Instalamos ACECode, conectamos la esp32 acebott y programamos con bloques una placa que dice Hola por el puerto serie, practicando antes en un simulador del navegador.
Cambiamos los ejemplos con los que aprende una IA y vemos cómo falla con los grupos que no conoce. Un simulador paso a paso sobre el sesgo en los datos.
Clasificamos palabras nuevas mirando a sus vecinas más cercanas: la IA deja que voten y decide su grupo. Un simulador en 2D y 3D, y el mismo método en Python. Vecino más cercano kNN.
Convertimos palabras en vectores de tres números y medimos su distancia para ver qué palabras se parecen. Un mapa interactivo y un cálculo en Python, paso a paso. Usamos word embeddings.
Calculamos cuántos grupos tiene sentido pedir a k-medias con el método del codo: medimos la inercia para cada k y buscamos el punto donde la curva deja de caer deprisa.
Agrupamos lecturas de temperatura y humedad sin saber de dónde vienen. Aprendemos a igualar escalas, usar k-medias y comprobar el resultado. Los datos son simulados.
Agrupamos cien colores con machine learning sin decirle al ordenador cuáles son. Aprendemos el método k-medias y por qué el número de grupos lo decidimos nosotros.
El Lince y la Gata Montesa te enseñan dónde encontrar recursos libres de derechos: imágenes, sonidos, vídeos y textos con licencia abierta, y cómo citarlos bien.
El Lince de la Noche, la Gata Montesa y CABRA, su IA, relacionan más de cien chismes del IES Monterroso con los 17 ODS de la Agenda 2030.
Entrenamos un modelo de machine learning para predecir dónde caerá una pelota que rebota. Aprendemos a usar ejemplos, a medir el error y por qué más datos mejoran la predicción.