Proyectos Prácticos de Inteligencia Artificial para Principiantes

La Sociedad Internacional de Tecnología para la Educación (ISTE) se dedica a mejorar la educación con tecnología. Es una organización global sin fines de lucro.¹ Ayuda a acelerar el uso de la tecnología en el aula y resolver problemas complicados.

En esta guía, veremos proyectos de IA para estudiantes de K–12. Estos proyectos fueron elegidos especialmente por educadores.¹ También se dan estrategias para maestros que quieren incluir tecnología en sus clases.

Los proyectos ayudan a los alumnos a explorar la inteligencia artificial, el aprendizaje automático, la visión artificial, el procesamiento de lenguaje natural y las redes neuronales.

Puntos Clave

• La ISTE presenta proyectos de IA dirigidos a estudiantes y estrategias para que los maestros los implementen en el aula.
• Los proyectos cubren diferentes aspectos de la IA, como aprendizaje automático, visión artificial y procesamiento de lenguaje natural.
• Estos proyectos prácticos permiten a los principiantes adquirir experiencia y desarrollar habilidades en el campo de la inteligencia artificial.
• Los proyectos incluyen desde el reconocimiento de dígitos escritos a mano hasta la detección de enfermedades y la predicción de ingresos de taquilla.
• Estos proyectos fomentan el aprendizaje activo y la aplicación de conceptos teóricos en problemas reales.

¿Qué es el aprendizaje automático?

El aprendizaje automático es una parte de la inteligencia artificial. Se dedica a analizar datos para encontrar similitudes y patrones. Así, puede hacer predicciones acertadas.² Hoy en día, muchas empresas utilizan el machine learning en todas sus áreas. Esto les ayuda a tomar decisiones basadas en datos.

Definición y conceptos clave

Este campo se enfoca en hacer sistemas informáticos que aprendan solos. Usan algoritmos y modelos matemáticos para mejorar sin necesidad de órdenes directas.³ En el aprendizaje automático hay distintos tipos de enfoques. Los más conocidos son el aprendizaje supervisado, el aprendizaje no supervisado y el aprendizaje por refuerzo.

Importancia del aprendizaje automático

La gran utilidad del aprendizaje automático viene de su capacidad para manejar y entender grandes volúmenes de datos.²³ Con esto, puede identificar tendencias y hacer recomendaciones valiosas. Por eso, se usa mucho en campos como inteligencia artificial y procesamiento de lenguaje natural.

Proyectos Prácticos de Inteligencia Artificial para Principiantes

¿Quieres aprender sobre aprendizaje automático y inteligencia artificial? Los proyectos de IA son la clave.¹ Te enseñan a aplicar teorías, probar técnicas y trabajar con algoritmos.¹ Así, de lo teórico, pasas a lo práctico para tu carrera futura.

Hay muchos tipos de proyectos útiles. Por ejemplo, desde reconocimiento de dígitos escritos a mano hasta detección de carriles en autos sin conductor.⁴ Todo esto gracias a las redes neuronales y a la computadora que «ve».⁴

Además, puedes aprender a ver enfermedades en rayos X u hacer chatbots listos para conversar.⁴ Estos últimos son muy útiles en negocios, como en la atención al cliente.⁴

También, los proyectos te enseñan a predecir enfermedades cardíacas o a estimar cuánto dinero hará una película.⁵ Incluso a clasificar actividades con datos de teléfonos.⁵

Los proyectos no solo son teoría. Te muestran cómo usar lo aprendido y crear programas reales.¹ Así, entiendes en acción lo que estudias.¹

Calcular el precio de una vivienda

Este proyecto de machine learning predice el precio de casas usando factores como tamaño y ubicación.⁵ Se trata de un problema donde se aplican técnicas para obtener el valor de la vivienda. Además, visualizamos los datos para entender la relación entre la ubicación y el precio.

Descripción del proyecto

El proyecto busca crear un modelo que calcule precios de viviendas. Se aplica machine learning para analizar datos y entrenar el modelo. Así, podremos predecir precios de futuras propiedades con exactitud.

Datos requeridos

Necesitamos un conjunto de datos con información de propiedades. Este debe incluir tamaño, número de habitaciones, ubicación, antigüedad, y más. Estos datos son clave para entrenar el modelo predictivo.

Técnicas a aplicar

Usaremos técnicas de regresión para este proyecto. La meta es predecir un valor numérico, el precio de las viviendas. Consideraremos regresión lineal, regresión regularizada y árboles de decisión. También, haremos ingeniería de características para identificar variables importantes.⁵ Al final, visualizaremos datos para entender mejor cómo influyen las características en el precio de una casa.

Predicción de abandono de clientes

La predicción de abandono de clientes es clave. Especialmente en el sector bancario.⁶ Este proyecto busca ver si un cliente dejará la empresa.⁶ Los bancos pueden ver qué hace que los clientes se vayan. Así crean mejores planes de retención.⁶ Se usan datos de los clientes para saber si se irán o no.

Importancia para las empresas

⁷ Un proveedor de telecomunicaciones logró reducir la salida de clientes en un 30%. Usando la predicción de abandono.⁷ Netflix predice quién dejará de ver al usar algoritmos avanzados. Así, ajusta su contenido.⁷ Crear estrategias especiales ayuda a que menos gente se vaya.⁷ Detectar clientes en peligro a tiempo ayuda a que no se vayan.

Datos a utilizar

⁷ Netflix logra que menos de sus suscriptores dejen con sus recomendaciones.⁷ Mejorar según la predicción de abandono hace a los clientes más felices.⁷ Entender el comportamiento ayuda a cuidar a los que están por irse.⁷ Adaptar las estrategias de retención al cliente deja mejores resultados.⁷ Conocer el camino de compra de los clientes cambia los procesos para mejor.

Predicción de enfermedades cardíacas

La predicción de enfermedades cardíacas es vital en salud.⁸ Implica saber si alguien tendrá problemas del corazón. Lo hacemos viendo la presión arterial, tipo de dolor en el pecho, colesterol, azúcar y más.⁸ Este análisis usa datos para tomar decisiones.⁸ Necesita ingeniería de características y elegir bien las variables de estudio.⁸ Como los datos no siempre están equilibrados, usamos técnicas especiales para no equivocarnos en nuestras predicciones.⁸

Aplicaciones en el sector salud

⁸ La Mayo Clinic es un gran referente. Destaca en cirugías del corazón.⁸ Usa IA en la enseñanza, ayudando a muchos. Estudiantes, médicos en formación y expertos se benefician.⁸ Organiza eventos sobre IA en salud.⁸ Avanza en IA para detectar y prevenir enfermedades. Se enfoca en problemas del corazón, como prevenir un accidente cerebrovascular. Usa tecnología y apps con IA.

Conjunto de datos

⁹ Un trabajo se centra en predecir el riesgo de muerte por falla cardíaca.⁹ Los autores son David Alejandro Gallego Valcárcel y Delly Fabián Lucas Monsalve.⁹ Lo realizaron en la Universidad Antonio Nariño de Bogotá, Colombia, en 2021.⁹ Es una investigación en Ingeniería de Sistemas.⁹ Fue dirigido por Juan Camilo Ramírez y Rosalba Cruz Cepeda.

Técnicas de procesamiento

⁹ Se usarón distintas técnicas. De definir modelos a analizar resultados.⁹ Se habló de temas como falla cardíaca y aprendizaje automático. También de herramientas como Python y Scikit-learn.⁹ Para arreglar los datos, se aplicaron procedimientos estadísticos.⁹ Los modelos que usaron incluyeron SVM y un Clasificador de Bosque Aleatorio.⁹ Analizaron el éxito de los modelos con tablas.

Segmentación de clientes

En las empresas, la segmentación de clientes es muy común. Se trata de clasificar a los clientes según sus gustos, características o comportamientos. De esta forma, se pueden crear estrategias de marketing que se adapten a cada grupo.¹⁰ Es una técnica de aprendizaje no supervisado. Aquí, no hay una variable específica que dirija el proceso.¹⁰

Importancia de la segmentación

La inteligencia artificial (IA) y el aprendizaje automático (ML) juegan un papel crucial. Permiten analizar grandes cantidades de datos para una mejor segmentación.¹⁰ Con estas tecnologías, se pueden encontrar patrones y tendencias en los datos de los clientes. Así, se personalizan las campañas de marketing.¹⁰ Tanto la IA como el ML posibilitan la creación de personas compradoras ficticias. Esto ayuda a ajustar los mensajes y estrategias de marketing a lo que los clientes necesitan.¹⁰

Aprendizaje no supervisado

Mediante el uso de clustering, se logra identificar grupos de clientes con gustos parecidos. Esto posibilita que las empresas ofrezcan productos o servicios más personalizados.¹⁰ La segmentación con ayuda de la IA y el ML lleva la personalización y efectividad de las campañas de marketing a otro nivel.¹⁰

Detección de phishing

El phishing es un tipo de fraude que ocurre en línea. Los estafadores se hacen pasar por entidades confiables. Engañan a la gente para conseguir información secreta.¹¹ Modelos de IA como GPT-4 y ChatGPT ayudan a crear respuestas automáticas. Pero, a veces, se usan mal. Por ejemplo, ChatGPT se ha usado para robar información de sitios falsos.

Aplicación del aprendizaje automático

En el aprendizaje automático, las máquinas aprenden los trucos del phishing. Pueden ver pequeños detalles que alertan sobre fraude. Esto ayuda a las empresas y gente común a evitar ser engañados.¹² Con inteligencia artificial, las empresas se defienden mejor de los ataques en línea. La IA revisa datos grandes y a tiempo real para actuar rápido.¹² También ayuda con tareas de seguridad, haciendo que todo sea más preciso y eficiente.

¹² La IA no solo detecta malware y previene los intentos de phishing. También hace que los trabajadores sean más fuertes contra el engaño.¹³ Hacer simulacros donde fingen ser atacados ayuda mucho. Reduce el daño y ahorra dinero a las empresas.¹³ La clave es hacer estos simulacros realistas y usarlos para aprender.

¹³ Algunas veces, estos simulacros no funcionan bien. Puede ser porque los mensajes son muy generales o hay demasiados simulacros. Es clave seguir de cerca cómo van los entrenamientos.¹³ Con un programa bien pensado y retroalimentación constante, estos entrenamientos serán más efectivos.

¹¹ OpenAI no quiere que se use su tecnología para crear malware u otras maldades. Aunque sí es útil para el phishing.¹¹ Los ataques que buscan engañar a compañías han sido muy costosos. Cloudflare, una empresa de seguridad, protege a muchos usuarios en la web cada día. Así, ayuda a evitar sitios maliciosos y contenido peligroso.

Predicción de ingresos en taquilla

Adelantarse a los ingresos en taquilla es crucial en el cine.¹⁴ Este proyecto de machine learning busca qué elementos hacen que una película recaude más en todo el mundo.¹⁴

Factores de éxito de películas

Contamos con datos de más de 7000 películas. Tenemos información como el elenco, el equipo de producción, y más.¹⁴ Usando análisis de regresión, podemos ver qué es clave para el éxito en cine.⁵

Conjunto de datos de películas

Nos basamos en un registro de 7398 películas y sus detalles, obtenidos de The Movie Database (TMDB).⁵ El fin es entender qué hace triunfar a las películas en las taquillas.⁵

Reconocimiento de actividad humana

Este proyecto de reconocimiento de actividad humana se basa en prever lo que hace alguien. Usa datos de cómo se mueve, tomados con sensores, como los de celulares.¹⁵ Se trata de un desafío de clasificación multiclase, porque hay que asignar la acción a una de estas seis clases: caminar, subir o bajar escaleras, sentarse, estar de pie o acostarse.¹⁵ Para lograrlo, podemos usar algoritmos como SVM, Naive Bayes o Random Forest.

Estas apps son muy útiles para vigilar la salud y el bienestar de las personas. Permiten un control detallado de lo que hacen.¹⁵ En el futuro, trabajar con la inteligencia artificial (IA) será clave. Pero hoy en día, la mayoría de los estudiantes no están listos para esto.¹⁶

El ISTE y General Motors (GM) unen esfuerzos para enseñar sobre IA. Crean cursos para maestros que quieren llevar la IA a sus salones y para estudiantes interesados en carreras de tecnología.¹⁶ La guía «Proyectos prácticos de IA para el aula» forma parte de esta iniciativa. Es un recurso para docentes de todos los niveles que buscan cómo enseñar IA en sus clases.¹⁶

Enlaces de origen

1. https://brita.mx/15-interesantes-ideas-de-proyectos-de-machine-learning-para-principiantes/
2. https://www.iberdrola.com/innovacion/machine-learning-aprendizaje-automatico
3. https://www.oracle.com/cl/artificial-intelligence/machine-learning/what-is-machine-learning/
4. https://geekflare.com/es/artificial-intelligence-project-ideas-for-beginners/
5. https://nodd3r.com/blog/los-10-mejores-proyectos-de-machine-learning-si-eres-principiante
6. https://trailhead.salesforce.com/es/content/learn/modules/artificial-intelligence-for-business/take-the-first-steps-in-using-artificial-intelligence-for-your-business
7. https://fastercapital.com/es/contenido/Prediccion-de-abandono–retencion-de-clientes–prediccion-de-abandono-con-analisis-de-comportamiento.html
8. https://www.mayoclinic.org/es/departments-centers/ai-cardiology/overview/ovc-20486648
9. https://repositorio.uan.edu.co/bitstreams/a2d3c444-a559-43ac-964a-81da4bf2f43f/download
10. https://fastercapital.com/es/contenido/Marketing-con-IA–como-utilizar-la-inteligencia-artificial-y-el-aprendizaje-automatico-para-mejorar-su-marketing.html
11. https://cloudflare.com/es-es/the-net/chatgpt-phishing/
12. https://data-universe.org/el-papel-de-la-inteligencia-artificial-en-la-defensa-cibernetica/
13. https://cyberprotegidos.info/educacion-y-concienciacion/mejores-practicas-utilizar-simulaciones-phishing-entrenamientos-corporativo/
14. https://www.toolify.ai/es/ai-news-es/10-mejores-proyectos-de-aprendizaje-automtico-con-conjuntos-de-datos-2343800
15. https://cdn.iste.org/www-root/Libraries/Documents & Files/Artificial Intelligence/AIGDCS_1120_ES.pdf?_ga=2.170720742.753747234.1688031949-651537073.1688031911
16. https://cdn.iste.org/www-root/Libraries/Documents & Files/Artificial Intelligence/AIGDK5_1120_ES.pdf