Por favor, use este identificador para citar o enlazar este ítem: https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/7537
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.coverage.spatialMéxico-
dc.coverage.temporal2021-2023-
dc.date.accessioned2023-12-05T00:41:14Z-
dc.date.available2023-12-05T00:41:14Z-
dc.date.issued2021-
dc.identifier.urihttps://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/7537-
dc.description.abstractEl 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.-
dc.description.sponsorshipDirección General de Asuntos del Personal Académico (DGAPA)-
dc.languagees-
dc.rightsTodos los derechos son propiedad de la Universidad Nacional Autónoma de México (UNAM)-
dc.titlePropuesta 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.-
dc.typeProyecto PAPIME-
dcterms.bibliographicCitationFERREIRA MEDINA, HEBERTO; HERNANDEZ RENDON, FROYLAN. (2021). 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. (Proyecto PAPIME). Dirección General de Asuntos del Personal Académico (DGAPA). UNAM. México.-
dcterms.educationLevelnivel superior-
dcterms.provenanceInstituto de Investigaciones en Ecosistemas y Sustentabilidad (IIES)-
dc.identifier.papimePE106021-
dc.subject.keywordsAprendizaje automatizado-
dc.subject.keywordsAprendizaje profundo-
dc.subject.keywordsBigData-
dc.subject.keywordsCiencia de datos-
dc.subject.keywordsImplementación-
dc.subject.keywordsLTICs-
dc.contributor.responsibleFERREIRA MEDINA, HEBERTO-
dc.contributor.coresponsibleHERNANDEZ RENDON,FROYLAN-
dc.description.objectiveObjetivo 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"-
dc.description.strategiesPara 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-
dc.description.goalsPrimer 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."-
dc.description.goalsAchievedA 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%)-
dc.description.area1. Área de las Ciencias Físico Matemáticas y de las Ingenierías-
dc.description.selfAssessmentLa 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).-
dcterms.educationLevel.SEPLicenciatura-
dcterms.callforproject2021-
dc.subject.DGAPACiencias de la computación-
dc.description.products"Congreso.Asistencia a congreso internacional: ""El articulo derrollado fué aceptado y posterimentre expuesto en in clongreso internacional en septiembre del 2022. El trabajo enviado fué """"Cómo mejorar la enseñanza del aprendizaje automático computacional aplicado a la ciencia de datos a gran escala: el caso de las universidades públicas en México"""", este fué revisado y aceptado para su presentación en la Conferencia de Sistemas Inteligentes (IntelliSys) 2022, a celebrarse del 1 al 2 de septiembre de 2022 en Ámsterdam, Países Bajos. Por motivos de la pandemia por el virs COVID-19 la participación fué virtual. El congreso de Sistemas Inteligentes (IntelliSys) 2022 se centró en áreas de sistemas inteligentes e inteligencia artificial y cómo se aplica en el mundo real. el congreso de IntelliSys proporciona un foro internacional líder que reúne a investigadores y profesionales de diversos campos con el propósito de explorar los roles fundamentales, las interacciones y los impactos prácticos de la Inteligencia Artificial. Se elaboró una presentación y posteriormente un video con la exposición que se envío como ponencia. Es importante mencionar que las actas de IntelliSys 2022 se publicaron en la serie Springer """"Lecture Notes in Networks and Systems"""" y se enviarón para su consideración a Web of Science, SCOPUS, INSPEC, WTI Frankfurt eG, zbMATH y SCImago. El editor fué Kohei Arai. Presidente del programa Conferencia IntelliSys 2022. Link a la conferencia: https://saiconference.com/Conferences/IntelliSys2022 Link a la memoria: https://link.springer.com/book/10.1007/978-3-031-16075-2#toc Link al arículo públicado en Springer: https://link.springer.com/chapter/10.1007/978-3-031-16075-2_1"""-
dc.description.productsTesis.tesis de licenciatura para el desarrllo de una página Web: "Se apyo al alumno T.S.U ALFREDO ALEJANDRO AVIÑA RODRÍGUEZ de la UNIVERSIDAD TECNOLÓGICA DE MORELIA, con un reporte técnico presentado para obtener el TÍTULO DE INGENIERO EN TECNOLOGÍAS DE LA INFORMACIÓN, con el proyecto “IMPLEMENTACIÓN DEL SITIO WEB PARA LA MEJORA A LA ENSEÑANZA DEL APRENDIZAJE AUTOMÁTICO APLICADO A LA CIENCIA DE DATOS A GRAN ESCALA”. Asesor externo Dr. HEBERTO FERREIRA MEDINA. Como parte del proyecto se detectó que el plan de estudios de la Licenciatura en Tecnologías para la Información en Ciencia (LTIC ́s) de la Escuela Nacional de Estudios Superiores Unidad Morelia (ENES-Morelia), existen asignaturas que abordan diversos temas de la ciencia de datos (DS) las cuales se incluyen a partir del 6º semestre, conocidas como materias del área de profundización y que representan todo un reto para los estudiantes al intentar llevar a la práctica toda la teoría aprendida de ramas de la inteligencia artificial (IA), como las son; Big Data (BD), Machine Learning (ML) y Deep Learning (DL). Además de carecer de las herramientas necesarias para su aplicación en problemas reales. Es por esto que en este reporte técnico se contempla utilizar la metodología de desarrollo integral colaborativa (MSDIC) la cual fue desarrollada por investigadores mexicanos y que a través de sus cinco niveles propone la integración de los involucrados del proyecto en el desarrollo del sitio web. Además de respaldarlo el Project Management Institute (PMI) generando así software de calidad alineado con los objetivos del proyecto. Entre los dos resultados más importantes de este proyecto se encuentran, la configuración y puesta en marcha de un servidor ubicado en la Escuela Nacional de Estudios Superiores Unidad Morelia (ENES) el cual cuenta con la capacidad de alojar el sitio web. Así como el desarrollo de un sitio web potenciado por el sistema gestor de contenido (CMS) Joomla, se acordó hacer uso de este CMS por las diversas extensiones que facilitan la navegación de los usuarios. Con esto se concluye el proyecto “IMPLEMENTACIÓN DEL SITIO WEB PARA LA MEJORA A LA ENSEÑANZA DEL APRENDIZAJE AUTOMÁTICO APLICADO A LA CIENCIA DE DATOS A GRAN ESCALA” teniendo como resultados finales las actividades descritas anteriormente, se puede concluir que el sitio web desarrollado servirá para dar a conocer los resultados de las demás actividades contempladas a un periodo de tres años dentro del proyecto PAPIME con clave: “PE106021”. El alumno recibio su acta de examen el 2 de diciembrte del año 2021."-
dc.description.productsDiplomado.DIPLOMADO EN APRENDIZAJE MÁQUINA Y PROFUNDO APLICADO A GRANDES VOLÚMENES DE DATOS Módulo II - Deep Learning: "El DIPLOMADO EN APRENDIZAJE MÁQUINA Y PROFUNDO APLICADO A GRANDES VOLÚMENES DE DATOS (Machine Learning y Deep Learning). PROYECTO PAPIME 2021-2022 Fué un diplomado de 90 horas; 45 horas teoría y 45 horas prácticas, a académicos y estudiantes de la ENES Morelia. El diplomado se realizará utilizando la infraestructura de red del IIES y sus servidores. El diplomado es parte del proyecto PAPIME: PE106021, “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 Informaciónen Ciencias (LTICs) en la ENES Morelia”. Los módulos que se ofrecieron son los siguientes: MÓDULO I. Aprendizaje automático (ML). 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje máquina (ML) aplicado a la Ciencia de Datos. Con los temas: 1. Inteligencia artificial y Machine Learning 2. Fases de un proyecto de ML 3. Métodos de regresión 4. Métodos de clasificación 5. Métodos de predicción 6. Aprendizaje supervisado 7. Aprendizaje no supervisado 8. Métricas Prácticas: • Clasificación usando árboles de decisión • Predicción de costos (Regresión lineal/ Regresión logística) • Algoritmo de k-vecinos más cercanos • Aprendizaje no supervisado (k-medias) • Sistema de recomendación • Predicción del clima (Regresión lineal) • Predicción de precio de autos (Regresión múltiple) MÓDULO II. Aprendizaje profundo (DL). 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje profundo (DL) aplicado a la Ciencia de Datos. Con los temas: 1. Inteligencia artificial y Deep Learning (DL) 2. Fases de un proyecto de DL 3. Redes neuronales convolucionales (CNNs) 4. Transferencia de aprendizaje 5. Redes neuronales recurrentes (RNNs) 6. Visualización y tratamiento de lenguaje natural Prácticas: • Detección de neumonía COVID-19 (CNNs) • Identificación de mosquitos (CNNs) • Clasificación de navíos (CNNs y aumento de datos) • Clasificación de imágenes de deportes (Transferencia de aprendizaje) • Detección de sarcasmo (RNNs) • Casos especiales MÓDULO III. Grandes volúmenes de datos (Big Data). 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje máquina y profundo (ML y DL) aplicado a la Ciencia de Datos a gran escala. Temas: • Grandes volúmenes de datos • Ciencia de datos • Sistemas de archivos distribuidos • Aplicación del ML y DL para grandes volúmenes de datos • Metodología para un proyecto de Big Data Prácticas: • Uso de Unidades de Procesamiento Gráfico (GPUs) • Instalación y uso de Apache Spark • Instalación y uso de HDFS • Caso especial de ML • Instalación y uso de Pytorch en Apache Spark • Retinopatía • Casos especiales"-
dc.description.productsCurso-taller.Curso de Machine Learning: Como parte del "DIPLOMADO EN APRENDIZAJE MÁQUINA Y PROFUNDO APLICADO A GRANDES VOLÚMENES DE DATOS (Machine Learning y Deep Learning)". Se ofreció el Modulo I, 6 al 15 de diciembre del 2021. Con 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje máquina (ML) aplicado a la Ciencia de Datos para académicos y estudiantes de la UNAM Campus Morelia. El diplomado se realizaró en las instalaciones del Instituto de Investigaciones en Ecosistemas y Sustentabilidad en sus laboratorios y servidores. El diplomado es parte del proyecto PAPIME: PE106021, “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”. Los módulos que se ofrecen son los siguientes: MÓDULO I. Aprendizaje automático (ML). 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje máquina (ML) aplicado a la Ciencia de Datos.-
dc.description.productsTesis.Tesis de Posgrado con aplicación del DL: "Se apoyó la titulación del ING. ULISES MARTÍNEZ COVARRUBIAS, en la Maestría en Sistemas Computacionales del TECNM campus Morelia. Cuyo nombre es: “Diseño e implementación de un sistema de detección de mosquitos basado en patrones; creación de la plataforma Web y servicios seguros”. Dierector de Tesis, Dr. HEBERTO FERREIRA MEDINA. En esta tesis se analizan los patrones de imágenes de mosquito adquiridas desde una aplicación móvil, para detectar la presencia de mosquitos Aedes aegypti y Aedes albopictus en poblaciones urbanas, que generan un problema de salud al convertirse en vectores de las enfermedades del Dengue, Zika y Chikungunya. El proyecto consistió en el desarrollo de un sistema de software REST API basado en una aplicación Web y el lenguaje Python que implementa redes neuronales convolutivas (CNN) para el Deep Learning (DL), mediante el uso de la biblioteca TensorFlow y Keras. Se utiliza un servidor Web seguro con el framework Django, el cual implementa la comunicación entre la aplicación móvil y el sistema de DL. Las funciones del servicio Web son: 1) publicar el servicio para enviar imágenes, 2) almacenarlas y clasificarlas y 3) analizar la similitud con los mosquitos. Los resultados son guardados en una base datos para su posterior consulta a través del sistema móvil o Web. Se proporciona el informe de los análisis y el porcentaje de similitud de imagen probada. La metodología utilizada en este proyecto sigue las fases; 1) almacenamiento de imágenes, 2) tratamiento utilizando DL, 3) uso de CNN, 4) uso del modelo de aprendizaje para establecer la similitud y 5) reporte de resultados. Los resultados del sistema permiten garantizar que la tecnología desarrollada es confiable en la detección de mosquitos Aedes aegypti y Aedes albopictus (porcentajes de detección alcanzados en el sistema de entre 60% y 95%), por lo que su potencial de aplicación en la industrial y sector salud es viable. Para este proyecto se utilizaron las prácticas de DL desarrolladas en el manual de prácticas de DL del proyecto."-
dc.description.productsCurso-taller. Curso de Deep Learning y Biga Data: "El MÓDULO II. Aprendizaje profundo (DL). 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje profundo (DL) aplicado a la Ciencia de Datos. Dió inicio el 17 de octubre del 2022 con los temas: 1. Inteligencia artificial y Deep Learning (DL) 2. Fases de un proyecto de DL 3. Redes neuronales convolucionales (CNNs) 4. Transferencia de aprendizaje 5. Redes neuronales recurrentes (RNNs) 6. Visualización y tratamiento de lenguaje natural Las prácticas que de desarrollaron fueron: • Sistema de recomendación (Sistema distribuido) • Predicción de precio de autos (Regresión múltiple) • Detección de neumonía COVID-19 (CNNs) • Identificación de mosquitos (CNNs) • Clasificación de navíos (CNNs y aumento de datos) • Clasificación de imágenes de deportes (Transferencia de aprendizaje) • Detección de sarcasmo (RNNs) • Casos especiales La herramientas que se utilizaron fueron; Anaconda, Python, Scikit-Learn, Matplotlib, Dask, PyTorch, fast.ai 2, TensorFlow, Keras, HDFS, entre otras. MÓDULO III. Grandes volúmenes de datos (Big Data). 30 horas (15 teoría y 15 práctica). Teoría y práctica para la mejora de la enseñanza del aprendizaje máquina y profundo (ML y DL) aplicado a la Ciencia de Datos a gran escala. Los temas fueron: • Grandes volúmenes de datos • Ciencia de datos • Sistemas de archivos distribuidos • Aplicación del ML y DL para grandes volúmenes de datos • Metodología para un proyecto de Big Data Prácticas: • Uso de Unidades de Procesamiento Gráfico (GPUs) • Instalación y uso de frameworks para cómputo distribuido • Instalación y uso de almacenamiento distribuido • Casos especiales de ML • Instalación y uso de un framework para GPU • Ejemplos; Retinopatía, Detección de mosquitos, etc."-
dc.description.productsTesis.Tesis de licenciatura, manual de prácticas de ML para estudiantes: "El proyecto de tesis titulado ""Manual de prácticas para la mejora de la enseñanza del aprendizaje máquina aplicado a la Ciencia de Datos a gran escala"", presentados como INFORME FINAL para obtener el Título de Licenciada en Tecnologías para la Información en Ciencias. Presentado por la alumna Mariana Michell Flores Monroy. Su tutor es el Dr. Sergio Rogelio Tinoco Martínez y Co-tutor el Dr. Heberto Ferreira Medina. El documento que fué leído y aprobado por el comité de sinodales, tendrá su defensa el próximo 28 de abril del año 2023. Este trabajo forma parte del proyecto PAPIME titulado “Propuesta de mejora a la enseñanza del aprendizaje automático aplicado a la Ciencia de Datos a gran escala”, con el número de proyecto PE106021. Se propone la elaboración de un manual de prácticas para estudiantes del nivel licenciatura, que ayude a mejorar el conocimiento del Machine Learning (ML) y su aplicación en la ciencia de datos a gran escala (Big Data). El proyecto estará basado en diseñar, construir e implementar una guía de prácticas dirigida a los estudiantes a partir de sexto semestre en adelante de la Licenciatura en Tecnologías para la Información en Ciencias (LTICs) o de otras licenciaturas de la ENES Morelia que cuenten con los conocimientos básicos del ML. Para realizar dicho proyecto, se tomaron en cuenta la opinión de estudiantes y docentes de las diferentes licenciaturas, dentro de la ENES Morelia, con respecto a cuáles temas son los que consideran de mayor importancia y que se deben impartir dentro de las materias que utilizan el aprendizaje automático dentro del plan de estudios de la LTICS. El objetivo general es mejorar la formación académica de los estudiantes dentro de la LTICS, así como mejorar la calidad de la enseñanza de este tema por parte de los docentes. Las prácticas realizas a lo largo de este proyecto (como libretas de JupyterLab) se encuentran en el siguiente repositorio en la plataforma GitHub: https://github.com/MichellMonroy/Practicas-ML."-
dc.description.productsTesis.Tesid de lcienciatura con ML aplicado: "Se apoyó la TITULACIÓN INTEGRAL POR PROYECTO DE INVESTIGACIÓN del estudiante OSE LUIS MAGALLAN ALATORRE con el títuo HIGIENE DE CIBERSEGURIDAD UTILIZANDO HERRAMIENTAS DE MACHINE LEARNING PARA EL INSTITUTO DE INVESTIGACIONES EN ECOSISTEMAS Y SUSTENTABILIDAD (IIES, UNAM). Asesor Dr. HEBERTO FERREIRA MEDINA. En estya tesis se presenta el concepto de higiene en la ciberseguridad, que es una actividad que forma parte de la protección de los datos, tanto para los usuarios, como los que se almacenan en servidores de red, debe considerarse también el monitoreo y control de amenazas a todos los equipos que conforman la red de una institución pública o empresa privada. Estas actividades deben apegarse a los estándares de limpieza en ciberseguridad, desde la seguridad en la parte física (espacios o sites de alojamiento), el endurecimiento de servicios (hardening) y hasta la administración del hardware y software en servicios de red. Para garantizar la seguridad en cualquier empresa o institución que haga uso de las Tecnologías de la Información y Comunicaciones (TICs), se recomienda tener en cuenta las buenas prácticas propuestas por la comunidad informática, incluyendo estándares de seguridad de la información, se recomienda seguir una metodología ya establecida para lograr mejores resultados. El objetivo de esta tesis es mantener el control de la seguridad de la información ante amenazas empleando herramientas de Machine Learning (ML), para el análisis y limpieza de logs de monitoreo (datasets), que surgen de la recopilación de información de los servicios de red y de la aplicación de métodos de análisis; como la regresión lineal y otros métodos del aprendizaje no supervisado. Para lograr lo antes mencionado se propone un sistema de gestión de la seguridad informática, que sigue las normas de la familia ISO 27000, para mantener el control de la seguridad, la utilización adecuada del software y hardware dedicados a la seguridad de la información y además de la administración de las herramientas de control de amenazas para este propósito. Se utilizaron las prácticas desarrolladas en manual de ML para lograr este objetivo. Su examen de grado se realizó el 10 de febrero de 2023."-
dc.description.productsTesis.Tesis de licenciatura, manual de prácticas de DL para estudiantes: "El manual de prácticas de DL y Big Data propuesto para la titulación del alumno Bruce Hiram Ginori Rodríguez, con número de cuenta 417008893 de la LTICS. Fué aprobado en la 7ª sesión extraordinaria del Comité Académico de la Licenciatura en Tecnologías para la Información en Ciencias de esta Escuela Nacional de Estudios Superiores Unidad Morelia, celebrada el día 29 de abril 2022, se aprobó el registro de la opción de titulación por Actividad de Apoyo a la Docencia, cuyo trabajo lleva por título: “Manual de prácticas para la mejora de la enseñanza del aprendizaje profundo aplicado a la Ciencia de Datos a Gran Escala”. También se aprobó la asignación del Tutor: Dr. Sergio Rogelio Tinoco Martínez, Técnico Académico Titular A de Tiempo Completo, Escuela Nacional de Estudios Superiores Unidad Morelia de la UNAM y como co-tutor al Dr. Heberto Ferreira Medina Técnico Académico Titular B de Tiempo Completo, definitivo del Instituto de Investigaciones en Ecosistemas y Sustentabilidad de la UNAM. Este trabajo forma parte del proyecto PAPIME PE106021, en este se hace una propuesta para la elaboración de un manual de prácticas a nivel licenciatura para curso de Deep Learning (DL) y Big Data. Esto con el propósito de implementar prácticas dirigidas a los estudiantes de la Licenciatura en Tecnologías para la Información en Ciencias de la ENES Morelia. El desarrollo de este manual y su contenido se adaptará a las necesidades del alumnado expuestas a través de una encuesta realizada a las diferentes carreras de la ENES. El docuemnto de tesis lleva un avance significativo y se titene como fecha probable en noviembre del 2023."-
dc.description.productsTesis.Tesis de lcienciatura con ML aplicado: Se está dando apoyo al alumno David Calderónn Ceja, para terminación de estudios de LTICS de la ENES Morelia, UNAM. Se asesoró con el desarrollo del protocolo para titulación con el nombre de ""Detección de mosquitos Aedes Aegipty y Aedes Albopictus (vectores del virus del dengue) en zonas urbanas utilizando aprendizaje profundo y un framework de adquisición de datos"". Protocolo de Tesis. Asesor: Dr. Sergio Rogelio Tinoco Martínez y Coasesor el Dr. Heberto Ferreira Medina. Este trabajo forma parte del proyecto PAPIME con clave del proyecto PE106021 Nombre del proyecto: ”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”..Se enfoca en la detección de casos de dengue en la zona urbana de Morelia, de los cuales los mosquitos de la familia Aedes Aegypti y Aedes Albopictus son los principales agentes de transmisión de las enfermedades del dengue, zika y chikungunya que se convierten en un problema de salud pública.Se propone mejorar un modelo de detección basado en aprendizaje profundo, modelo desarrollado previamente, para obtener una mejor precisión en la detección de osquitos (vectores de infección), en imágenes adquiridas con dispositivos móviles utilizando una aplicación desarrollada para tal fin. Se desarrolla un modelo de detección utilizando un conjunto de datos de imágenes de mosquitos obtenidas en bases de datos y repositorios públicos. La finalidad es establecer una forma más eficiente de tratar los vectores de infección de las enfermedades producidas por el Aedes Aegipty y el Aedes Albopictus en la zona urbana de Morelia. Esta tesis utilizará el manual de prácticas de DL y Big Data desarrollado en este proyecto. El protocolo se encuentra en proceso de aprobación por parte del comité técnico de la LTICS de la ENES campus Morelia, UNAM.-
dc.description.productsEncuesta.Encuesta en línea: "Utilizando la plataforma de e-encuesta se tiene hasta el momento la participación de 180 estudiantes y académicos de cuatro universidades; UNAM, UdeG, UTM y TECNM campus Morelia. Con esta información se logró establecer la áreas de oportunidad para elaborar el contenido de los manuales de ML, DL y Big Data. Con la realización de este diagnóstico se identificaron las necesidades académicas de los profesores y alumnos, relacionadas a los temas de aprendizaje automático (ML), aprendizaje profundo (DL) y Big Data que son aplicados en la ciencia de datos. También ayudó al diseño de los cursos de capacitación, que permiten mejorar las habilidades prácticas en el uso de herramientas de inteligencia artificial. Con esta información se desarrollaron los temas de las páginas Web, que muestran los resultados del proyecto y cursos de capacitación."-
dc.description.productsArtículo en memoria.Artículo científico para congreso: Se elaboró un artículo cientítfico y se publicó en una revista internacional especializada, en el congreso Internacional "IntelliSys 2022", con el título del artículo "How to Improve the Teaching of Computational Machine Learning Applied to Large-Scale Data Science: The Case of PublicUniversities in Mexico", siendo publicado en septiembre del 2022. El artículo describe como la enseñanza en conjunto con la capacitación del aprendizaje automático (ML) y el Big Data en universidades de México se ha convertido en una necesidad que requiere de la aplicación de cursos, manuales y prácticas que permitan la mejora en el aprendizaje de la Ciencia de Datos (DS) y de la Inteligencia Artificial (IA). En este se muestra cómo la academia y la industria de las tecnologías de información utilizan herramientas para el análisis de grandes volúmenes de datos en la toma de decisiones de problemas reales, que son difíciles de tratar e interpretar directamente. Se busca una solución del cómo se pueden resolver problemas nacionales de gran envergadura a través de la inclusión de estos temas en las asignaturas afines, dentro de las diferentes áreas de profundización del conocimiento que las universidades ofertan. La metodología utilizada en este artículo es la siguiente: 1) selección de los temas y herramientas necesarios para el ML y el Big Data, 2) diseño de prácticas aplicadas a problemas reales y 3) implementación y/o aplicación de dichas prácticas en un manual. Se muestran los resultados de una encuesta aplicada a académicos y estudiantes que ya han tomado cursos afines, además de los temas que los cursos propuestos y las prácticas buscarán fortalecer, desarrollando las competencias que se necesitan para la solución de problemas en donde el ML y el Big Data son una alternativa real. Se muestra cómo se diseño el diplomado y su aplicación a través de la práctica, resultando con esto una intervención exitosa en la LTICS de la ENES UNAM.-
dc.description.productsPágina WEB .Página web para la divulgación de casos reales: "Se desarrolló una página Web que muestra los resultados del proyecto de intervención, esta divulga y difunde la aplicación del ML y DL en casos reales, mediante la utilización de prácticas en ciencia de datos. La página Web en funcionamiento puede observarse en: http://www.escuelamldl.enesmorelia.unam.mx/index.php/es/. La página contiene los recursos siguientes: - Carrusel de bienvenida y novedades - Responsables del proyecto (Managers) - Galeria de recursos (Gallery) - Formulario de incripción a cursos de capacitación (Courses) - Recursos y materiales de los cursos ofrecidos (Resources) - Formulario de contacto para dudas y opiniones (Contact) La página fue desarrollada utilizando el administrador de contenidos ""Joomla"", sobre un servidor Linux y una base de datos en MySQL mostrando en esta la información más relevante de los cursos y talleres ofrecidos durante el proyecto PAPIME. Cuenta con el plug-in PhocaGallery que permite administrar los recursos y sus descargas. De acuerdo con el administrador de la página esta tiene un total de 238 hits o búsquedas de información. De los recursos de descarga se observa que tuvieron los siguientes números de acccesos (hits): - Big Data (Alias:big-data) 91 hits - Deep learning (Alias:deep-learning) 49 hits - Machine learning (Alias:machine-learning) 98 hits"-
dc.description.productsPágina WEB.Página web para la divulgación: "Para la administración y seguimiento de los cursos talleres en el diplomado, se desarrollaron 2 páginas de clases (en la plataforma de Google Classroom), las cuales tuvieron los siguientes números de usuarios: 1.- Curso taller de ML. Se desarrollaron 5 prácticas, con un total de 18 participantes; 7 académicos y 11 estudiantes. https://classroom.google.com/u/1/c/NDM3MzU4MTI0MjE4 2.- Curso taller de DL y Big Data. Se desarrollaron un total de 5 prácticas. Se tuvieron en total 22 participantes; 5 académicos y 17 estudiantes. https://classroom.google.com/u/1/c/NDg4NzY0OTcwMTUz"-
dc.description.objectivesAchievedDe acuerdo con la propuesta de enseñanza, los objetivos que se cumplieron se enumeran a continuación (se coloca el procentaje logrado y probatorio): 1. Se realizó un diagnóstico que permitió identificar las necesidades académicas de profesores y alumnos de LTICs, para conocer el estado del conocimiento sobre los temas de aprendizaje automático (ML) y aprendizaje profundo (DL) que son aplicados en la ciencia de datos. 100%. Artículo científico. 2. Se construyó un cluster básico de computadoras (virtualización) que permitió realizar las prácticas utilizando herramientas de ML y DL para atender las necesidades de los cursos del diplomado. 100%. Imágenes del equipo y sistema de virtualización. 3. Se diseñaron los cursos de capacitación para el ML, para estudiantes y personal académico, lo cual les permitió mejorar sus habilidades prácticas en el uso de herramientas de inteligencia artificial. 100%. Diplomas de participantes. 4. Se diseñaron los cursos de capacitación con el tema de DL y Big Data, para estudiantes y personal académico. lo cual les permitió mejorar sus habilidades practicas en el uso de herramientas de inteligencia artificial aplicadas a problemas reales en el Big Data. 100%. Diplomas de participantes. 5. Se diseñaron los manuales con los temas y prácticas que conformaron los cursos de ML y DL, que permitieron fortalecer las habilidades prácticas de los profesores y los alumnos de la LTIC´s. 100%. Manuales de práctica de ML, DL y Big Data. 6. Se desarrolló una página Web que muestra los resultados de las etapas del proyecto, que divulga y difunde la aplicación del ML y DL en casos reales utilizando la ciencia de datos. 100%. http://www.escuelamldl.enesmorelia.unam.mx/ 7.Se logró 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. 100%. Resultados de la encuesta publicados en un artículo científico. 8. Se alaboró un artículo científico que permtió difundir la experiencia de la aplicación de la ciencia de datos en la LTIC´s, fué presentado y publicado en memorias de un congreso internacional. 100%. Articulo en revista indexada. 9. Se ofrecieron cursos de actualización docente a traves del programa PASD para acádemicos de la ENES y otras dependencias de la UNAM, en donde se utilizaron los manuales de prácticas. 100%. Diplomas del PASD. 10. Se logró la formación de recursos humanos mediante la titulación de 1 estudiante de posgrado y 3 estudiantes de licenciatura apoyados por el proyecto. 11. Se logró fimar un convenio de colaboración con la Maestría en Ciencia de Datos de la Universidad de Guadalajara para colaborar con artículos de investigación, cursos de actualización y formación de recursos humanos. 100%. Convenio de colaboración 2023 entre las universidades: UdeG, UNAM y Tecnológica de Morelia.-
dc.description.outcomesSe apoyó a 26 estudiantes y 13 académicos de la UNAM campus morelia, durante el desarrollo del Diplomado. Se logró la actualización docente de 11 académicos de la UNAM Morelia y 10 académicos del TECNM campus Morelia (Aprobados). La encuesta aplicada a los estudiantes y académicos de la ENES-UNAM, mostrá la mejora en 43 personas. El diplomado ofrecido a traves del IIES y plataformas de la UNAM, para estudiantes y profesores durante los años de 2021 y 2022, ayudó a mejorar los manuales de prácticas para los cursos de ML, DL y Big Data Los cursos de actualización docente para el personal académico y estudiantes en los temas de ML, DL y Big Data y sus herramientas, pertmitieron que l página Web tuviera 238 acesos de usuarios, quiénes descargaron material para los cursos. El artículo científico publicado en el congreso internacional en 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, reserach gate), mostrando la calidad de la intervención y que puede ser utilzada en otras universidades. Se logró apoyar la titluación 1 estudiante de posgrado, 3 estudiantes de licenciatura y 2 estudiantes en proceso de tiutlación. Con el convenio de colaboración con la MCD de la UdeG para el aprendizaje en ML, DL y Big Data, permitirá aplicar los manuuales de prácticas en otras universidades a través de intervenciones futuras.-
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.