Módulo 1 - Lección 4: Lo que con sesgo empieza, con sesgo acaba

El grupo de estudiantes analizará cómo puede aparecer el sesgo en los modelos de aprendizaje automático debido a los datos que se utilizaron para entrenarlos. Crearán su propio modelo de aprendizaje automático para clasificar imágenes de manzanas y tomates, y descubrirán cómo un conjunto de datos limitado puede generar predicciones sesgadas e inexactas. Finalmente, investigarán los dos tipos de sesgo que pueden aparecer en los datos de entrenamiento.

Objetivos de aprendizaje

  • Describir el impacto de los datos en la precisión de un modelo de aprendizaje automático (AA)
  • Explicar la necesidad contar tanto con datos de entrenamiento como de prueba
  • Explicar cómo el sesgo puede influir en las predicciones que genera un modelo de aprendizaje automático

Vocabulario clave

Datos de entrenamiento, datos de prueba, precisión, sesgo, sesgo de datos, sesgo social

Estructura de las lecciones de aprendizaje

  • Tipos de datos para la clasificación
  • Aplicación de IA para supermercados
  • Sesgo
  • Opcional: Tu futura carrera

Descargar recursos para las lecciones de aprendizaje

Para descargar la planificación de las lecciones de aprendizaje, las diapositivas y las actividades, primero debes iniciar sesión en tu cuenta gratuita de Raspberry Pi Foundation o crear una cuenta nueva.
A continuación, te haremos algunas preguntas que nos ayudarán a comprender cómo utilizarás los recursos.