Aprendiendo a Entrenar un Modelo

Insignia otorgada a

Antivero Andrés Oscar

Emitida el 01 dic 2025 por

Ministerio de Educación Ciudad Autónoma de Buenos Aires

Vence: 01 dic 2026

Revalidar insignia

La Dirección General Agencia de Habilidades para el Futuro, perteneciente al Ministerio de Educación de la Ciudad Autónoma de Buenos Aires, tiene la misión de promover, implementar y evaluar políticas y programas que brinden oportunidades educativas de calidad y fomenten el aprendizaje continuo para que jóvenes y adultos mejoren sus condiciones de empleabilidad. El Centro de Simulación es un espacio de formación con tecnología avanzada que integra simuladores, realidad virtual y herramientas digitales para preparar a personas de distintos niveles educativos y sectores en habilidades clave para el mundo laboral. Su enfoque innovador combina práctica y tecnología para responder a los desafíos del trabajo del futuro. Este módulo práctico se enfoca en el primer paso crítico de la Inteligencia Artificial (IA): la preparación y comprensión de los datos. Los estudiantes simularán el rol de un científico de datos, aprendiendo a diferenciar entre población y muestra, clasificar variables y, fundamentalmente, a cargar, manipular y visualizar datos utilizando herramientas profesionales como Python y Pandas dentro de un entorno de Google Colab. Entenderán los pasos que se deben seguir para la creación de un modelo de inteligencia artificial. La calidad del modelo de IA depende directamente de la calidad y el entendimiento de los datos. Este desafío sienta las bases estadísticas y de programación necesarias, asegurando que los estudiantes comprendan la estructura y los patrones subyacentes antes de pasar al entrenamiento de modelos. Es crucial para el desarrollo de la Competencia de IA del laboratorio. Dirigido a participantes que hayan realizado cursos introductorios del Laboratorio de IA y Datos del Centro de Simulación, o a quienes cuenten con conocimientos previos mínimos en la temática. La propuesta es presencial y se desarrolla en 2 encuentros de 3 horas cada uno.

#Básico #CienciadeDatos #EstadísticaDescriptiva #GoogleColab #InteligenciaArtificial #Learning #Machine #Pandas #Python

Emisor

Ministerio de Educación Ciudad Autónoma de Buenos Aires

micro.credenciales@bue.edu.ar

El Ministerio de Educación crea, promueve y ejecuta políticas educativas en sus niveles inicial, primario, secundario y superior, que conformen un sistema educativo único e integrado.

Criterios

El enfoque será práctico, invertido y comparativo. La clase inicia con una activación de la lógica sin tecnología, donde se abordan los fundamentos teóricos: aplicación de estadística, programación, matemática y bases de datos, además de la clasificación de datos necesaria para la creación de un modelo de inteligencia artificial. Luego, se introduce el entorno digital a través de Python básico y Google Colab, vinculando el uso de librerías con la base de datos que los estudiantes importan para el tratamiento de datos, su entrenamiento y la creación del modelo.

Posteriormente, se realiza una implementación práctica guiada mediante Pandas para la carga y manipulación de datos, explorando primeras filas, estadísticas simples y visualizaciones con Matplotlib/Seaborn. Finalmente, en la instancia de conclusión y conexión, los estudiantes comparan los patrones detectados manualmente con los obtenidos por Python, comprendiendo el valor de la automatización en el análisis de grandes volúmenes de datos. Se fomenta además el debate sobre la importancia de la preparación de los datos para el desarrollo de modelos de Machine Learning.

CONTENIDOS A DESARROLLAR EN LAS UNIDADES TEMÁTICAS

I. Fundamentos de Datos y Simulación

Conceptos Estadísticos: Población vs. Muestra.
Variables: Cualitativas y Cuantitativas.
Base de Datos: importancia de base de datos en modelos de IA.
Programación: Concepto de algoritmo.

II. Introducción a Python para Datos

Python Básico: Variables, tipos de datos, listas y diccionarios como contenedores de datos.
Google Colab: Entorno de trabajo e interfaz.

III. Manipulación y Exploración de Datos

Librería Pandas: Concepto de DataFrame. Carga de datos (simulados) a un DataFrame.
Manipulación Básica: con el uso de las librerías pandas y numpy.
Estadística Descriptiva: para la creación del modelo de IA.

IV. Visualización de Datos

Gráficos Sencillos: Uso de Matplotlib/Seaborn para generar gráficos básicos (ej. histogramas, gráficos de barras) para entender la distribución y relaciones de las variables.

OBJETIVOS DE APRENDIZAJE

● Diferenciar entre los conceptos de población y muestra en el contexto del entrenamiento de un modelo de IA.

● Clasificar variables cualitativas y cuantitativas dentro de un conjunto de datos dado.

● Simular manualmente la organización de datos para identificar patrones lógicos.

● Utilizar el entorno de Google Colab para ejecutar código Python.

● Cargar y manipular un conjunto de datos ficticio usando la librería Pandas.

● Explorar la estructura básica de un DataFrame y obtener estadísticas descriptivas iniciales.

● Visualizar datos mediante gráficos sencillos para identificar tendencias y patrones.

● Crear un modelo de inteligencia artificial, entendiendo la aplicación de las distintas áreas interdisciplinarias en el Machine Learning.

EVALUACIÓN Y ACREDITACIÓN

La evaluación se basará en la participación activa en la simulación manual de clasificación de datos, la entrega del notebook de Google Colab que demuestre la correcta carga, exploración y visualización del conjunto de datos, y un análisis —escrito o verbal— de los patrones encontrados, justificando la selección de variables y comprendiendo los pasos involucrados en la creación del modelo predictivo.