Todas las lecciones

Curso

IA de 4.º: Detectives de datos

Recoge datos, pon a cada ejemplo la etiqueta correcta, entrena un clasificador sencillo y pruébalo.

Haz las lecciones en orden. Al final puedes decir que los datos son hechos que recogemos y leer una fila y una columna en una tabla. Puedes nombrar características, poner a cada ejemplo la etiqueta correcta y corregir una etiqueta incorrecta. Puedes entrenar un modelo con dos o tres grupos, probar un modelo con imágenes que no ha visto, contar cuántas predicciones son correctas y explicar una predicción incorrecta. Puedes encontrar un grupo que falta en un conjunto de datos, equilibrarlo y contar qué acierta y qué falla tu separador de reciclaje.

Cómo usar estas lecciones

  • Empieza en la lección que dice Haz esto. Sigue adelante cuando puedas hacer tú solo la línea bajo el título.
  • Juega primero los Juegos. Luego haz las Pruebas. 8 de 10 correctas para aprobar. Las Fichas están en papel. Las respuestas están abajo.
  • Un rato corto basta. Si una lección es difícil, haz otra vez la de antes.
  • Lleva un cuaderno de datos. Para el separador, usa papel, plástico y metal limpios de casa. Usa herramientas de IA solo con un maestro o uno de tus padres, y nunca tomes fotos de personas sin pedir permiso.

Cada lección tiene juegos, pruebas y fichas.

0 de 30

¿Qué son los datos?

  1. 1Qué son los datosDi que los datos son hechos que recogemos.
    • Encuentra datos en un reporte del tiempo y en un marcador de deportes.
    • Di quién los recoge y por qué.
    • Recoge tres hechos sobre tu día.
  2. 2Tipos de datosOrdena los datos en números, palabras, imágenes y sonidos.
    • Ordena diez datos en cuatro grupos.
    • Di qué tipo recoge una cámara.
    • Di qué tipo recoge un termómetro.
  3. 3TablasLee una fila y una columna en una tabla.
    • Di que cada fila es un ejemplo.
    • Di que cada columna es una característica.
    • Encuentra un valor en una tabla.
  4. 4Arma un conjunto de datosArma un conjunto de datos: una tabla pequeña sobre mascotas.
    • Elige tres columnas: nombre, tipo y patas.
    • Añade diez filas.
    • Revisa que cada casilla esté llena.
  5. 5Preguntas a partir de los datosResponde una pregunta con una tabla.
    • Pregunta: «¿Qué mascota es la más común?»
    • Cuenta para hallar la respuesta.
    • Haz una gráfica de barras de eso.

Recoger y etiquetar datos

  1. 6CaracterísticasNombra características de un objeto, como el color y el tamaño.
    • Lista las características de una hoja.
    • Di qué características puedes medir.
    • Elige las características que distinguen dos hojas.
  2. 7EtiquetasPon a cada ejemplo la etiqueta correcta.
    • Di que una etiqueta es la respuesta que queremos que la IA aprenda.
    • Etiqueta veinte imágenes.
    • Revisa las etiquetas de un amigo.
  3. 8Datos buenosDi por qué importan los datos buenos: ejemplos claros y correctos.
    • Compara fotos claras y fotos borrosas.
    • Compara etiquetas correctas e incorrectas.
    • Di qué conjunto enseñaría mejor a la IA.
  4. 9Datos desordenadosEncuentra datos desordenados y corrige una etiqueta incorrecta.
    • Encuentra casillas vacías, errores de escritura y etiquetas incorrectas.
    • Corrige cada problema.
    • Di qué aprendería la IA si no lo hicieras.
  5. 10Recoge característicasRecoge características: mide y anota las de diez objetos.
    • Mide el largo y el peso.
    • Anota el color y la forma.
    • Añade una etiqueta a cada fila.

Cómo aprende la IA

  1. 11Entrenar con ejemplosDi que un modelo aprende de ejemplos con etiqueta.
    • Di qué es un modelo.
    • Di que entrenar es mostrarle ejemplos.
    • Elige buenos ejemplos de entrenamiento.
  2. 12Cómo funciona la clasificaciónDi cómo un clasificador elige una etiqueta.
    • Di que un clasificador pone las cosas en grupos.
    • Míralo comparar una imagen nueva con sus ejemplos.
    • Di a qué grupo se parece más.
  3. 13Entrena tu primer modeloEntrena un modelo con dos o tres grupos.
    • Elige dos o tres grupos.
    • Añade al menos diez ejemplos a cada grupo.
    • Pulsa entrenar y mira cómo aprende.
  4. 14Prueba ejemplos nuevosPrueba un modelo con imágenes que no ha visto.
    • Muestra al modelo imágenes nuevas.
    • Anota cada predicción.
    • Marca cada una bien o mal.
  5. 15Laboratorio de entrenamientoEntrena, prueba y mejora un modelo.
    • Entrena un modelo con tus propios grupos.
    • Pruébalo y encuentra sus errores.
    • Añade ejemplos y pruébalo otra vez.

Hacer predicciones

  1. 16Entrenar y probarDi por qué probamos con ejemplos nuevos.
    • Compara una prueba con imágenes viejas y una con imágenes nuevas.
    • Di por qué la prueba con imágenes viejas no es justa.
    • Guarda un conjunto de prueba aparte.
  2. 17Bien y malCuenta cuántas predicciones son correctas.
    • Cuenta las predicciones correctas y las incorrectas.
    • Escribe la puntuación como 8 de 10.
    • Compara dos modelos por sus puntuaciones.
  3. 18Qué tan seguroLee qué tan seguro está un modelo.
    • Lee la barra de qué tan seguro está.
    • Encuentra una predicción en la que el modelo no está seguro.
    • Di cuándo una persona debe revisar.
  4. 19Por qué fallóExplica por qué falló una predicción incorrecta.
    • Mira una imagen que el modelo falló.
    • Compárala con los ejemplos de entrenamiento.
    • Di qué era diferente.
  5. 20Mejora el modeloMejora el modelo: añade ejemplos y prueba otra vez.
    • Añade ejemplos parecidos a los que falló.
    • Entrena otra vez.
    • Compara la puntuación nueva con la vieja.

Justicia y sesgo

  1. 21Quién faltaEncuentra un grupo que falta en un conjunto de datos.
    • Mira un conjunto de datos de perros sin perros pequeños.
    • Di qué va a fallar el modelo.
    • Encuentra un grupo que falta en otro conjunto de datos.
  2. 22Datos equilibradosDi si un conjunto de datos tiene el mismo número en cada grupo.
    • Cuenta los ejemplos de cada grupo.
    • Haz una gráfica de barras de las cuentas.
    • Di si el conjunto de datos está equilibrado.
  3. 23Resultados injustosDi cómo los datos que faltan pueden hacer injusta a la IA.
    • Ve un modelo que funciona bien para un grupo y mal para otro.
    • Une el problema con los datos.
    • Di a quién podría dañar.
  4. 24Arregla el conjunto de datosAñade ejemplos para equilibrar un conjunto de datos.
    • Planea qué ejemplos añadir.
    • Añádelos y entrena otra vez.
    • Revisa si la puntuación de cada grupo mejoró.
  5. 25Justo para todosDi a quién podría dañar una IA que no es justa para todos.
    • Lee un cuento corto sobre una IA injusta.
    • Di quién quedó fuera.
    • Escribe una regla para hacerla justa.

Laboratorio de ciencias de IA

  1. 26Haz una preguntaEscribe una pregunta que un separador de IA podría responder.
    • Elige un trabajo de separar, como el reciclaje.
    • Escribe la pregunta: «¿Esto es papel, plástico o metal?»
    • Di cómo ayudaría el separador.
  2. 27Planea los datosPlanea qué ejemplos vas a recoger.
    • Lista los grupos.
    • Planea cuántos ejemplos para cada grupo.
    • Planea qué ejemplos guardar para la prueba.
  3. 28Arma el separadorEntrena un separador de reciclaje con papel, plástico y metal.
    • Toma fotos de reciclaje limpio.
    • Etiqueta las fotos.
    • Entrena el separador.
  4. 29Prueba casos difícilesPrueba el separador con objetos difíciles.
    • Prueba papel arrugado y plástico brillante.
    • Anota los resultados.
    • Encuentra el objeto que más falla.
  5. 30Informe del separador de reciclajeCuenta qué acierta y qué falla tu separador de reciclaje.
    • Comparte tu puntuación.
    • Muestra un error y explícalo.
    • Di cómo lo mejorarías.