Curso de adquisición y análisis de datos basado en teoría de gráficas y redes

Por favor, use este identificador para citar o enlazar este ítem: https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/6192

Título :	Curso de adquisición y análisis de datos basado en teoría de gráficas y redes
Autor :	HERRERA VALDEZ, MARCO ARIELI
Fecha de publicación :	2019
Resumen :	Se propone la creación de un curso de dos semestres que integre adquisición de datos de actividad en redes biológicas, aprendizaje de conceptos fundamentales para el análisis básico de dicha actividad basado en teoría de gráficas y redes, y la implementación de algoritmos simples en computadora para llevar a cabo dichos análisis. Partes de dicha integración ya han sido implementadas en distintos cursos interdisciplinarios o en trabajo por separado en el laboratorio de Fisiología de Sistemas de la Facultad de Ciencias. La idea es que los estudiantes tengan una experiencia real de trabajo en un proyecto de ciencia de datos aplicada. Se plantea la actividad en redes biológicas y su análisis como un vehículo didáctico que permite integrar conceptos básicos de distintas ramas del conocimiento. El curso se puede impartir como una materia optativa que puede variar en nombre dependiendo del plan de estudio (e.g Seminario de Matemáticas Aplicadas en el plan de la carrera de Matemáticas). El proyecto incluya una parte instrumentación que involucra armar microscopios hechos en casa, con los cuales se pueden hacer registros ópticos de fluorescencia. Hemos corroborado que es posible armar estos microscopios "en casa". La parte de la adquisición involucra un protocolo muy simple de imagenología basada en calcio que es fácil de implementar para hacer docencia, en rebanadas de cerebro de ratón. El desarrollo de algoritmos básicos de preprocesamiento y visualización de los datos y su implementación para el análisis se puede hacer a la par con clases de teoría en las que los estudiantes adquieran y apliquen una combinación de conceptos básicos de estadística, algebra lineal, y teoría de gráficas. Para aquellos estudiantes que tengan inconveniente en participar en la adquisición de los datos (experimentos con animales), es posible modificar el plan del curso y conservar las partes de instrumentación, preprocesamiento, implementación de algoritmos, y análisis de los datos.
URI :	http://132.248.161.133:8080/jspui/handle/123456789/6192
metadata.dc.contributor.responsible:	HERRERA VALDEZ, MARCO ARIELI
metadata.dc.coverage.temporal:	2019-2020
metadata.dcterms.educationLevel.SEP:	Licenciatura
metadata.dc.description.objective:	1. Que los estudiantes que participen en el desarrollo de los protocolos para el curso construyan microscopios "hechos en casa" 1.1. Que los microscopios sirvan después a varios estudiantes para hacer registros ópticos, y analizar los datos. 2. Que los estudiantes manejen y analicen los datos obtenidos a partir de registrar la actividad de calcio en redes de neuronas con algoritmos implementados por ellos mismos. 3. Que los estudiantes aprendan, haciendo trabajo de equipo, como llevar a cabo un proyecto interdisciplinario de principio a fin que involucre la adquisición de datos, construcción e implementación de herramientas de análisis, y reporte de resultados. Para los estudiantes involucrados en el desarrollo del curso, también hay entrenamiento de instrumentación por participar en la construcción de los microscopios para el curso.
metadata.dc.description.hypothesis:	Las dificultades de los estudiantes explicadas anteriormente se deben a que el pensamiento algorítmico no es entrenado de manera suficiente, y menos en contextos con aplicaciones específicas que involucren conocimientos de distintas disciplinas, y una componente de reporte de resultados. Lo anterior explica por que muchos estudiantes de matemáticas, matemáticas aplicadas, física, física biomédica, y biología tienen las dificultades mencionadas anteriormente, sobretodo teniendo en cuenta que dichos estudiantes tienen sesgos muy distintos. Entonces, un curso que combine conceptos matemáticos básicos para el análisis de datos con la implementación computacional de algoritmos basados en dichos conceptos puede ayudar a integrar conocimientos y solidificar ideas. Para ello es necesario un fenómeno de interés a estudiar lo suficientemente simple en términos de su observación y exploración inicial, pero lo suficientemente complejo como para permitir la discusión de ideas que relacionen tiempo, espacio, y niveles de organización distintos. En este caso el fenómeno de opción es biológico: la actividad conjunta en redes de neuronas. Entre otras razones, la adquisición de los datos y la naturaleza de los mismos, se presta de manera adecuada a la conceptualización, abstracción, desarrollo, e implementación de algoritmos simples para el análisis.
metadata.dc.description.strategies:	Los estudiantes becados para desarrollar el curso colaborarán en: 1. La construcción de los microscopios con los que se hará la adquisición de imágenes, 2. Participarán también en sesiones en las que pondremos a prueba protocolos, a. Mediremos tiempos de adquisición de datos, b. Tiempos de implementación de algoritmos computacionales. 3. Una vez desarrolladas y probadas las actividades del curso, se solicitará la apertura de una materia optativa para ponerlo en marcha. El primer semestre Mejorar el aprendizaje interdisciplinario para estudiantes de distintas carreras como que incluyen Matemáticas, Matemáticas Aplicadas, Física, Física Biomédica, y Biología mediante problemas reales. Facilitar la enseñanza de fenómenos complejos a través de la implementación de técnicas simples de adquisición de datos e implementación computacional de algoritmos, en combinación con conceptos matemáticos básicos de estadística y teoría de gráficas.
metadata.dc.description.goals:	Las metas para los dos semestres se lograron en lo que respecta a actividades de docencia e integración de trabajo teórico y experimental con los estudiantes. Para detalles favor de consultar el repositorio de GitHub para este proyecto (scab-unam.github.io/adquisicionAnalisisDatosGraficasRedes). Un borrador de las notas del curso se puede encontrar en la liga privada de figshare figshare.com/s/d38850a9693e301f3d9b También desarrollamos un protocolo de disección para hacer registros en patch también fue desarrollado en colaboración con Erin McKiernan, en la Unidad de Imagenología Cuantitativa de la Facultad de Ciencias (disponible en dx.doi.org/10.17504/protocols.io.bggujtww). No fue posible avanzar igual en lo que respecta a la construcción de microscopios por retrasos que se relacionan a conseguir los materiales. La parte del ensamblaje también presentó algunos problemas en los que continuamos trabajando. Los experimentos planeados para el segundo semestre fueron realizados en ausencia de los microscopios que planeamos construir, con ayuda del microscopio de fluorescencia disponible en el laboratorio. Pese a lo anterior, tenemos datos de prueba con los cuales es posible trabajar. Con respecto a mejorar el aprendizaje interdisciplinario, fue posible implementar una serie de actividades con las que logramos integrar conocimiento teórico y práctico. En lo teórico, integramos técnicas básicas de análisis de datos con de fundamentos matemáticos y biofísicos en neurociencias. En lo práctico, los estudiantes adquirieron habilidades prácticas para manejo de animales, disección de rebanadas de cerebro, y registro de actividad electrofisiológica. Las actividades abarcan aproximadamente 16 sesiones de entre dos y tres horas cada una. Algunas de las sesiones combinan introducción a nociones básicas de algún tema a tratar alternando con sesiones de programación (e.g. tiempos de disparo, distribuciones de intervalos inter espiga, y simulación de trenes de disparo con distintas distribuciones). Conocimiento teórico. Las sesiones teóricas fueron divididas en dos grupos, respectivamente, (i) fundamentos matemáticos y biofísica, y (ii) técnicas básicas de programación y análisis de datos. Los estudiantes aprendieron teoría básica y también adquirieron la habilidad de escribir scripts que capturaran ideas simples y pudieran servir para construir sesiones de análisis más complicadas. Habilidades prácticas. Algunas de las sesiones fueron dedicadas a explicar e implementar protocolos experimentales destinados al registro de actividad en redes nerviosas (series de tiempo multidimensionales en forma de videos). Los estudiantes aprendieron a disectar ratones para obtener rebanadas y hacer registros con imagenología de calcio, y también a preprarar soluciones químicas para realizar los registros.
metadata.dc.description.selfAssessment:	El proyecto se llevó a cabo con la participación de estudiantes de las licenciaturas de Física, Matemáticas, Física Biomédica, Matemáticas Aplicadas, y Biología de la Facultad de Ciencias. Considero que el proyecto alcanzó la mayoría de los objetivos planteados en términos prácticos, aunque hubo algunos contratiempos que retrasaron o impidieron que etapas específicas planeadas para el proyecto fueran cubiertas. Las actividades del proyecto se centraron en implementar protocolos de experimentación y trabajo computacional asociado a los experimentos, y en tratar de estimar tiempos de desarrollo de código, establecer orden en la presentación de contenidos y jerarquías relacionadas a la dificultad de los contenidos. No fué del todo fácil integrar lo mencionado anteriormente por que cada una de las tres actividades, que se pueden pensar de forma reduccionista como práctica de laboratorio, trabajo teórico, y programación, requirió al principio más de una sesión dedicada sin que hubiera mucha oportunidad de integración hasta ya avanzado el curso. La razón no se centra, creo, en la naturaleza interdisciplinaria del proyecto, sino en que los estudiantes con distintas formaciones tienen distintas fortalezas y habilidades que requirieron atención inmediata para tratar de mantener un ritmo de avance similar en el grupo. Lo anterior había sido considerado como una posibildad al plantear el proyecto dado que, por ejemplo, los estudiantes de Biología tienen deficiencias fuertes en matemáticas en parte por que los contenidos de matemáticas en sus planes de estudio han sido sistemáticamente reducidos, en lugar de ser aumentados como lo requieren los tiempos en que vivimos. Sin embargo, no había forma de planear tiempos de compensación destinados a cubrir huecos relacionados a la formación de los estudiantes. El desarrollo del proyecto fue muy lento al principio, y al final del periodo financiado debido a una serie de factores que incluyen (i) falta de fondos disponibles para comenzar desde las primeras semanas y en paralelo al calendario de clases, o durante los últimos meses del proyecto (el presupuesto no se puede ejercer a partir de Octubre pese a que el proyecto acaba en Diciembre); (ii) una serie de averías en equipo de laboratorio y de cómputo que poco a poco fuimos resolviendo, en parte, gracias al presupuesto del proyecto, que eventualmente estuvo disponible. Pese a los factores negativos mencionados anteriormente, fue posible evaluar y poner a prueba las actividades principales pensadas para el curso, además de implementar soluciones prácticas para problemas como los mencionados anteriormente. Por ejemplo, una respuesta a las problemáticas descritas en párrafos anteriores, fué la recopilación de materiales de apoyo para el curso que serán de utilidad para estudiantes en semestres futuros. Las notas del curso son trabajo en progreso, seguiremos desarrollandolas. Nuestros estudiantes se beneficiaron mucho de la experiencia.
metadata.dcterms.provenance:	Facultad de Ciencias
metadata.dc.subject.DGAPA:	Matemáticas Algoritmo computacional Ciencia de datos Gráficas y redes Reducción dimensional Registros ópticos Series de tiempo
metadata.dc.type:	Proyecto PAPIME
Aparece en las colecciones:	1. Área de las Ciencias Físico Matemáticas y de las Ingenierías

Ficheros en este ítem:

No hay ficheros asociados a este ítem.

Mostrar el registro Dublin Core completo del ítem