{"id":517,"date":"2024-04-24T11:25:57","date_gmt":"2024-04-24T09:25:57","guid":{"rendered":"https:\/\/zynergic.education\/?p=517"},"modified":"2024-10-14T14:28:47","modified_gmt":"2024-10-14T12:28:47","slug":"machine-learning-deep-learning","status":"publish","type":"post","link":"https:\/\/zynergic.education\/es\/machine-learning-deep-learning\/","title":{"rendered":"Machine Learning y Deep Learning para NO expertos"},"content":{"rendered":"
\n\t
\n\t\t
\n\t\t\t

El mundo de la tecnolog\u00eda dos conceptos que han cobrado importancia son el Machine Learning y el Deep Learning. Ahora, desglosaremos ambas definiciones<\/strong>, exploraremos el por qu\u00e9 de su inter\u00e9s<\/strong>, c\u00f3mo entrenar un modelo<\/strong> de Machine o Deep Learning, sus desaf\u00edos<\/strong> y c\u00f3mo mejorar la educaci\u00f3<\/strong>n con estas tecnolog\u00edas.<\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div>

Tabla de contenidos<\/h5><\/div>
Definici\u00f3n de Machine Learning y Deep Learning<\/span><\/a><\/div>
\u00bfPor qu\u00e9 es interesante usar Machine Lerning y Deep Learning?<\/span><\/a><\/div>
C\u00f3mo entrenar a un modelo de Machine Learning o Dee learning<\/span><\/a><\/div>
Desaf\u00edos<\/span><\/a><\/div>
Conclusi\u00f3n<\/span><\/a><\/div><\/div><\/div><\/div><\/div><\/div><\/div>
Definici\u00f3n <\/span><\/span> de <\/span><\/span> Machine <\/span><\/span> Learning <\/span><\/span> y <\/span><\/span> Deep <\/span><\/span> Learning <\/span><\/span> <\/h5><\/div>\n\t
\n\t\t
\n\t\t\t

Los dos p\u00e1rrafos que siguen son un poco t\u00e9cnicos; no huyas de este post por eso. La idea es plantear de forma acotada qu\u00e9 son estos conceptos, pero no es lo central de lo que queremos transmitir.<\/span><\/p>\n

\n

El Machine Learning<\/strong> o aprendizaje autom\u00e1tico es una rama de la Inteligencia Artificial (IA)<\/span><\/a> que permite a los sistemas aprender de datos y mejorar con la experiencia de manera autom\u00e1tica. Los algoritmos (una serie reglas e instrucciones que se traducen como operaciones matem\u00e1ticas) de Machine Learning utilizan patrones y relaciones estad\u00edsticas en los datos para tomar decisiones o realizar predicciones.<\/span><\/p>\n<\/div>\n

\n

El Deep Learning<\/strong>\u00a0o aprendizaje profundo es una subdisciplina del Machine Learning que se basa en redes neuronales artificiales, inspiradas en el funcionamiento de las neuronas biol\u00f3gicas. Estas redes neuronales profundas son excepcionalmente eficientes en tareas de procesamiento de im\u00e1genes, voz y texto.<\/span><\/p>\n<\/div>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div>

\u00bfPor <\/span><\/span> qu\u00e9 <\/span><\/span> es <\/span><\/span> interesante <\/span><\/span> usar <\/span><\/span> Machine <\/span><\/span> Learning <\/span><\/span> y <\/span><\/span> Deep <\/span><\/span> Learning? <\/span><\/span> <\/h5><\/div>\n\t
\n\t\t
\n\t\t\t
\n

La necesidad de utilizar Machine Learning y Deep Learning se deriva de la capacidad inherente de estas metodolog\u00edas para abordar problemas complejos<\/strong> en los que la programaci\u00f3n convencional se vuelve limitada. Por ejemplo, en situaciones en las que las reglas y las soluciones no son f\u00e1cilmente programables, como reconocimiento de voz, procesamiento de im\u00e1genes, traducci\u00f3n autom\u00e1tica y an\u00e1lisis de grandes conjuntos de datos (big data)<\/span><\/a>.<\/p>\n

En el \u00e1mbito educativo, la necesidad de emplear estas tecnolog\u00edas proviene de la b\u00fasqueda de una educaci\u00f3n m\u00e1s personalizada, eficiente y basada en datos<\/strong>. Estas tecnolog\u00edas ofrecen numerosas ventajas que ya hemos comentado en el art\u00edculo anterior<\/span><\/a>.<\/p>\n<\/div>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div>

\n\t
\n\t\t\n\t\t
\n\t\t\t\"Prueba<\/a>\n\t\t<\/figure>\n\t<\/div>\n<\/div><\/div><\/div><\/div>
C\u00f3mo <\/span><\/span> entrenar <\/span><\/span> a <\/span><\/span> un <\/span><\/span> modelo <\/span><\/span> de <\/span><\/span> Machine <\/span><\/span> Learning <\/span><\/span> o <\/span><\/span> Deep <\/span><\/span> Learning <\/span><\/span> <\/h5><\/div>\n\t
\n\t\t
\n\t\t\t

Las tecnolog\u00edas educativas que pretenden aplicar este tipo de procesos necesitan de una gran cantidad de datos<\/strong>. Estos pueden ser cargados por los docentes o bien extra\u00eddos directamente a trav\u00e9s de alg\u00fan tipo de software. Por ejemplo, si tuvi\u00e9ramos una plataforma de gaming (como Eutop\u00eda<\/span><\/a>) que procese en tiempo real las acciones y resoluci\u00f3n de ejercicios por parte de los alumnos, y los pudiera almacenar de forma ordenada, se podr\u00eda plantear entrenar un modelo. Los pasos, de forma resumida, podr\u00edan ser los siguientes:<\/span><\/p>\n

1.\u00a0Recolecci\u00f3n de datos:<\/strong>\u00a0Se recopilan datos relevantes para la tarea que se va a abordar, por ejemplo, calificar unos ejercicios de matem\u00e1ticas. Para este ejemplo, nuestros datos podr\u00edan ser respuestas de estudiantes a preguntas de matem\u00e1ticas y su calificaci\u00f3n.<\/span><\/p>\n

2.\u00a0Preprocesamiento de datos:<\/strong>\u00a0Los datos se limpian y se transforman en un formato adecuado para el modelo, como la codificaci\u00f3n de texto o la normalizaci\u00f3n de im\u00e1genes. En este paso podemos ver qu\u00e9 caracter\u00edsticas que nos interesan, es decir, si es necesario eliminar o crear caracter\u00edsticas a partir de las que tenemos (lo que se conoce como feature engineering). Antes de entrenar el modelo, tambi\u00e9n es necesario separar los datos. Generalmente esta separaci\u00f3n se hace en dos subconjuntos (entrenamiento y test), aunque a veces se realiza otra partici\u00f3n dentro del conjunto de entrenamiento.<\/span><\/p>\n

3.\u00a0Selecci\u00f3n de un modelo:<\/strong>\u00a0Se elige un algoritmo de aprendizaje autom\u00e1tico o una arquitectura de red neuronal adecuada para el problema. Esto puede variar desde modelos de regresi\u00f3n simples hasta redes neuronales profundas complejas.<\/span><\/p>\n

4.\u00a0Entrenamiento del modelo:<\/strong>\u00a0Se alimenta al modelo con los datos de entrenamiento y se ajustan los par\u00e1metros del modelo para minimizar el error en la predicci\u00f3n.<\/span><\/p>\n

5.\u00a0Evaluaci\u00f3n del modelo:<\/strong>\u00a0Se eval\u00faa el modelo utilizando el conjunto de datos de test y se obtiene una estimaci\u00f3n de lo que se conoce como \u201cerror de generalizaci\u00f3n\u201d, que nos dice c\u00f3mo el modelo act\u00faa ante casos que nunca ha visto.<\/span><\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div>

Desaf\u00edos <\/span><\/span> <\/h5><\/div>\n\t
\n\t\t
\n\t\t\t

En primer lugar, la calidad de los datos es clave, ya que si tenemos datos poco confiables, insuficientes, sesgados o que no representan adecuadamente la realidad, podemos obtener resultados equivocados<\/strong>.\u00a0Asimismo, es necesario tener en cuenta la privacidad de los datos<\/strong> al recopilar esta informaci\u00f3n de los estudiantes.<\/span><\/p>\n

Otro desaf\u00edo radica en encontrar el modelo adecuado para los datos<\/strong>, ya que a veces usamos modelos demasiado complicados o demasiado simples para los datos disponibles, lo que puede llevar a un mal desempe\u00f1o del modelo. Por \u00faltimo, es esencial proporcionar formaci\u00f3n a los profesores<\/strong> para que puedan comprender y sacar el m\u00e1ximo provecho de estas tecnolog\u00edas en el aula. Ya que el objetivo de estas es complementar el trabajo del educador; al fin y al cabo, hay todo un conjunto de informaci\u00f3n que los modelos no compilan y que los docentes tienen por su interacci\u00f3n con los estudiantes en el aula.<\/span><\/p>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div>

Conclusi\u00f3n <\/span><\/span> <\/h5><\/div>\n\t
\n\t\t
\n\t\t\t
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n
\n

En resumen, el Machine Learning y el Deep Learning tienen el potencial de transformar la educaci\u00f3n<\/strong> al permitir la personalizaci\u00f3n, la automatizaci\u00f3n y la mejora continua. Sin embargo, es esencial abordar los desaf\u00edos que suponen para garantizar que estas tecnolog\u00edas se utilicen de manera \u00e9tica y eficaz en beneficio de los profesores y los estudiantes. La educaci\u00f3n est\u00e1 en constante evoluci\u00f3n, y el Machine Learning y el Deep Learning son herramientas poderosas que pueden ayudarnos a avanzar hacia un futuro educativo m\u00e1s brillante y adaptado a las necesidades de cada alumno.<\/p>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n<\/div>\n\n\t\t<\/div>\n\t<\/div>\n<\/div><\/div><\/div><\/div><\/section>\n<\/div>","protected":false},"excerpt":{"rendered":"

El Machine Learning permite a los sistemas aprender de datos y mejorar con la experiencia de manera autom\u00e1tica.
\nEl Deep Learning se basa en redes neuronales artificiales, inspiradas en el funcionamiento de las neuronas biol\u00f3gicas. Destacan en tareas de procesamiento de im\u00e1genes, voz y texto.<\/p>\n","protected":false},"author":5,"featured_media":1987,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[6],"tags":[28,27],"class_list":["post-517","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ed-y-tech","tag-deep-learning","tag-machine-learning"],"_links":{"self":[{"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/posts\/517","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/comments?post=517"}],"version-history":[{"count":26,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/posts\/517\/revisions"}],"predecessor-version":[{"id":1988,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/posts\/517\/revisions\/1988"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/media\/1987"}],"wp:attachment":[{"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/media?parent=517"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/categories?post=517"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/zynergic.education\/es\/wp-json\/wp\/v2\/tags?post=517"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}