Por favor, use este identificador para citar o enlazar este ítem:
https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/7537| Título : | Propuesta de mejora a la enseñanza del aprendizaje automático aplicado a la Ciencia de Datos a gran escala; dirigido a académicos y estudiantes de la licenciatura en Tecnologías para la Información en Ciencias (LTICs) en la ENES Morelia. |
| Autor : | FERREIRA MEDINA, HEBERTO HERNANDEZ RENDON,FROYLAN |
| Fecha de publicación : | 2021 |
| Resumen : | El uso de herramientas que permiten el análisis de grandes volúmenes de datos ha permitido que las ciencias exactas tengan un papel importante para la toma de decisiones en las organizaciones, además de contribuir a la obtención de información que sirve como sustento para nuevas investigaciones. La ciencia de datos (DS), el aprendizaje máquina (ML) y el aprendizaje profundo (DL) son técnicas o algoritmos de aprendizaje automático de la inteligencia artificial (AI) que permiten modelar propuestas de solución por medio de representaciones de datos de problemas reales y que requieren de un procesamiento computacional intensivo, lo que genera el almacenamiento de grandes catidades de datos haciendo cada vez más complejo su manejo, esto es conocido como “Big Data” (BD), que es esencial en múltiples áreas de las ciencias computacionales; su importancia se reconoce en universidades que incluyen al menos un curso en este tema. Considerando la cantidad de material que debe cubrirse en un solo semestre, así como el nivel de abstracción en las ideas que se deben aprender, es entendible que el estudiante se sienta rebasado. Para empeorar las cosas, la mayoría de estudiantes arrastran deficiencias en su formación matemática y perciben el material como, no sólo complicado, sino ajeno a su realidad. Las herramientas para el BD y DS son hoy en día temas de actualidad en el mundo del desarrollo de las aplicaciones productivas en tiempo real relacionadas con la analítica de datos. En este sentido, en el presente proyecto se propone desarrollar una mejora en la enseñanza y el manual de prácticas de las tecnologías a utilizar, estos facilitarán el aprendizaje de la teoría y de la práctica; lo cual se aplicará al campo real de trabajo en donde se espera se incorporen los estudiantes al finalizar sus sus estudios de licenciatura. |
| URI : | https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/7537 |
| metadata.dc.contributor.responsible: | FERREIRA MEDINA, HEBERTO |
| metadata.dcterms.callforproject: | 2021 |
| metadata.dc.coverage.temporal: | 2021-2023 |
| metadata.dcterms.educationLevel: | nivel superior |
| metadata.dcterms.educationLevel.SEP: | Licenciatura |
| metadata.dc.description.objective: | Objetivo general: Generar una propuesta de enseñanza que brinde los conocimientos necesarios a través de cursos de capacitación orientados a docentes y estudiantes de la LTIC´s, para el aprendizaje automático en el Big Data y la ciencia de datos, a través de uso de herramientas de Deep Learning de nueva generación. Objetivos específicos: "• Realizar un diagnóstico que permita identificar las necesidades académicas de profesores y alumnos de LTICs, para conocer el status de conocimiento sobre los temas de aprendizaje automático y analisis profundo que son aplicados en la ciencia de datos • Construir un cluster básico de computadoras que permite realizar prácticas de Big Data utilizando herramientas de ML y DL para atender las necesidades de los cursos • Diseñar cursos de capacitación en el tema de Machine Learning para el personal académico y alumnos que les permita mejorar sus habilidades prácticas en el uso de herramientas de inteligencia artificial aplicadas en problemas reales. • Diseñar cursos de capacitación en el tema de Deep Learning para el personal académico y alumnos que les permita mejorar sus habilidades practicas en el uso de herramientas de inteligencia artificial aplicadas a problemas reales en el Big Data. • Diseñar los manuales con los temas y prácticas que conformarán los cursos de ML y DL, para fortalecer las habilidades prácticas de los profesores y los alumnos de la LTIC´s • Desarrollar una página Web que muestre los resultados de las etapas del proyecto para divulgar y difundir la aplicación del ML y DL en casos reales utilizando la ciencia de datos • Medir el nivel de conocimiento de los alumnos y profesores de la LTIC´s a través de una encuesta que permita medir las mejoras aplicadas utilizando la ciencia de datos para su aplicación en casos reales • Elaborar un artículo científico que muestre la experiencia de la aplicación de la ciencia de datos y el Big Data en la LTIC´s para ser presentado y publicado en un congreso internacional" |
| metadata.dc.description.strategies: | Para implementar la propuesta de mejora a la enseñanza del aprendizaje automático aplicado a la Ciencia de Datos a gran escala, dirigido a académicos y estudiantes de la LTICs en la ENES Morelia, se realizarán las siguientes etapas: Etapa 1. Realizar un diagnóstico que permita identificar las necesidades académicas de profesores y alumnos de la LTICs, para conocer el estado del conocimiento sobre los temas de aprendizaje automático y aprendizaje profundo que son aplicados en la ciencia de datos. Se realizará una encuesta en línea para conocer el nivel de los profesores y estudiantes sobre los temas de aprendizaje automático y profundo, así como su aplicación en el Big Data. Lo anterior permitirá conocer la percepción sobre los temas; 1) ML, 2) DL y 3) Big Data, entre los encuestados. La población a estará conformada por los semestres previos a la elección del área de profundización (sexto semestre), y que cursaron las materias; aprendizaje automático, cómputo evolutivo y algoritmos genéticos, minería de datos, redes neuronales, sistemas dinámicos, tópicos selectos de Ciencia de Datos. Son aproximadamente 90 estudiantes y se espera realizar la encuesta con un intervalo de confianza del 95% y un error estándar del 10%. Para cada tema se desarrollarán preguntas en la escala de Likert que permitirán conocer su nivel de percepción del ML, DL y el Big Data. Etapa 2. Revisión del estado del arte en los temas de ML. DL y Big Data. Donde se realizará el análisis de la literatura en los temas adhoc, así como los retos que se enfrentan en la actualidad en el área del Big Data, con la finalidad de evitar excluir algún tipo de desarrollo importante que se haya dado recientemente. En esta etapa se plantea tener reuniones de trabajo y un seminario entre los colaboradores, en el que se exponga el material de mayor relevancia y se intercambien ideas preliminares que decidan los detalles del trabajo que se llevará a cabo. De la misma forma, las reuniones servirán para actualizar a los miembros del equipo de trabajo y establecer un marco referencial sobre el material de redes neuronales aplicadas a la inteligencia artificial. Etapa 3. Investigar e implementar las herramientas necesarias para la construcción de un clúster de computadoras básico que permita realizar prácticas, utilizando herramientas de ML, DL y Big Data para atender las necesidades de los cursos y talleres. Se realizarán reuniones con expertos en IA para integrar las herramientas necesarias y establecer las prácticas acorde a las necesidades obtenidas del diagnóstico. Etapa 4. Elaborar el material didáctico para la aplicación de los cursos de capacitación en el tema de ML y DL para el personal académico y los alumnos de la LTICs, que permita mejorar las habilidades prácticas en el uso de herramientas de ML aplicadas en problemas reales. Se integran como materiales; manual de prácticas, presentaciones y la guía de temas a seguir por el instructor (apegados al diagnóstico y a la experiencia). Deberá desarrollarse un cronograma de actividades planeadas del curso siguiendo el cronograma del proyecto. Etapa 5. Conformar los grupos de profesores y alumnos de la LTICs que tomarán los cursos en el periodo de agosto a septiembre del 2021. Los alumnos se elegirán a partir del 5o semestre y/o estudiantes de las asignaturas en semestres posteriores, durante el periodo en el que se lleve a cabo el proyecto, para que los estudiantes exploren problemas relacionados o variantes de los presentados en el material didáctico, que ayudará a desarrollar las habilidad de conducir un proyecto de Big Data en problemas reales. Los participantes serán elegidos por el comité responsable del proyecto en conjunto con la coordinación de la LTICs. Etapa 6. Diseñar la página web que permita divulgar la información de los resultados de las etapas del proyecto, además de los materiales desarrollados, para difundir con profesores y alumnos dentro y fuera de la UNAM, con la experiencia de la aplicación del ML y DL en casos reales utilizando la ciencia de datos. Etapa 7. Aplicar una encuesta para medir el nivel de conocimiento de los alumnos de la LTICs a manera de evaluación sumativa, que permita evaluar los resultados al final de la instrucción, para comparar el conocimiento adquirido durante el curso por el alumno. Para los profesores se elaborará una encuesta de satisfacción. Etapa 8. Elaborar un artículo científico que muestre la experiencia de la aplicación de la ciencia de datos y el Big Data en la LTICs en casos reales. El trabajo será presentado y publicado en un congreso internacional; para este fin, se propone utilizar las prácticas desarrolladas con las herramientas de ML, DL y Big Data. Etapa 9. Poner a disposición de profesores y alumnos dentro y fuera de la UNAM, el material didáctico desarrollado a través del repositorio de la Red Universitaria de Aprendizaje (RUA) y administrada por la Dirección General de Cómputo y de Tecnologías de Información y Comunicación (DGTIC) de la UNAM |
| metadata.dc.description.goals: | Primer año: Durante el desarrollo del proyecto las metas a cumplir para el primer año, son las siguientes: - Diseñar una encuesta/diagnóstico de los conocimientos previos y las necesidades académicas de profesores y alumnos en las materias de especialización cursadas entre los semestres 6to. y 8vo. antes mencionadas. - Diseñar los contenidos (instruccional y curricular) de los cursos de capacitación de ML y DL, para profesores y estudiantes, en el manejo de las herramientas para el Big Data. - Elaborar el manual de prácticas para los cursos de ML y DL, dirigidos a profesores y alumnos para facilitar el aprendizaje del uso del Big Data. - Implementar el curso de capacitación para el personal académico y estudiantes en el tema de ML y sus herramientas para el Big Data. - Desarrollar la página Web que permita divulgar la información de los resultados del proyecto, además de los materiales desarrollados. - Elaborar un artículo científico que muestre la experiencia de la aplicación de la ciencia de datos y el Big Data en la LTICs en casos reales, para presentarlo en un congreso internacional. - Apoyo a 2 tesistas de licenciatura para terminación de estudios y/o titulación. Segundo año: "De acuerdo las actividades desarrolladas en el primer año del proyecto, se continuará con la aplicación del DL en el Big Data de acuerdo a las siguientes: - Aplicar una encuesta para medir las mejoras en los profesores y alumnos durante el primer año de implementación del proyecto; en las materias de especialización de conocimiento de la LTICs. - Implementar el curso de capacitación para el personal académico y estudiantes en el tema de DL y sus herramientas para el Big Data. - Divulgar de los resultados de la aplicación del los cursos y talleres a través del sitio web, mostrando la aplicación del conocimiento en casos reales. - Elaborar una encuesta de satisfacción de las mejoras académicas implementadas en la LTICs. - Envío del artículo científico a congreso internacional - Apoyo a 2 tesistas de licenciatura para terminación de estudios y/o titulación. - Escritura del informe final." |
| metadata.dc.description.selfAssessment: | La intervención de mejora se centró en ofrecer cursos de capacitación a través de un diplomado y cursos de actualización docente. Estos tuvieron muy buena aceptación entre los estudiantes y acádemicos participantes, logrando impactar en 26 estudiantes y 13 académicos. También se lograron concretar 2 cursos de actualización docente (1 para el Tecnológico Nacional de México -TECNM- campus Morelia con 20 académicos y 1 PASD para el Campus Morelia de la UNAM con 27 académicos). La encuesta aplicada a los estudiantes y académicos de la ENES-UNAM, así como expertos del área, fué contestada por 138 estudiantes y académicos. Se aplicarón dos encuestas de salida para los módulos del diplomado con una participación de 43 personas. El diplomado ofrecido a traves del IIES y plataformas de la UNAM, ayudó a mejorar los manuales de prácticas para los cursos de ML y DL que están apoyando en las área de profundización de la LTICS en la ENES Morelia. La propuesta del contenido de las prácticas permitió facilitar el aprendizaje de la ciencia de datos entre estudiantes y académicos de la UNAM Campus Morelia. Los cursos de actualización docente para el personal académico y estudiantes en los temas de ML, DL y Big Data y sus herramientas, tuvieron buena aceptación y permitieron detectar áreas de mejora en los cursos de ciencias de datos ofrecidos en la LTICS de la ENES Morelia. La página Web para la divulgación de los resultados de los cursos y el proyecto tuvieron 238 hits. El artículo científico que muestra la experiencia de la aplicación del ML en estudiantes y académicos de la LTICs, publicado en el congreso internacional IntelliSys 2022: Intelligent Systems and Applications, (https://link.springer.com/chapter/10.1007/978-3-031-16075-2_1), ha tenido hasta la fecha 373 lecturas y 6 citas (Schoolar Google y Research Gate), mostrando la calidad de la intervención y que puede ser utilzada en otras universidades. Se obtuvieron las titulaciones de: 1 tesista de posgrado de la maestría en Sistemas y Computación del TECNM campus Morelia, 1 tesista de la carrera LTICS de la ENES Morelia, 1 tesista de la carrera de Ingeniería en Sistemas Computacionales del TECNM campus Morelia y 1 tesista de la carrera de TICS de la Universidad Tecnológica de Morelia. Se tiene en proceso la titulación de 2 estudiantes de la LTICS de la ENES Morelia. Para la mejora del contenido de las prácticas se realizaron encuestas de entrada y salida de los cursos ofrecidos durante el proyecto; se observaron mejoras significativas en el entendimiento de los temas de quiénes cursaron el diplomado. Con la firma de un convenio de colaboración con la Maestría en Ciencia de Datos de la UdeG para colaborar con artículos de investigación, cursos de actualización y formación de recursos humanos, se establece un vinculo entre universidades para comparitr experiencias en la aplicación del conocimiento de la ciencia de datos. No fué posible el envío del 2o. artículo por falta de presupuesto (recortes). |
| metadata.dc.description.goalsAchieved: | A continuación se enumeran las metas por año (con porcentaje logrado y probatorio): Primer año: 1. Diseño y aplicación de la encuesta (100%). Artículo científico enviado a un congreso internacional. 2. Diseño e implementación del curso de ML aplicado a la Ciencia de datos. (100%). Curso-Taller en formato de diplomado aprobado en el consejo interno del IIES-UNAM. 3. Desarrollo y aprobación del manual de prácticas para los cursos de ML. (100%). Oficio de impresión definitiva del manual de prácticas de ML. 4. Curso de capacitación de ML y sus herramientas. (100%). Diplomas de los estudiantes y académicos. https://classroom.google.com/u/1/c/NDM3MzU4MTI0MjE4 5. Página Web para la divulgación de los resultados del curso de ML, con los materiales desarrollados. (100%), página Web: http://www.escuelamldl.enesmorelia.unam.mx/ 6. Artículo científico publicado en congreso internacional. (100%). DOI: https://doi.org/10.1007/978-3-031-16075-2_1 7. Apoyo a tesistas para terminación de estudios y titulación; 1 de posgrado (100%), 1 de licenciatura (100%). Metas del segundo año: 1. Encuestas aplicadas de entrada y salida en los cursos ofrecidos; se observaron las mejoras en los estudiantes y académcios que cursaron el diplomado durante el módulo I, (100%). Artículo públicado en memorias de congreso internacional. 2. Diseño e implementación de los cursos de DL y Big Data aplicados a la Ciencia de datos. (100%). Cursos-Talleres en formato de diplomado.https://classroom.google.com/u/1/c/NDg4NzY0OTcwMTUz 3. Divulgación de los resultados de los cursos-talleres a través del sitio Web. (100%). Página Web. http://www.escuelamldl.enesmorelia.unam.mx/ 5. Apoyo a 2 tesistas de licenciatura para titulación y 2 para terminación de estudios y/o titulación. (60%). 1 acta de examen, 1 oficio de impresión definitiva y 2 protocolos de titulación en proceso. 6. Convenio de colaboración entre UdeG, UNAM y UTM. (100%). 7. Elaboración del informe final (100%) |
| metadata.dcterms.provenance: | Instituto de Investigaciones en Ecosistemas y Sustentabilidad (IIES) |
| metadata.dc.subject.DGAPA: | Ciencias de la computación |
| metadata.dc.type: | Proyecto PAPIME |
| metadata.dc.contributor.coresponsible: | HERNANDEZ RENDON,FROYLAN |
| 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.
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
