitos de procesamiento relativamente simples. Ejemplos incluyen algoritmos de compresión aplicados a archivos enormes. En estos casos, el tamaño de los datos supera la memoria del motor de procesamiento, y se debe desarrollar un diseño de procesamiento iterativo para manejar eficientemente los datos.

Requieren un procesamiento considerable pero no implican grandes cantidades de datos. Un ejemplo simple sería un algoritmo para encontrar un número primo muy grande. La clave para maximizar el rendimiento de estos algoritmos radica en dividirlos en fases que puedan paralelizarse.

Abordan grandes cantidades de datos y tienen considerables requisitos de procesamiento. Ejemplos notables son los algoritmos para realizar análisis de sentimientos en transmisiones de video en vivo. Estos algoritmos, los más exigentes en recursos, necesitan un diseño cuidadoso y una asignación inteligente de recursos disponibles

Al abordar las dimensiones de volumen, velocidad y variedad (los 3Vs), nos adentramos en la esencia misma de cómo los algoritmos enfrentan desafíos del mundo real.

• Volumen: El Tamaño Esperado de los Datos El volumen representa el tamaño esperado de los datos que el algoritmo procesará. Desde conjuntos modestos hasta datos masivos, entender el volumen es esencial para diseñar algoritmos que se adapten a la escala requerida.
• Velocidad: La Tasa de Generación de Nuevos Datos La velocidad mide la tasa esperada de generación de nuevos datos al utilizar el algoritmo. Desde procesos por lotes hasta procesos en tiempo real, la velocidad de los datos varía. Imagina un proceso en tiempo real, como la recopilación de feeds de video en vivo; aquí, la velocidad alcanza su máxima complejidad.
• Variedad: La Diversidad de Tipos de Datos La variedad cuantifica cuántos tipos diferentes de datos se espera que maneje el algoritmo. Desde datos estructurados hasta no estructurados, la variedad desafía al diseño del algoritmo a abordar diferentes formatos y contextos de datos.

Por ejemplo, en la dimensión de velocidad, tenemos el procesamiento por lotes como el más simple, seguido del procesamiento periódico y luego el procesamiento casi en tiempo real. Finalmente, tenemos el procesamiento en tiempo real, que es el más complejo de manejar en el contexto de la velocidad de los datos.

Al caracterizar la dimensión informática, se analizan las necesidades de procesamiento del problema en cuestión. Estas necesidades determinan el diseño más eficiente para un algoritmo. Por ejemplo, los algoritmos complejos suelen requerir una gran potencia de procesamiento, lo que puede hacer necesario contar con una arquitectura paralela de varios nodos. En el caso de algoritmos modernos de aprendizaje profundo, que implican un procesamiento numérico considerable, puede ser necesario utilizar la potencia de unidades de procesamiento gráfico (GPUs) o unidades de procesamiento tensorial (TUPs).

En futuros post veremos como calcular esta complejidad para poder abordar la creación de algoritmos.  No olvides dejar tus comentarios e inquietudes y nos vemos en el próximo post.