Ejercicios: Modelos simples de aprendizaje automático

Explicá con tus palabras qué significa «entrenar» un modelo de aprendizaje automático. Mencioná qué son los datos de entrenamiento y qué se espera que el modelo logre después del entrenamiento.

En un proyecto con Pose Blocks, Camila entrena un modelo para reconocer dos posturas: «brazos arriba» y «brazos abajo». Indicá qué son las clases en este caso y qué tipo de datos tiene que recolectar para entrenar el modelo.

Definí con tus palabras qué es un sesgo en un modelo de inteligencia artificial y da un ejemplo sencillo de cómo podría aparecer en un modelo que reconoce posturas con la cámara.

Joaquín entrenó un modelo con Pose Blocks para distinguir tres movimientos: saltar, agacharse y quedarse quieto. Usó 40 ejemplos de cada movimiento. Al probarlo, el modelo acierta casi siempre con «quedarse quieto», pero confunde seguido «saltar» con «agacharse».

1. a) ¿Cuántos ejemplos usó en total?
2. b) Proponé dos posibles causas de la confusión.
3. c) Indicá qué haría para mejorar el modelo.

Florencia probó su modelo con 50 imágenes nuevas, que no se habían usado para entrenar. El modelo clasificó bien 42 de ellas.

1. a) Calculá el porcentaje de aciertos.
2. b) Explicá por qué es importante probar el modelo con datos que no se usaron en el entrenamiento.

Agustín programó un juego en el que el personaje salta cuando el modelo detecta «brazos arriba». Funciona bien en el liceo, con buena luz, pero en su casa, con poca luz y otro fondo, falla mucho.

Explicá por qué puede pasar esto relacionándolo con los datos de entrenamiento, y proponé dos cambios en la forma de recolectar los datos para que el modelo funcione mejor en distintos lugares.

Micaela entrenó un modelo de posturas usando solamente fotos de sus compañeros de grupo, todos de estatura parecida y sin ayudas para moverse. Quiere que el juego lo use todo el liceo, incluidas personas más bajas, personas adultas y estudiantes que usan silla de ruedas.

Analizá qué límites y sesgos tiene su modelo, qué consecuencias podrían tener para las personas que quedan afuera y qué plan de mejora propondrías, con al menos tres acciones concretas.

Bruno y Martina entrenaron cada uno un modelo para reconocer «mano abierta» y «puño». Bruno usó 10 ejemplos por clase, todos tomados en pocos minutos y con la misma mano. Martina usó 60 ejemplos por clase, con ambas manos, distintos fondos y distintas distancias a la cámara. Ambos modelos acertaron el 100 % en sus propias pruebas, pero con otras personas el modelo de Bruno acertó el 55 % y el de Martina el 90 %.

Compará los dos modelos, explicá por qué el resultado inicial del 100 % puede engañar y argumentá qué conclusiones se pueden sacar sobre la calidad de los datos y la evaluación de un modelo.