
Build Android-Based Smart Applications
Chinmoy Mukherjee
- Editorial
- Apress
- Año
- 2018
- Páginas
- ~133
- Nivel
- Intermedio
De qué trata
Monografía técnica especializada de Chinmoy Mukherjee publicada por Apress a finales de 2017, dedicada a la integración de sistemas expertos, motores de reglas de inferencia y procesamiento de lenguaje natural directamente en el entorno de ejecución móvil de Android. Está dirigida a desarrolladores Java y Android de nivel intermedio a avanzado, arquitectos de software e ingenieros de datos que necesiten implementar capacidades de toma de decisiones autónomas y análisis semántico local en el dispositivo sin depender obligatoriamente de servicios en la nube.
El libro examina la compatibilidad y los procesos de portabilidad de motores de reglas basados en Java hacia la máquina virtual de Android (Dalvik y ART), ofreciendo implementaciones y recetas prácticas para CLIPS, JRuleEngine (estándar JSR 94), DTRules (tablas de decisión), Zilonis, TermWare, Roolie, OpenRules, JxBRE y JEOPS. Asimismo, analiza las limitaciones de memoria, reflexión y rendimiento que complican el uso de motores más pesados como Drools, JLisa, Take y Jess en entornos móviles. En el ámbito del lenguaje natural, enseña a incorporar modelos de etiquetado gramatical con Stanford POS Tagger y a estructurar marcos de automatización capaces de transformar especificaciones de requisitos funcionales en código y componentes ejecutables.
Más que presentar una aplicación comercial monolítica, la obra expone bancos de pruebas, scripts de adaptación y prototipos funcionales donde se evalúan el consumo de recursos, la velocidad de inferencia lógica y el parseo de conocimiento no estructurado en teléfonos inteligentes. Su mayor valor reside en ser uno de los pocos textos que profundiza en la ingeniería de portabilidad de motores de reglas a bajo nivel en Android; no obstante, sus 133 páginas asumen un conocimiento sólido previo del ecosistema Java y prescinden de frameworks modernos de aprendizaje profundo en el dispositivo como TensorFlow Lite o ML Kit, enfocándose en la vertiente clásica y simbólica de la inteligencia artificial.
- Android
- Motores de reglas
- Sistemas expertos
- Inteligencia artificial
- NLP
- Stanford POS Tagger
- CLIPS
- JRuleEngine
- JSR 94
- Automatización de software
- Java
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✗ Sin proyectos

