Video realizado con tecnología de IA de la empresa Hey gen https://app.heygen.com/home
|
Módulo 1 |
Presupuestos de competencia digital.
|
Día 1.
En este módulo aprenderá:
Que son las Tecnologías Emergentes, qué es la inteligencia artificial (IA), qué hace y los tres niveles de predicciones que la IA puede hacer:
Objetivos de aprendizaje
Después de completar este módulo, usted debe ser capaz de:
Que son las Tecnologías Emergentes, qué es la inteligencia artificial (IA), qué hace y los tres niveles de predicciones que la IA puede hacer:
- Estrecho
- Amplio
- General
Objetivos de aprendizaje
Después de completar este módulo, usted debe ser capaz de:
- Definir la inteligencia artificial
- Diferenciar entre IA e inteligencia aumentada
- Describir los tres niveles de inteligencia artificial
Actividad 1
Presentación
Presentación
Crea un dibujo animado con la aplicación toonme , una vez generado descárgalo.
Ahora en el siguiente Padlet sube tu dibujo y preséntate con tus compañeros (Nombre, Adscripción, Pasatiempos, Frase motivadora)
Para ingresar tu información debes dar clic sobre el signo más que aparece en la parte inferior derecha de la pizarra.
Ahora en el siguiente Padlet sube tu dibujo y preséntate con tus compañeros (Nombre, Adscripción, Pasatiempos, Frase motivadora)
Para ingresar tu información debes dar clic sobre el signo más que aparece en la parte inferior derecha de la pizarra.
¿Qué es? |
La tecnología emergente se usa para describir una nueva tecnología, pero también puede referirse al desarrollo continuo de una tecnología existente; puede tener un significado ligeramente diferente dependiendo de la disciplina, como los medios de comunicación, los negocios, la ciencia o la educación.
El término comúnmente se refiere a tecnologías que se están desarrollando actualmente, o que se espera que estén disponibles dentro de los próximos cinco a diez años y generalmente se reserva para tecnologías que están creando, o se espera que creen, efectos sociales y/o económicos significativos. |
Ejemplos (tecnologías).
Si bien es una creencia común que debido a las plataformas de redes sociales como TikTok, nuestros períodos de atención se están acortando. Esto no es necesariamente cierto — la tecnología solo está cambiando de una manera que aprovecha la forma en que funciona la atención humana. En lugar de combatirlo, el micro aprendizaje es una técnica que ofrece lecciones a los estudiantes en trozos pequeños, al tiempo que les permite controlar el ritmo al que aprenden.
El micro aprendizaje consta de algunas características clave:
Calificar y repasar el material se vuelve más fácil cuando los estudiantes pueden explorar el aprendizaje de forma independiente.
Ejemplo:
El micro aprendizaje consta de algunas características clave:
- Es corto. Las lecciones generalmente toman de 5 a 15 minutos o menos.
- Las lecciones están enfocadas. Solo cubren un tema a la vez.
- Son interactivos. Cada lección incluye componentes interactivos para mantener a los estudiantes comprometidos.
- La flexibilidad es clave. Las lecciones de microaprendizaje se pueden usar solas o dentro de un entorno de aula más amplio, y los estudiantes pueden elegir el ritmo que desean tomar cada lección.
Calificar y repasar el material se vuelve más fácil cuando los estudiantes pueden explorar el aprendizaje de forma independiente.
Ejemplo:
Las tecnologías RA y RV han ido en aumento durante la última década, y la pandemia COVID-19 solo aceleró el proceso de implementación de estas tecnologías en nuestros sistemas educativos.
Realidad aumentada ( AR ) superpone el contenido 3D generado por computadora en la parte superior del mundo real, por lo que los usuarios pueden interactuar con los mundos real y digital al mismo tiempo.
Realidad virtual ( VR ) es completamente generado por computadora, y los usuarios solo pueden interactuar con el mundo digital.
De acuerdo con el Information Technology & Innovative Foundation ( ITIF ), “ AR / VR puede proporcionar a los profesores herramientas interactivas y atractivas para el aprendizaje en el aula. Estos incluyen bibliotecas de contenido inmersivo, experiencias para materias específicas u objetivos de aprendizaje, y herramientas para estudiantes con discapacidades de aprendizaje. ”
Las tecnologías AR y VR permiten a los estudiantes sumergirse en cualquier materia sobre la que estén aprendiendo. Imagine poder ver el antiguo Egipto ante sus ojos, en lugar de solo leerlo en un libro de historia. Esta tecnología avanzada tiene el potencial de entusiasmar y comprometer a los estudiantes con todo tipo de materias, algunas de las cuales normalmente no les interesan tanto.
Ejemplos:
Realidad aumentada ( AR ) superpone el contenido 3D generado por computadora en la parte superior del mundo real, por lo que los usuarios pueden interactuar con los mundos real y digital al mismo tiempo.
Realidad virtual ( VR ) es completamente generado por computadora, y los usuarios solo pueden interactuar con el mundo digital.
De acuerdo con el Information Technology & Innovative Foundation ( ITIF ), “ AR / VR puede proporcionar a los profesores herramientas interactivas y atractivas para el aprendizaje en el aula. Estos incluyen bibliotecas de contenido inmersivo, experiencias para materias específicas u objetivos de aprendizaje, y herramientas para estudiantes con discapacidades de aprendizaje. ”
Las tecnologías AR y VR permiten a los estudiantes sumergirse en cualquier materia sobre la que estén aprendiendo. Imagine poder ver el antiguo Egipto ante sus ojos, en lugar de solo leerlo en un libro de historia. Esta tecnología avanzada tiene el potencial de entusiasmar y comprometer a los estudiantes con todo tipo de materias, algunas de las cuales normalmente no les interesan tanto.
Ejemplos:
Similar a AR / VR y microaprendizaje, la gamificación es un método para introducir tecnología en el aula de una manera que mantenga a los estudiantes comprometidos. Se están introduciendo más programas que brindan diversión al aprendizaje.
Programas como Kahoot !, Quizlet y Duolingo han aumentado en popularidad en los últimos años, pero ahora incluso más sitios web están implementando la gamificación educativa. Juegos como Minecraft con versiones educativas de que permiten a los estudiantes participar en actividades divertidas, emocionantes y prácticas en juegos con los que ya están familiarizados.
Si bien la gamificación puede ser una herramienta increíblemente útil dentro del aula, debe implementarse correctamente.
A medida que surgen nuevas tecnologías y usos adicionales para la tecnología electrónica previamente integrada, las escuelas en la ciber sociedad actual deberían ser más diligentes que nunca en la creación de un entorno digital seguro y productivo para los estudiantes.
Cuando se vincula con prácticas de aprendizaje exitosas, como el aprendizaje combinado y los programas de educación basados en computadora respaldados por la investigación, el aprendizaje del futuro parece prometedor, por decir lo menos.
Ejemplo:
Programas como Kahoot !, Quizlet y Duolingo han aumentado en popularidad en los últimos años, pero ahora incluso más sitios web están implementando la gamificación educativa. Juegos como Minecraft con versiones educativas de que permiten a los estudiantes participar en actividades divertidas, emocionantes y prácticas en juegos con los que ya están familiarizados.
Si bien la gamificación puede ser una herramienta increíblemente útil dentro del aula, debe implementarse correctamente.
A medida que surgen nuevas tecnologías y usos adicionales para la tecnología electrónica previamente integrada, las escuelas en la ciber sociedad actual deberían ser más diligentes que nunca en la creación de un entorno digital seguro y productivo para los estudiantes.
Cuando se vincula con prácticas de aprendizaje exitosas, como el aprendizaje combinado y los programas de educación basados en computadora respaldados por la investigación, el aprendizaje del futuro parece prometedor, por decir lo menos.
Ejemplo:
ChatGPT ha sido un tema candente últimamente, y la mayoría de las conversaciones giran en torno a la preocupación de los estudiantes que usan IA para tareas.
Si bien existen preocupaciones válidas en torno a la creciente accesibilidad de los programas de IA, los profesores también pueden usar estas tecnologías para su ventaja.
Una encuesta muestra que los directores trabajan un promedio de 40 horas por semana, mientras que los profesores trabajan un promedio de 65 horas por semana. A través de la tecnología de IA como ChatGPT, los profesores podemos priorizar el tiempo con los estudiantes y el tiempo que tanto necesitamos para nosotros mismos haciendo un chatbot los ayude con tareas como:
Si bien existen preocupaciones válidas en torno a la creciente accesibilidad de los programas de IA, los profesores también pueden usar estas tecnologías para su ventaja.
Una encuesta muestra que los directores trabajan un promedio de 40 horas por semana, mientras que los profesores trabajan un promedio de 65 horas por semana. A través de la tecnología de IA como ChatGPT, los profesores podemos priorizar el tiempo con los estudiantes y el tiempo que tanto necesitamos para nosotros mismos haciendo un chatbot los ayude con tareas como:
- Construyendo planes de lecciones
- Escribir correos electrónicos
- Pruebas y clasificación
- Creando rúbricas
- Brindar comentarios a los estudiantes
Ejemplos (pedagogías).
1.2 Introducción a la inteligencia artificial IA
La IA desempeña un papel a menudo invisible en la vida cotidiana, impulsando los motores de búsqueda, las recomendaciones de productos y los sistemas de reconocimiento de voz.
Te parece nuevo el tema de IA y escritura con IA.
|
Vertical Divider
|
|
1.3 Definición de IA.
La Inteligencia Artificial (IA) es un campo de la informática centrado en construir sistemas que pueden realizar tareas que normalmente requerirían inteligencia humana, como interpretar y procesar información, aprender, resolver problemas, predecir, tomar decisiones y crear.
Las tecnologías de IA realizan estas tareas al aprender constantemente a través de la experiencia, analizando grandes cantidades de datos y tomando predicciones y decisiones. A menudo se dice que la IA es un código que aprende, lo que significa que mejora continuamente a través del aprendizaje y se adapta eficazmente a nuevas tareas.
Las tecnologías de IA realizan estas tareas al aprender constantemente a través de la experiencia, analizando grandes cantidades de datos y tomando predicciones y decisiones. A menudo se dice que la IA es un código que aprende, lo que significa que mejora continuamente a través del aprendizaje y se adapta eficazmente a nuevas tareas.
Vertical Divider
|
La inteligencia artificial (IA) se refiere a la capacidad de una máquina para aprender patrones y hacer predicciones. La IA no reemplaza las decisiones humanas; en cambio, la IA agrega valor al juicio humano.
En su forma más simple, la inteligencia artificial es un campo que combina la informática y conjuntos de datos robustos para permitir la resolución de problemas.
|
1.4 ¿Qué hace la IA?
- ii. Definición y conceptos básicos de la IA
- iii. Aprendizaje autónomo y procesamiento del lenguaje natural
A las máquinas de inteligencia artificial (los investigadores las llaman "servicios de IA") categóricamente no piensan, calculan.
Representan algunas de las máquinas de cálculo más nuevas y sofisticadas de la historia humana. Algunas pueden realizar lo que se llama aprendizaje automático (Machine learning) a medida que adquieren nuevos datos. Otras, utilizando cálculos organizados de manera inspirada en las neuronas del cerebro humano, incluso pueden realizar aprendizaje profundo (Deep learning) con múltiples niveles de cálculos. |
Ecosistema de la IA
La realidad es que el dominio científico de la IA se divide normalmente en dos sub-campos de las ciencias de la computación y la matemática denominadas Machine Learning y Deep Learning. |
Ejemplo de IA, ML y DL:
Supongamos que tenemos que clasificar productos en una tienda, pero son muchos y tenemos poco tiempo para hacerlo, Por lo cual nos ayudamos de la IA.
Supongamos que tenemos que clasificar productos en una tienda, pero son muchos y tenemos poco tiempo para hacerlo, Por lo cual nos ayudamos de la IA.
Generamos un código de programación, bajo una sentencia if -else , donde al leer la etiqueta del producto, se clasifique el producto
Para mejorar el rendimiento del lector de etiquetas, ahora se le alimenta de mas más datos (variables) para garantizar que la máquina esté entrenada en numerosas características: tipos de producto (perecedero), tamaño, peso, forma, color, entre más datos proporcionemos al algoritmo, mejor será el modelo. Con ello la lA tiene más datos y puede ajustar los parámetros, por lo tanto la máquina minimiza los errores y va "aprendiendo de las conjeturas".
Los modelos de aprendizaje profundo eliminan la necesidad de extracciones de características. Para su trabajo se basa en utilizar algoritmos de aprendizaje profundo para clasificar los productos. La extracción de características está integrada en el proceso sin intervención humana. Una vez que haya proporcionado el modelo de aprendizaje profundo con docenas de imágenes de productos, procesa las imágenes a través de diferentes capas de redes neuronales. Las capas pueden aprender una representación implícita de los datos sin procesar por sí mismas.
DIFERENCIA ENTRE INTELIGENCIA ARTIFICIAL - MACHINE LEARNING - DEEP LEARNIN
Realizado por Ligdi Gonzalez el 14 abr 2018*
Realizado por Ligdi Gonzalez el 14 abr 2018*
Clasificación de los servicios de IA
Estos de agrupan en dos grandes familias.
1. Análisis
|
2. Predicción
|
Ejemplos:
Lenguaje humano
Los chatbots en línea utilizan el procesamiento del lenguaje natural (NLP) para analizar preguntas mal escritas o habladas, luego predicen qué respuestas dar sobre temas que van desde el envío o el horario comercial hasta la mercancía y los tamaños.
Reconocimiento de visión
AI ayuda a los médicos a identificar enfermedades graves en función de síntomas inusuales y señales de advertencia temprana, y lee el límite de velocidad y las señales de alto mientras guía a los automóviles a través del tráfico.
Detección de fraude
La IA analiza los patrones creados cuando miles de clientes bancarios realizan compras con tarjeta de crédito y luego predice qué cargos podrían ser el resultado del robo de identidad.
Lenguaje humano
Los chatbots en línea utilizan el procesamiento del lenguaje natural (NLP) para analizar preguntas mal escritas o habladas, luego predicen qué respuestas dar sobre temas que van desde el envío o el horario comercial hasta la mercancía y los tamaños.
Reconocimiento de visión
AI ayuda a los médicos a identificar enfermedades graves en función de síntomas inusuales y señales de advertencia temprana, y lee el límite de velocidad y las señales de alto mientras guía a los automóviles a través del tráfico.
Detección de fraude
La IA analiza los patrones creados cuando miles de clientes bancarios realizan compras con tarjeta de crédito y luego predice qué cargos podrían ser el resultado del robo de identidad.
¿Cómo está evolucionando la IA?
Los sistemas basados en IA pueden ser:
- Basados puramente en software, actuando en el mundo virtual (por ejemplo, asistentes de voz, software de análisis de imágenes, motores de búsqueda, sistemas de reconocimiento de voz y rostro), o
- Integrados en dispositivos de hardware (por ejemplo, robots avanzados, autos autónomos, drones o aplicaciones de Internet de las cosas).
La IA se puede dividir en tres tipos diferentes:
IA Estrecha,
IA Amplia y
IA General (Super IA).
- Basados puramente en software, actuando en el mundo virtual (por ejemplo, asistentes de voz, software de análisis de imágenes, motores de búsqueda, sistemas de reconocimiento de voz y rostro), o
- Integrados en dispositivos de hardware (por ejemplo, robots avanzados, autos autónomos, drones o aplicaciones de Internet de las cosas).
La IA se puede dividir en tres tipos diferentes:
IA Estrecha,
IA Amplia y
IA General (Super IA).
IA Estrecha
|
IA Amplia
|
IA General
Nota: No te preocupes, la IA no está cerca de este punto. |
Los rápidos avances en la potencia de cálculo (procesamiento de datos, equipos con mayor velocidad de procesos y capacidad de almacenamiento), la disponibilidad de grandes cantidades de datos y las sofisticadas técnicas de análisis han convertido a la IA en la principal revolución tecnológica de nuestro tiempo.
La IA se utiliza en muchos campos, incluyendo la educación, salud, finanzas, transporte y más, para ayudar a las personas y facilitar su trabajo, haciéndolo más fácil y eficiente.
Se está generando una cuarta clasificación denominada Superinteligencia Artificial, podrían volverse consientes de sí mismas
La IA se utiliza en muchos campos, incluyendo la educación, salud, finanzas, transporte y más, para ayudar a las personas y facilitar su trabajo, haciéndolo más fácil y eficiente.
Se está generando una cuarta clasificación denominada Superinteligencia Artificial, podrían volverse consientes de sí mismas
"Nuestra tecnología, nuestras máquinas son parte de nuestra humanidad. Los creamos para extendernos y eso es lo que es único en los seres humanos." |
Módulo 2
¿Cuáles son las tres eras de la informatica?
La era de la tabulación
|
|
Módulo 3
Datos estructurados, semiestructurados o no estructurados:
¿Cuáles son las diferencias?
Introducción
En este módulo, aprenderá cómo los datos se pueden clasificar como datos estructurados, semiestructurados o no estructurados y los desafíos que surgen al trabajar con datos no estructurados.
Objetivos de aprendizaje
Después de completar este módulo, usted debe ser capaz de:
- Diferenciar entre datos estructurados, semiestructurados y no estructurados
- Identificar los desafíos que conlleva trabajar con datos no estructurados
Una mirada a los tipos de datos.
Los datos son información en bruto. Los datos pueden ser hechos, estadísticas, opiniones o cualquier tipo de contenido que se registre en algún formato. ¡Esto podría incluir voces, fotos, nombres e incluso movimientos de baile!
Los datos se pueden organizar en los siguientes tipos.
- Datos estructurados generalmente se clasifican como datos cuantitativos y están altamente organizados.
- Los datos estructurados son información que se puede organizar en filas y columnas.
- Tal vez haya visto datos estructurados en una hoja de cálculo, como (Google o Microsoft Excel).
- Ejemplos de datos estructurados incluyen nombres, fechas, direcciones, números de tarjetas de crédito, información de stock.
- Datos no estructurados, también conocidos como datos oscuros*, generalmente se clasifican como datos cualitativos.
- No puede ser procesado y analizado por herramientas y métodos de datos convencionales. Los datos no estructurados carecen de cualquier organización o estructura integrada.
- Ejemplos de datos no estructurados incluyen imágenes, textos, comentarios de clientes, registros médicos e incluso letras de canciones.
- Datos semiestructurados son el "puente" entre los datos estructurados y no estructurados. No tiene un modelo de datos predefinido. Combina características de datos estructurados y datos no estructurados. Es más complejo que los datos estructurados, pero más fácil de almacenar que los datos no estructurados. Los datos semiestructurados utilizan metadatos para identificar características específicas de los datos y escalar los datos en registros y campos preestablecidos. En última instancia, los metadatos permiten que los datos semiestructurados se cataloguen, busquen y analicen mejor que los datos no estructurados.
- Un ejemplo de datos semiestructurados es un video en un sitio de redes sociales. El video por sí mismo son datos no estructurados, pero un video generalmente tiene texto para Internet para categorizar fácilmente esa información, como a través de un hashtag para identificar una ubicación.
La importancia de los datos no estructurados está aumentando rápidamente. Proyecciones recientes indican que el 95% de las empresas priorizan la gestión de datos no estructurados.
|
*Datos oscuros:
Es información sin estructura: solo un enorme desorden de hechos. Debido a que es difícil ver sin ayuda, los científicos llaman a esto datos oscuros. |
Actividad 3
Conteste el siguiente formulario, dando clic sobre la imagen, el tema es: Los tipos de datos (Estructurados, No estructurados y Semi Estructurados)
Conteste el siguiente formulario, dando clic sobre la imagen, el tema es: Los tipos de datos (Estructurados, No estructurados y Semi Estructurados)
Actividad 4
Mapas de Transformación.
El Foro Económico Mundial (World Economic Forum- WEF) ha desarrollado los mapas de transformación, los cuales nos pueden ayudarte a explorar y a darle sentido a las conexiones entre las distintas economías, sectores y asuntos globales.
Es una manera dinámica de explorar las fuerzas transformadoras relacionadas con un tema, por ejemplo, el Cambio climático o la Inteligencia Artificial, la Educación y habilidades, documentados con las universidades y organizaciones internacionales de mayor prestigio a nivel global. (WEF, 2023)
En Las imágenes de abajo con el título Inteligencia artificial y robótica y Educación y habilidades, son vínculos que le permiten ingresar a la página del Foro Económico Mundial, da clic en ellas y realiza un resumen de los múltiples factores que interactúan en estos temas.
Mapas de Transformación.
El Foro Económico Mundial (World Economic Forum- WEF) ha desarrollado los mapas de transformación, los cuales nos pueden ayudarte a explorar y a darle sentido a las conexiones entre las distintas economías, sectores y asuntos globales.
Es una manera dinámica de explorar las fuerzas transformadoras relacionadas con un tema, por ejemplo, el Cambio climático o la Inteligencia Artificial, la Educación y habilidades, documentados con las universidades y organizaciones internacionales de mayor prestigio a nivel global. (WEF, 2023)
En Las imágenes de abajo con el título Inteligencia artificial y robótica y Educación y habilidades, son vínculos que le permiten ingresar a la página del Foro Económico Mundial, da clic en ellas y realiza un resumen de los múltiples factores que interactúan en estos temas.