Todas las lecciones

Curso

IA de 6.º: IA y pensamiento computacional

Aprende algoritmos y datos, y ve cómo se entrenan y se prueban los modelos de aprendizaje automático.

Haz las lecciones en orden. Al final puedes distinguir la IA, el aprendizaje automático y la IA generativa, y nombrar la entrada, el modelo y la salida de una app de IA real. Puedes escribir algoritmos con bucles y condiciones y construir un árbol de decisión. Puedes explicar cómo los píxeles y el texto se guardan como números, clasificar un punto por sus ejemplos más cercanos y calcular la exactitud a partir de los resultados de la prueba. Puedes explicar cómo una neurona combina entradas con pesos, dividir una oración en tokens, puntuar una app de IA en exactitud, equidad y privacidad, y presentar un clasificador de plantas y explicar sus errores.

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.
  • Cada lección se apoya en la anterior. Si una lección es difícil, vuelve una atrás.
  • Usa solo las herramientas de IA que tu maestro apruebe. Nunca pegues información privada en un chatbot. Revisa cada respuesta de la IA y di qué partes de tu trabajo ayudó la IA.

Cada lección tiene juegos, pruebas y fichas.

0 de 36

Entender la IA

  1. 1IA, aprendizaje automático e IA generativaDistingue la IA, el aprendizaje automático y la IA generativa.
    • Define la IA, el aprendizaje automático y la IA generativa.
    • Dibuja cómo encajan una dentro de otra.
    • Ordena 10 apps en los tres grupos.
  2. 2Una historia corta de la IAPon momentos clave de la historia de la IA en una línea de tiempo.
    • Coloca computadoras de ajedrez, ayudantes de voz y chatbots en una línea de tiempo.
    • Di qué cambió para que cada uno fuera posible.
    • Nombra una predicción que estuvo mal.
  3. 3IA estrecha y generalExplica por qué la IA de hoy es mejor en tareas estrechas.
    • Compara un programa de ajedrez y una persona.
    • Lista tareas que la IA hace bien y tareas que le cuestan.
    • Explica qué necesitaría una IA general.
  4. 4Analiza un sistema de IAAnaliza una app de IA real y nombra su entrada, su modelo y su salida.
    • Elige una app, como una búsqueda de fotos o un traductor.
    • Dibuja su entrada, su modelo y su salida.
    • Di con qué datos es probable que se entrenó.

Algoritmos

  1. 5SecuenciasEscribe un algoritmo como una secuencia de pasos ordenados.
    • Define un algoritmo.
    • Escribe los pasos para hacer un sándwich.
    • Encuentra pasos que no son claros para una computadora.
  2. 6BuclesUsa un bucle para repetir pasos.
    • Cambia los pasos repetidos por un bucle.
    • Usa un bucle que cuenta.
    • Usa un bucle que sigue hasta que se cumple una condición.
  3. 7CondicionesUsa condiciones para elegir un camino.
    • Escribe if, else if y else.
    • Combina condiciones con y, o y no.
    • Sigue un algoritmo a mano.
  4. 8Árboles de decisiónConstruye un árbol de decisión que clasifica animales.
    • Haz preguntas de sí o no en cada rama.
    • Clasifica 10 animales con tu árbol.
    • Encuentra el árbol más corto que todavía funciona.

Representación de datos

  1. 9Números y categoríasDistingue los datos numéricos de las categorías.
    • Ordena características en números y categorías.
    • Convierte una categoría en números.
    • Di por qué una computadora necesita números.
  2. 10Imágenes como númerosExplica cómo los píxeles guardan una imagen como números.
    • Dibuja un dibujo en una cuadrícula de 0 y 1.
    • Mezcla valores de rojo, verde y azul.
    • Cuenta los números en una foto pequeña.
  3. 11Texto como númerosExplica cómo el texto se puede guardar como números.
    • Convierte letras en códigos.
    • Dale un número a cada palabra de una lista.
    • Cuenta cuántas veces aparece cada palabra.
  4. 12Tablas de datosOrganiza los datos en tablas de filas, columnas y características.
    • Arma una tabla en una hoja de cálculo.
    • Nombra las características y la etiqueta.
    • Ordena y filtra la tabla.

Clasificación

  1. 13Características y etiquetasElige características útiles para una etiqueta.
    • Di qué es una característica y qué es una etiqueta.
    • Ordena las características de más útil a menos útil.
    • Quita una característica que no ayuda.
  2. 14Vecino más cercanoClasifica un punto por su vecino más cercano: sus ejemplos más cercanos.
    • Marca ejemplos en una gráfica con dos características.
    • Encuentra el ejemplo más cercano a un punto nuevo.
    • Usa los 3 más cercanos y haz una votación.
  3. 15Dibujar límitesDibuja un límite, una línea que separa dos grupos.
    • Dibuja una línea entre dos grupos de puntos.
    • Clasifica puntos nuevos según el lado de la línea.
    • Encuentra datos que ninguna línea recta puede separar.
  4. 16Construye un clasificadorConstruye un clasificador simple con una herramienta sin código.
    • Carga un conjunto de datos pequeño.
    • Entrena un clasificador.
    • Clasifica 5 ejemplos nuevos.

Entrenamiento del modelo

  1. 17Datos de entrenamientoExplica qué aprende un modelo de los datos de entrenamiento.
    • Di que un modelo aprende patrones, no reglas que tú escribes.
    • Muestra cómo cambiar los datos cambia el modelo.
    • Encuentra un patrón que un modelo aprendió por accidente.
  2. 18Datos de pruebaExplica por qué los datos de prueba deben quedarse aparte.
    • Separa los datos en conjuntos de entrenamiento y de prueba.
    • Compara las puntuaciones de los dos conjuntos.
    • Explica qué significa “memorizar” para un modelo.
  3. 19ExactitudCalcula la exactitud a partir de los resultados de la prueba.
    • Cuenta las predicciones correctas.
    • Escribe la exactitud como un porcentaje.
    • Explica por qué 90% todavía puede ser malo.
  4. 20Mejora un modeloCambia los datos y compara la exactitud para mejorar un modelo.
    • Agrega más ejemplos.
    • Quita etiquetas incorrectas.
    • Anota la exactitud después de cada cambio.

Ideas de redes neuronales

  1. 21Neuronas artificialesExplica cómo una neurona combina entradas con pesos.
    • Multiplica cada entrada por su peso.
    • Súmalas y compáralas con un umbral.
    • Cambia un peso y ve cómo cambia la salida.
  2. 22CapasExplica cómo las capas pasan señales hacia adelante.
    • Dibuja las capas de entrada, oculta y de salida.
    • Pasa números por una red pequeña.
    • Di por qué más capas pueden encontrar patrones más difíciles.
  3. 23Aprender los pesosExplica que aprender los pesos es esto: el entrenamiento cambia los pesos.
    • Adivina pesos y revisa el error.
    • Ajusta los pesos para hacer el error más pequeño.
    • Di que el entrenamiento repite esto muchas veces.
  4. 24Red neuronal humanaRepresenta una red neuronal humana pequeña con tus compañeros.
    • Cada persona actúa como una neurona.
    • Pasa señales de la entrada a la salida.
    • Cambia los pesos para corregir una respuesta mal.

IA generativa

  1. 25Cómo se genera el textoExplica que un modelo de lenguaje genera texto al predecir el siguiente token.
    • Predice la siguiente palabra en oraciones.
    • Arma un predictor pequeño de la siguiente palabra a partir de un cuento.
    • Di por qué el modelo puede sonar bien y estar mal.
  2. 26TokensDivide una oración en tokens.
    • Mira cómo un tokenizador divide las palabras.
    • Cuenta los tokens de una oración.
    • Di por qué las palabras largas se vuelven varios tokens.
  3. 27Experimentos con promptsCambia una parte de un prompt y compara los resultados.
    • Cambia solo una cosa a la vez.
    • Anota cada prompt y su resultado.
    • Escribe qué hizo cada cambio.
  4. 28Límites de la generaciónExplica los límites de la generación: por qué un modelo de lenguaje puede inventar cosas.
    • Encuentra un dato inventado en una respuesta de IA.
    • Explica por qué predecir puede producirlo.
    • Lista formas de revisar un texto de IA.

Ética de la IA

  1. 29SesgoEncuentra sesgo en un conjunto de datos o en un resultado.
    • Define el sesgo en la IA.
    • Encuentra un grupo que está poco representado.
    • Explica cómo eso cambia los resultados.
  2. 30Exactitud y confianzaDecide, con la exactitud, cuándo es seguro confiar en una respuesta de IA.
    • Compara usos de poco riesgo y de mucho riesgo.
    • Decide cuándo una persona debe revisar.
    • Escribe una lista para confiar.
  3. 31PrivacidadExplica la privacidad: qué datos recoge una app de IA.
    • Lee el resumen de privacidad de una app.
    • Lista los datos que recoge.
    • Di qué no compartirías.
  4. 32Evalúa un sistema de IAEvalúa una app de IA y puntúala en exactitud, equidad y privacidad.
    • Haz una hoja de puntuación con tres partes.
    • Prueba la app y complétala.
    • Sugiere un arreglo.

Proyecto de descubrimiento de IA

  1. 33Planifica el proyectoEscribe una pregunta y planifica el conjunto de datos.
    • Escribe la pregunta: “¿De qué planta es esta hoja?”
    • Elige 3 o 4 grupos de plantas.
    • Planifica los conjuntos de entrenamiento y de prueba.
  2. 34Prepara datos de plantasPrepara datos de plantas: ordena y etiqueta fotos de hojas.
    • Usa un conjunto de hojas ya preparado.
    • Revisa las etiquetas.
    • Deja un conjunto de prueba aparte.
  3. 35Entrena y pruebaEntrena y prueba un clasificador de plantas y anota los resultados.
    • Entrena el clasificador.
    • Calcula la exactitud en el conjunto de prueba.
    • Junta las predicciones incorrectas.
  4. 36Detective de plantas con IAPresenta un clasificador de plantas y explica sus errores.
    • Muestra predicciones correctas e incorrectas.
    • Explica por qué pasaron los errores.
    • Di qué ejemplos extra ayudarían.