Seguimos en nuestro cuaderno. En la Sesión 2 entrenamos nuestro primer árbol de decisión y calculamos su exactitud en el conjunto de prueba. Nos dio un porcentaje bastante alto pero, ¿es suficiente un solo número para confiar en un diagnóstico …
En este tutorial introductorio de Ciencia de Datos para MontesSTEAM e IES Monterroso, damos los primeros pasos en Machine Learning aplicado a la salud mediante el dataset real Breast Cancer Wisconsin. Aprende a instalar scikit-learn en JupyterLab, cargar datos médicos en memoria, reservar un conjunto de prueba para evaluar el modelo y comprender la importancia de la estratificación (stratify=y) para garantizar un reparto equilibrado entre tumores benignos y malignos.
CROWSON añade un quinto nivel, distinto de simular y de buscar — Llama traduce la frase completa al inglés y esa traducción genera una imagen real con Pollinations.ai, un modelo de difusión de verdad, con los mismos avisos de honestidad y moderación de toda la familia.
Este tutorial guía paso a paso al alumnado en la realización de un Análisis Exploratorio de Datos (EDA) inicial utilizando Python, Pandas y JupyterLab sobre el conjunto de datos California Housing. A través de métodos fundamentales como info(), value_counts(), describe() e hist(), los estudiantes aprenderán a identificar la estructura del dataset, detectar valores nulos, analizar variables categóricas, interpretar estadísticas descriptivas (como cuartiles y desviación estándar) y visualizar la distribución de los datos mediante histogramas con Matplotlib. Incluye un reto práctico final para afianzar los conceptos aprendidos.
En AIDARAC llevamos meses construyendo, paso a paso y con alumnado de 1º de Bachillerato de Comunicación, Diseño y Producción Cultural (CDYPC) del IES Monterroso, una pequeña familia de agentes de inteligencia artificial educativa. Con VAUCANSON explicamos los cuatro tipos …
Un aspirador virtual con cuatro “cerebros” distintos —reflejo simple, reflejo con memoria, basado en objetivos y basado en utilidad— para que el alumnado de Bachillerato vea, línea a línea, qué significa técnicamente que un agente sea inteligente.
BERMEJA es una herramienta de aula del IES Monterroso que aplica la regla real 30/30/30 y datos de AEMET para enseñar a tomar decisiones sobre riesgo de incendio forestal.
Ni periódicos ni vendedores ambulantes: el problema del vendedor de periódicos, resuelto con el ejemplo más cercano que tiene el instituto. ARSENIA calcula cuántos bocadillos preparar cada mañana en el bar de Arsenia, sabiendo que pedir de más y pedir de menos cuestan cosas distintas.
Tercera entrega de BIOTOPO: la ficha imprimible del modelo para el portfolio (reglas, parámetros exactos y estado de la partida) y el Paso 4, con los tres mandos que quedaban fijos, un control de velocidad y una semilla que permite repetir cualquier partida de forma idéntica. El botón opcional de explicación por LM Studio se deja fuera, tal como el plan del proyecto permitía.
Segunda entrega de BIOTOPO: el botón “Exportar CSV” que convierte una partida (paso, hierba, ovejas, lobos, evento) en un archivo listo para subir a METIS. La actividad que propone — predecir la población de lobos veinte pasos por delante con un ajuste de recta — está pensada para fallar, y ese fallo es la lección: una recta no sigue una población que oscila, ni un golpe de sequía o peste a mitad de partida.