Este documento presenta una introducción al aprendizaje automático (machine learning) para niños, definiendo conceptos básicos como supervisado, no supervisado y por refuerzo. Propone utilizar herramientas como Scratch 3.0 y Machine Learning for Kids para explicar conceptos a través de un juego serio sobre números pares e introducir niños al machine learning de manera lúdica. Finalmente, recomienda recursos adicionales para que niños y adolescentes exploren esta área.

1. Machine Learning para Wawas
Facultad de Energía
1Carrera de Ingeniería en Sistemas/Computación
2Grupo de Investigación en Tecnologías de la Información y Comunicación
3Red Académica SINERGIA
Carla Troya-Capa1, Luis Mocha-Brito1 & Luis Chamba-Eras1,2,3
{citroyac,lgmochab,lachamba}@unl.edu.ec
@lachamba

2. ¿Quién soy?
2
[Créditos Ainhoa]

3. Agenda
1.Motivación y contexto
2.Definiciones
3.Manos a la obra
3

4. 1. Motivación y contexto

5. Expectativa:

6. Nacionalidades y Etnias del Ecuador

7. Realidad:

8. Kichwa o quichua

9. Motivación: Los “Wawas”

10. Motivación: Escenario 1

11. Motivación: Escenario 2

12. Motivación: Escenario 3

13. Desarrollar el pensamiento computacional en
niño(a)s y fomentar carreras STEM en niño(a)s

14. ¿Será así nuestro sistema educativo en todos
los niveles?

15. ProFuturo, UNESCO y expertos en Inteligencia
Artificial “Inteligencia Artificial en Educación: retos
y oportunidades para el desarrollo” (4-8/03/2019)
https://profuturo.education/la-mobile-learning-week-2019-de-la-unesco-avala-el-modelo-de-educacion-digital-de-profuturo/

16. “Artificial intelligence in education: challenges and
opportunities for sustainable development”
https://unesdoc.unesco.org/ark:/48223/pf0000366994

17. https://profuturo.education/infografia-conoces-los-seis-retos-de-la-inteligencia-artificial-aplicada-a-la-educacion/

18. Contexto
• Emprendimientos tecnocreativos. Creatividad y tecnología, ¿aliados o
enemigos? (BID, septiembre 2019).
• 50 Emprendimientos: Inteligencia Artificial y Machine Learning (24).
• Inversión al 2025 aumentará en un 20 %, 232.000 millones de dólares.
• Según el BID, Chile, Colombia, Perú y Brasil, serán los más beneficiados (85
%).
• La inteligencia artificial impactará en un 5 % el PIB.
[https://publications.iadb.org/es/emprendimientos-tecnocreativos-creatividad-y-tecnologia-aliados-o-enemigos]

19. Contexto

20. Contexto

21. Contexto

22. Contexto

23. Ministerio de Educación: Educación General
Básica

24. 2. Definiciones

25. ¿Qué es la Inteligencia Artificial (IA)?

26. Can machines think?
https://www.csee.umbc.edu/courses/471/papers/turing.pdf

27. John McCarthy (1956)

28. IA: Definición 1.
“es la simulación de procesos de inteligencia
humana por parte de máquinas (SW/HW). Estos
procesos incluyen el aprendizaje (la adquisición de
información y reglas para el uso de la información),
el razonamiento (usando las reglas para llegar a
conclusiones aproximadas o definitivas) y la
autocorrección”
https://searchdatacenter.techtarget.com/es/definicion/Inteligencia-artificial-o-AI

29. Inteligencia
Artificial
Débil
Fuerte
IA: Tipos de acuerdo al fin de la investigación

30. Ramas
Machine Learning
Visión por
Computador
Procesamiento de
Lenguaje Natural
Robótica
IA: Ramas

31. IA en la educación
https://www.iberdrola.com/wcorp/gc/prod/es_ES/comunicacion/docs/Infografia_inteligencia_artificial.pdf

32. IA: Machine Learning

33. Origen
•Arthur Samuel en 1959, en su trabajo “Some
Studies in Machine Learning Using the Game of
Checkers” propone dar a las computadoras la
habilidad de aprender sin ser explícitamente
programadas.

35. Definición 0:
MACHINE LEARNING =
ETIQUETAR COSAS = CLASIFICAR
COSAS

36. Definición 1:
•“Machine Learning es un nueva forma de
programación, una nueva manera de comunicar
nuestros deseos y experiencias a una máquina,
una forma de explicar con ejemplos, no con
instrucciones”.

37. ¿Qué es el Machine Learning?
“Machine Learning es la rama
de la IA cuyo fin es conseguir
que una máquina actúe sin
programación, sino que permita
generalizar comportamientos a
partir de una información
suministrada en forma de
ejemplos”

38. ¿Qué es el Machine Learning?

39. Principales tipos de Machine Learning
1.Supervisado
2.No supervisado
3.Por refuerzo

40. Supervisado
https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico-6413e3c615e2

41. Supervisado
• Con etiquetas

42. Supervisado

43. Supervisado

44. No supervisado
https://medium.com/soldai/tipos-de-aprendizaje-autom%C3%A1tico-6413e3c615e2

45. No supervisado
• Sin etiquetas

46. No supervisado

47. No supervisado

48. Principales algoritmos:

49. Scratch 3.0
“Scratch es un lenguaje visual
desarrollado por el MIT y que,
basándose en bloques que se
unen a modo de puzzle, supone
un modo sencillo de aprender
sobre programación”
https://www.xataka.com/especiales/ensenar-programacion-a-nino-scratch-cero-consejos-tutoriales-videos

50. https://scratch.mit.edu/

51. Machine Learning for Kids
“Machine Learning for Kids, es una
herramienta libre basada en la Web
desarrollada por Dale Lane que usa los
APIs de IBM Watson, utilizada en
escuelas, colegios o clubes de
programación, para el entrenamiento de
modelos de Machine Learning por niños”

52. Machine Learning for Kids
https://machinelearningforkids.co.uk/

53. Machine Learning for Kids

54. 3. Manos a la obra

55. ¿Cómo explicarías a un niño los
conceptos básicos del Machine
Learning?

56. 1. ¿Cómo explicarías a un niño de Educación
General Básica el Machine Learning?
𝑦 = 𝑚𝑥 + 𝑏

57. ¿Cómo aprende una máquina?

58. Modelo básico que usa el Machine Learning
𝑦 = 𝑚𝑥 + 𝑏
De donde:
• Función lineal
• Variable dependiente: y
• Pendiente: m
• Variable independiente: x
• Constante (intersección): b

59. Modelo básico que usa el Machine Learning
f(𝑥) = 𝑚𝑥 + 𝑏
De donde:
• Función lineal.
• En función de x

60. Función lineal:

61. http://fooplot.com

62. https://www.mathway.com/es/Graph

63. https://www.geogebra.org/graphing?lang=es

64. https://www.wolframalpha.com/input/?i=plot
+2x+%2B+3

65. Extrapolar para comprender los conceptos
básicos del Machine Learning

66. Regresión lineal

67. 2. Scratch 3.0 + Machine Learning for Kids
Juego serio: “Aprendizaje de los números pares del 1
al 10”

68. Machine Learning for Kids

69. Machine Learning for Kids

70. Machine Learning for Kids

71. Machine Learning for Kids

72. Machine Learning for Kids

73. Scratch

74. Scratch + Machine Learning for Kids

75. Scratch

76. Interfaz del juego

77. Machine Learning para todos
• Lista de MOOC relacionados al machine learning para completar
formación informáticos/no informáticos:
• https://miriadax.net/web/introduccion-al-machine-learning-8-edicion-
(Introducción al Machine Learning).
• https://www.edx.org/course/aprendizaje-automatico-y-ciencia-de-datos
(Aprendizaje automático y ciencia de datos).
• https://www.edx.org/course/machine-learning-aprendizaje-automatico-con-
python (Machine Learning (aprendizaje automático) con Python: una
introducción práctica).
• https://www.edx.org/course/introduccion-a-la-inteligencia-artificial
(Introducción a la Inteligencia Artificial).
• https://www.elementsofai.com/ (Gobierno de Finlandia, curso abierto sobre
las bases de la Inteligencia Artificial).

78. Machine Learning para niños y adolescentes
• Machine Learning for kids, https://machinelearningforkids.co.uk/,
http://code.intef.es/inteligencia-artificial-en-el-aula-con-scratch-3-0/,
• Developing Computational Thinking at School with Machine Learning: An exploration,
https://www.researchgate.net/publication/337474585_Developing_Computational_Thin
king_at_School_with_Machine_Learning_An_exploration
• Machine Learning for Middle Schoolers,
https://writings.stephenwolfram.com/2017/05/machine-learning-for-middle-schoolers/
• Machine Learning for everyone, https://teachablemachine.withgoogle.com/
• Machine Learning for Kids, https://www.ibm.org/activities/machine-learning-for-kids
• AI and Machine Learning for Kids – Resources, https://www.mq.edu.au/about/about-the-
university/faculties-and-departments/faculty-of-science-and-engineering/departments-
and-centres/department-of-computing/2019-department-of-computing-teacher-
professional-development-
courses/resources/AI_and_Machine_Learning_for_Kids___Resources.pdf

79. “Siembra en los niños ideas buenas
aunque no las entiendan... Los años
se encargarán de descifrarlas en su
entendimiento y de hacerlas
florecer en su corazón”
María Montessori

80. Contactos
• Correo electrónico: lachamba@unl.edu.ec
• Twitter: @lachamba @giticUNL @SinergiaUNL @UNLoficial
• URL transparencia: https://es.slideshare.net/lachamba
80

81. XXI CONGRESO DE BIBLIOTECARIOS DEL ECUADOR
Muchas gracias por su atención
https://sinergiaunl.org/
http://www.gitic.org https://unl.edu.ec/