La ciencia de datos es una de las disciplinas más atractivas en la actualidad tanto desde el punto de vista académico como empresarial. Una de las áreas fundamentales es el aprendizaje automático. La enseñanza de este tópico es, por lo general, muy académica tanto en grado como en máster. Una de las desventajas de esta aproximación es que cuando los alumnos se enfrentan a problemas reales no han desarrollado las herramientas adecuadas para establecer un modelo de datos correcto, es decir, no han entrenado suficientemente la parte de artesanía del aprendizaje automático. Proponemos en este trabajo utilizar las competiciones de ciencia de datos, estilo Kaggle, en la que los alumnos se enfrentan a un problema real, de forma que tienen que realizar todos los pasos necesarios en un proyecto real de aprendizaje automático. Adicionalmente, los alumnos compiten por quedar los primeros en el ranking, recibiendo un premio los dos equipos ganadores.

¿Por qué lo hacemos?

Una de las disciplinas más atractivas en la actualidad, tanto desde el punto de vista académico, como desde el punto de vista empresarial, es lo que está dado en llamarse ciencia de datos. Este término hace referencia a un nuevo campo multidisciplinar cuyo principal objetivo es utilizar modelos y procesos para extraer conocimiento a partir de datos en diferentes formatos, tanto estructurados como desestructurados.

Actualmente, tanto en el ámbito empresarial como en el de investigación, tenemos acceso a una cantidad ingente de datos: desde las fuentes clásicas de datos, hasta nuestros teléfonos móviles; nosotros mismos nos hemos convertido en una fuente de datos excepcional. Existen estimaciones de que en el mundo se generan 2.5 exabytes de datos cada día, estamos pues ante la era del Big Data (IBM Big Data, 2017). Pero esto no quiere decir que seamos capaces de extraer conocimiento de estos datos. Para ello, deberíamos ser capaces de crear modelos, utilizando estos datos, que nos permitan entender mejor el problema a resolver o/y hacer mejores predicciones. Sin embargo, existe el peligro de que el ritmo al que se adquieren nuevos datos sea muy superior al ritmo al que nuestro entendimiento es capaz de procesarlos, lo cual haría esa información inútil (Silver, 2012).

Uno de los principales problemas se encuentra en la formación de profesionales en este ámbito. Al tratarse de una disciplina eminentemente multidisciplinar es difícil encontrar, actualmente, estudios universitarios de grado que ofrezcan una formación completa en ciencia de datos.

Objetivos

El modelo de enseñanza del aprendizaje automático que se propone en este trabajo es una competición de datos junto a cuatro seminarios de tres horas cada uno. Ambos, competición y seminarios se realizan de forma simultánea.

La competición de datos está basada en las competiciones de Kaggle (Kaggle, 2017), en las que se propone la resolución de un problema real con datos. Se pidió a los estudiantes que formasen equipos (2-3 miembros) para poder participar en la competición. En este tipo de competiciones se plantea un problema de aprendizaje automático, en el actual fue un problema de clasificación, en el que se pedía a los contendientes predecir la mortalidad en accidentes de coches.

El objetivo principal es que los equipo emulen el trabajo de un equipo de ciencia de datos en la vida real.

Los seminarios tenían como objetivo presentar a los alumnos las herramientas básicas para poder enfrentarse con el problema de la competición. Fueron seminarios eminentemente prácticos, utilizando como herramienta principal los Notebooks de IPython, que representan un entorno de programación interactivo, en el cual se puede combinar la ejecución de código, texto enriquecido, LaTeX, gráficos, etc.

Metodología de Análisis

Uno de los principales problemas a los que nos enfrentamos era cómo evaluar el impacto que tiene la competición y los seminarios como herramienta para la enseñanza de aprendizaje automático. Propusimos la utilización de unas encuestas que los alumnos debían realizar tanto a la hora de matricularse en la competición como al finalizar la misma.

Los resultados de las encuestas muestran que el método propuesto resulta muy efectivo para que el alumno participe como principal motor en el aprendizaje de los conceptos. Adicionalmente, esta aproximación permite formar en los aspectos prácticos que habitualmente no se cubren en la enseñanza clásica, pero que resultan ser un hecho diferencial.

Las múltiples posibilidades y ventajas que nos ofrecen las Tecnologías de la Información y la Comunicación constituyen un desafío para la renovación de nuevas metodologías y estrategias didácticas, facilitando a la vez la evolución del proceso educativo.

Los vídeos interactivos elaborados tienen como objetivo la realización de ejercicios autónomos que refuerzan el aprendizaje en tiempo diferido y la posibilidad de que el estudiante pueda analizar su progreso personal, permitiéndole comprobar si la interpretación y asimilación de los contenidos teóricos recibidos es correcta, así como su capacidad para resolver los ejercicios relacionados con dichos contenidos.

¿Por qué lo hacemos?

Los alumnos que tenemos en la actualidad utilizan diariamente con asiduidad instrumentos electrónicos como tabletas, smartphones, ordenadores, etc. y son consumidores habituales de vídeos, tutoriales, y demás contenidos gracias a la conexión a Internet. En este contexto, limitar las clases a realizar únicamente exposiciones magistrales puede quedar obsoleto y ser un factor desmotivador para los alumnos.

Objetivos

En primer lugar, despertar en el alumno el interés y la motivación para iniciar el aprendizaje de los contenidos de manera individual desde el primer momento, con el fin de afianzar los conocimientos aprendidos en clase, favoreciendo igualmente que se lleve a cabo un trabajo autónomo y la toma de decisiones del alumno en un entorno virtual.

En segundo lugar, poner a disposición del alumno un mayor número y variedad de ejercicios prácticos a través de la plataforma Moodle. Esto le permitirá desarrollar habilidades de pensamiento crítico para resolver problemas utilizando las herramientas y recursos tecnológicos apropiados.

En tercer lugar, facilitar al alumno una forma de autoevaluación para medir su nivel de conocimientos, al tiempo que consiguen mejorar de una forma dinámica y entretenida los posibles errores realizados que pudieran haber detectado, tras recibir la respuesta adecuada en el vídeo de ejercicio interactivo que estén realizando en ese momento.

Finalmente, se pretende alcanzar la integración en el proceso de aprendizaje de actividades educativas abiertas, pues los vídeos están libremente disponibles en el canal de Youtube del profesor, así como se puede acceder a ellos a través de los MOOC o de las asignaturas en el Aula Virtual.

Metodología de Análisis

A tenor de los resultados obtenidos podemos concluir que han resultado un importante instrumento de apoyo a la enseñanza universitaria, así como otros ámbitos educativos. Consideramos que este método incentivo al estudiante a implicarse con responsabilidad y motivación en su trabajo. La metodología presentada en esta experiencia es directamente extrapolable a cualquier asignatura de cualquier titulación.

Loading...

El Proyecto Mañana 2014 surge tras el acuerdo entre la Universidad Rey Juan Carlos y Atresmedia Corporación de Medios de Comunicación S.A. en el objetivo de desarrollar un proyecto de innovación docente en el fomento de sistemas y contenidos digitales para su explotación en distintos medios, sistemas o multiplataformas.

¿Por qué lo hacemos?

El Proyecto Mañana 2014 es un nexo en común entre la Universidad y la Empresa. Es una oportunidad para que el alumnado se relacione con el medio y los profesionales poniendo en marcha estrategias y experiencias adquiridas a lo largo de la carrera de forma muy práctica. Así, los alumnos y alumnas participantes emprenderían un proyecto que les serviría para seguir aprendiendo y forjarse como nuevos profesionales. Además, estaban en juego diferentes becas en el Departamento Multimedia de Atresmedia como premio final; aspecto que entendimos como una oportunidad única para el alumnado de vistas a un futuro dentro de la Corporación así como prestigio para la Universidad.

Objetivos

Nuestros objetivos se basaron en dos pilares:

• Establecer vínculos entre el profesorado y el alumnado de disciplinas relacionadas con empresas dedicadas a los medios de comunicación social que disponen de distintas plataformas digitales, tales como páginas web, redes sociales, etc. en las que se incluyen contenidos y aplicaciones relacionados con las actividades desarrolladas por el grupo de comunicación Atresmedia.
• Crear un acuerdo que permita materializar una relación de comunicación y colaboración entre el ámbito universitario y el empresarial, con el fin de identificar la innovación y el talento en materia multimedia con el propósito de impulsar, ejecutar y coordinar un proyecto de investigación y desarrollo universitario que identifique y fomente la creatividad y el talento entre los alumnos de la Universidad Rey Juan Carlos.

Metodología de Análisis

Para ello se establecería una línea de trabajo que incluiría los siguientes apartados y directrices en relación al diseño y elaboración del modelo de negocio de los citados Multichannel Networks para un periodo de tres años que incluirían las siguientes tareas:

• Número y tipología de los canales a incluir.
• Timing de producción y lanzamiento de los canales.
• Temáticas y públicos objetivos de cada uno de ellos.
• Identificación tentativa de posibles partners de producción de contenidos (“Youtubers”).
• Volumen y duración de los clips a producir y timing de subida de los mismos.
• Portfolio de plataformas de distribución.
• Estimaciones de audiencias en cada una de las plataformas de distribución.
• Estimación de los ingresos publicitarios en cada una de las plataformas.
• Otros posibles ingresos (canales de pago, merchandising, e-commerce, etc.).
• Gastos totales de producción, incluyendo las infraestructuras de producción necesarias y los recursos de producción y edición necesarios.
• Cuenta de resultados del proyecto, incluyendo retribuciones a proveedores de contenido y revenue share de los mismos y de las plataformas de distribución.

Loading...