Ciencia de datos, modelos y conceptos básicos de aprendizaje automático
Alineada a CSTA-DA, de los Estándares de Ciencias de la Computación K-12 de la CSTA.
Qué enseña esta lección
La ciencia de datos consiste en trabajar con conjuntos de datos reales para encontrar patrones y construir modelos computacionales que hagan predicciones. Los sistemas de aprendizaje automático se entrenan con ejemplos en lugar de ser programados directamente, así que los datos que les das determinan lo que aprenden. Eso es muy poderoso, pero también significa que un modelo entrenado con datos sesgados o incompletos hará predicciones sesgadas o incorrectas, por eso entender sus límites es tan importante como conocer su potencial.
Ejemplo resuelto
Una aplicación de streaming recomienda series aprendiendo de lo que tú y otros usuarios han visto. Si solo fue entrenada con películas de acción, seguirá sugiriendo películas de acción y le costará recomendarte un documental que podrías amar, porque sus datos de entrenamiento fueron incompletos.
Preguntas de práctica
- ¿En qué se diferencia el aprendizaje automático de escribir instrucciones paso a paso tú mismo?
- ¿Por qué un modelo entrenado con datos sesgados puede producir resultados sesgados?
- Da un ejemplo de un sistema de predicción que uses y una situación en la que podría fallar.
Mira la lección
Esta lección tiene video en español: el mismo que abre el código QR del cuaderno impreso.
▶ Ver la lección en videoEnseña esta lección hoy
Un tutor con IA que guía con preguntas en lugar de solo dar las respuestas: todas las materias básicas de K–12, para cada hijo de la familia.
Comienza la prueba gratis — sin tarjeta