Recuerda:
¡Las predicciones de calidad necesitan datos de calidad!
Conjunto de datos de calidad
Encuentra
patrones
correctos
¡Predicción de calidad!
¡Acciones o decisiones correctas!
¿Recuerdas qué hace que un conjunto de datos sea de calidad?
- Muchos datos
- Precisos
- Junta tu problema con tu solución
- Diferentes ejemplos de datos
- El tipo correcto de datos
- Tienes permiso para utilizarlos
¡ES HORA DE QUE EMPIECES A ENTRENAR TUS DATOS!
Ya deberías de haber recopilado tus datos... ¡o al menos haber empezado!
YA SEA...
Tus propios datos de entrenamiento de tu comunidad
y/ó
Datos recogidos por sensores o por el usuario
y/ó
Datos recogidos de bases de datos públicas
Haz clic en el nombre de una plataforma para obtener más información y probar algunos tutoriales.
- Tren imágenes, sonidos o poses
Conecta dispositivos para capturar datos de sensores
Aquí tienes tres tutoriales para probar Teachable Machine utilizando diferentes tipos de datos.
- Clasificación de imágenes conplátanos
- Clasificación de sonidos con chasquidos, palmadas y silbidos
- Clasificación de poses para detectar la inclinación de la cabeza
- Entrenarimágenes, sonidos, texto o números.
- Hacer una proyecto de Scratch o Python
- O una aplicación móvil con App Inventor
Este video es un ejemplo de un equipo de Technovation que utilizó "Machine Learning for Kids" para crear una aplicación móvil para clasificar residuos biomédicos.
¡PRUÉBALO TÚ MISMA!
En este video, mira cómo tomar el conjunto de datos públicos Iris de la Unidad 6 y entrenarlo utilizando "Machine Learning for Kids".
Entrena imágenes, sonidos, ó
poses- Con tu conjunto de datos entrenados puedes crear una aplicación móvil que utilice IA.
¿QUIERES PROBARLO?
En este video, vea cómo puede utilizar el clasificador deApp Inventor para entrenar un conjunto de datos de imágenes. Este conjunto de datos clasifica frutas sanas frente a frutas enfermas.
ACTIVIDAD: ENTRENA TU MODELO
- Elige la herramienta de IA que quieres utilizar para tu proyecto de Technovation.
- Añade tus ejemplos.
- Entrena y prueba tu modelo de IA.
Consejo de los mentores
Buenas prácticas: Entrenar modelos es difícil. Incluso Google se equivoca. Su IA estaba entrenada, pero, ¡aún así empezó a dar resultados erróneos! No te rindas.
Preguntas orientativas para estudiantes: ¿Qué grado de precisión quieres que tenga tu modelo de IA? Si no puede ser 100 % preciso, ¿qué respuesta sería aceptable? ¿El 80 % de las veces? ¿Depende eso del riesgo que conlleva el uso que le des al modelo? Por ejemplo, los coches autónomos tienen que ser bastante precisos, ya que, de lo contrario, podrían causar daños a alguien, pero los resultados de búsqueda de Google parecen tener un nivel de exigencia mucho menor.
Los consejos de los mentores se proporcionan gracias al apoyo de AmeriCorps.
