Diseño de Codificación y Juegos - Introducción al Aprendizaje Automático

La Introducción al Aprendizaje Automático (ML) desmitifica una de las tecnologías más importantes y menos comprendidas de nuestro tiempo, a través de la experiencia práctica que no requiere conocimientos previos de codificación. Utilizando Teachable Machine de Google, los estudiantes entrenan un modelo real de clasificación de imágenes desde cero y descubren de primera mano cómo funciona realmente el aprendizaje automático.

Los estudiantes comienzan con una explicación clara y sin jerga de qué es el aprendizaje automático y cómo difiere de la programación tradicional. En lugar de escribir reglas, los sistemas de ML aprenden patrones a partir de ejemplos, y esta lección hace que esa idea abstracta sea concreta a través de la experimentación inmediata.

Los estudiantes recopilan datos de entrenamiento, los introducen en Teachable Machine y entrenan un modelo para distinguir entre dos categorías de su elección: gestos con las manos, expresiones faciales, objetos o cualquier cosa que puedan capturar con la cámara. Prueban el modelo en tiempo real, observan dónde tiene éxito y dónde falla, e investigan el porqué.

La lección profundiza en lo que revelan esos modos de fallo: que los modelos de ML son tan buenos como sus datos de entrenamiento, que los conjuntos de datos pequeños producen resultados poco fiables y que el sesgo en los ejemplos de entrenamiento produce sesgo en los resultados. Los estudiantes experimentan estos fenómenos directamente en lugar de solo leer sobre ellos.

Los estudiantes se van con un modelo de ML entrenado y funcional que construyeron ellos mismos, y una comprensión fundamental del aprendizaje automático que desmitifica la tecnología que impulsa gran parte de la IA moderna.

Alineado con los estándares 1 y 5 de ISTE.