mdelpilartejoneroalvarez@lasallebuenconsejo.es
Forum Replies Created
-
Posts
-
Los modelos de aprendizaje automático adquieren conocimientos al reconocer patrones en los datos de entrenamiento. Cuando procesan estos datos, ajustan sus parámetros internos con el fin de reducir los errores, lo que les permite hacer predicciones más precisas sobre datos nuevos. La variedad de datos, que incluye ejemplos con diferentes condiciones (como iluminación y ángulos), mejora la exactitud del modelo, permitiéndole identificar patrones en diversos escenarios. Sin embargo, si los datos no son variados, los modelos pueden volverse sesgados y realizar predicciones imprecisas o injustas. En cuanto a la ética, el uso de datos estudiantiles en el aula plantea preocupaciones sobre la privacidad y el posible mal manejo de información sensible. Integrar los conceptos de ciencia de datos e IA/ML en la educación STEAM puede promover el pensamiento crítico, la responsabilidad cívica y el uso ético de la inteligencia artificial.