Sobre este blog


En este blog vamos a recolectar diversos recursos sobre las TIC su impacto a nivel empresarial y la gestión del conocimiento.

Los autores actualmente son estudiantes de la Universidad del País Vasco - Euskal Herriko Unibertsitatea (UPV/EHU). Anteriormente, los autores fueron alumnos del Campus Virtual Compartido del Grupo 9 de Universidades, que cursaron la asignatura Groupware en la gestión del conocimiento, que se impartía desde la Universidad del País Vasco - Euskal Herriko Unibertsitatea (UPV/EHU).

Esperamos que estos recursos puedan servir a los lectores de este blog a comprender y revisar distintas dimensiones de las tecnologías de la información y de la comunicación en el mundo empresarial.


Mostrando entradas con la etiqueta aprendizaje automatico. Mostrar todas las entradas
Mostrando entradas con la etiqueta aprendizaje automatico. Mostrar todas las entradas

viernes, 9 de noviembre de 2018

MACHINE LEARNING EN EL AMBITO DE LA EDUACIÓN.

El machine learning también conocido como inteligencia artificial, trata de crear programas capaces de generalizar comportamientos a partir de una información suministrada en forma de ejemplos. 
Es, por lo tanto, un proceso de inducción del conocimiento.

 
Un ejemplo específico de que es machine learning, son las sugerencias que servicios de compra en línea, de manera casi instantánea, te envía publicidad de productos que quizás puedan interesarte. 

En cuanto a la educación, el machine learning permite que los estudiantes aprendan de una mejor manera, ya que el sistema analiza su rendimiento y personaliza el contenido con el objetivo de reforzar aspectos específicos de manera individual, orienta al estudiante hacia lo que debería reforzar. 


La educación y el machine learning

La ventaja de integrar el machine learning en la educación, es que realiza una predicción de problemas o dificultades en el aprendizaje a través del análisis de su rendimiento, de esta manera puede predecir nuevas rutas de aprendimiento.

La recopilación de estos datos permite al docente identificar el contenido que el estudiante ha comprendido y el que debe fortalecer. 

Los docentes deben encontrar una manera de presentar esta tecnología a los jóvenes como una herramienta para que ellos le sorprendan, el sistema se encargará de guiarlos y el docente revisará posteriormente sus avances.

Se recomienda que la implementación de estos sistemas a las clases, tanto docentes como estudiantes, sean parte del proceso.


Lo más importante en la implementación del machine learning es el análisis del data y la toma de decisiones a partir de ello. 

El docente tiene un excelente apoyo al adquirir un sistema que automáticamente guíe al estudiante en su proceso, pero debe estar al tanto del rendimiento de cada uno de ellos.





                                                                                        Fuente: Youtube






 Cinco herramientas de machine learning en la educación; 

Las herramientas y servicios en línea que integran el machine learning son un refuerzo para optimizar los procesos de aprendizaje, convirtiéndose en un apoyo para el docente y guiar a los estudiantes.


  • ALEKS: Es un sistema de evaluación y aprendizaje basado en la Web que integra la inteligencia artificia.
  • WRITETOLEARN: Es un herramienta automatizada para el desarrollo de habilidades de escritura y comprensión de lectura.  
  • TURNITIN: Promueve la integridad académica puesto que su valor principal es la revisión de textos con un sistema que determina el riesgo de plagio, además, ofrece herramientas de enseñanza y aprendizaje, tanto académico y profesional.
  • LEARNING NAVIGATION: Es un sistema en línea desarrollado por Gooru, una organización no lucrativa de tecnología educativa.
  • MANGAHIGH: Este proyecto se enfoca en el área de las matemáticas. El docente puede personalizar las instrucciones en un proceso de tres pasos: Asignar actividades, revisión de rendimiento y diferenciación de instrucciones.

                          
En esta infografia se aprecia las 5 herramientas del machine learning enfocado en el ambito de la eduación:

      


                                           Fuente: Elaboración propia en easel.ly








viernes, 2 de noviembre de 2018

Machine learning ¿realmente es una amenaza para la humanidad o son todo ventajas?



¿A causa de qué nace el ‘machine learning’?

 Cada persona es una fuente determinada de información personal que una vez conectada a la red, ya esta generando datos. Datos que son utilizables para manipular y gestionar. Pero para que esos datos se conviertan en información, tienen que transformarse mediante un proceso que trata de hacer conexiones, y el machine learning es el nombre que se le da a la maquina que se encarga de hacer ese proceso de transformación. Cabe destacar que se diferencian dos métodos:

  1.  Supervisado → Con la intervención de los humanos y se basan en hacer predicciones. y se basan en hacer predicciones. 
  2. No supervisado → Identifican relaciones entre los datos.

Pero… ¿Cuál es el uso real?

  • Optimizar la operación.
  • Predicciones.
  • Personalizar productos y servicios.
  • Estimar la demanda futura
  • Mantenimientos preventivos.
  • Conocer tendencias.
  • Detectar anomalías.
  • Procesar datos no estructurados.
  • Prevenir fraudes.
  • Aumentar la eficiencia en la operación de una empresa.
Es oportuno mencionar que también tiene riesgos como puede ser dar falsos positivos por malos logaritmos, o bien, la intervención de hackers. 

Entonces ¿En qué ámbitos se puede aplicar?

El machine learning tiene un gran potencial en diferentes áreas de la industria.


 

Datos sobre los puestos automizados

Se habla de que es una amenaza para los humanos porque se destruirían los empleos, pero, Israel Olalla, cloud customer engineer de Google, nos explica como no es así en el siguiente vídeo:



Datos sobre las diferentes predicciones sobre el impacto que tendrá:
  • Oxford University ⇨ Para el año 2033, el 47% de los trabajos serán automatizados.
  • OECD ⇨ el 9% de los trabajos serán automatizados.
  • Mckinsey ⇨ el 5% de los trabajos serán automatizados.
  • Harvard ⇨ entre el 4% y el 7% de los trabajos serán automatizados pero, con unos ingresos adicionales de 20 billones de dólares.
En mi opinión apoyo las palabras de  Israel Olalla, además, las predicciones de OECD, Mckinsey y Harvard, son muy bajas en cuanto al numero de puestos de trabajos automatizados en un futuro cercano. Es más, Harvard, aun asumiendo que disminuirá el empleo a causa de la automatización, afirma que habrá 20 billones de dólares adicionales en forma de ingresos. Algo muy positivo para la economía mundial. El crear puestos de trabajos automatizados, disminuye los puestos de trabajo a los que de alguna manera está sustituyendo, pero se incrementan los trabajos de al rededor, es decir, de investigación y desarrollo, trabajos para  la puesta en marcha, cursos/conferencias explicativas, ...

A modo de resumen añado esta infografía

Conclusión

A pesar de que el 'Maching Learning' es una maquina capaz de hacer conexiones a tiempo real y en un tiempo muy reducido, no serán maquinas que se impongan a las personas, es decir, reducirán algunos puestos de trabajos creando trabajos automatizados pero también se necesitará mas personal para crear o producir, incluso para arreglar dichas maquinas. Como bien nos explica Israel Olalla, estamos muy lejos de destruir todos los empleos a causa de la 'Maching Learning'. Además, si nos fijamos en las predicciones de Harvard, se generarán ingresos adicionales de gran volumen.