Material Detail

EVALUACIÓN DE LA CALIDAD DEL RECURSO COMO MATERIAL DE APRENDIZAJE EN LOS ESTUDIOS DE GRADO DE INGENIERÍA INFORMÁTICA DE LA UPM. Description: Overview Tema El recurso trata sobre algoritmos de aprendizaje automático (machine learning), explicando de forma concisa los principales métodos utilizados en la industria. Está enfocado en estudiantes de informática interesados en ciencia de datos, aprendizaje automático y desarrollo de modelos predictivos, alineado con el perfil profesional de Data Scientist dentro de la subdisciplina “Data and Information Management”. Tipos de formatos de materiales -Images/graphics -Video -Links to related material -Glossary of terms Type of material Presentation Technical Requirements: -Navegador con soporte para video en streaming (Chrome, Firefox, Edge, Safari) -Acceso a YouTube -Requiere conexión a internet estable -Resolución de pantalla mínima recomendada: 720p Learning Goal(s): -Comprender las diferencias clave entre algoritmos supervisados y no supervisados. -Identificar los principales algoritmos de machine learning, sus características y casos de uso. -Establecer criterios básicos de cuándo usar cada algoritmo. -Adquirir una visión panorámica de la caja de herramientas de un científico de datos. Recommended Use(s): -Como vídeo introductorio en la asignatura de Fundamentos de Inteligencia Artificial o -Ciencia de Datos. -Material de apoyo para clases teóricas o para ser visto como tarea previa a una sesión práctica. -Referencia rápida previa a entrevistas técnicas o actividades de repaso. Target Student Population: Estudiantes de grado o de máster. (relacionado con el Machine Learning). Prerequisite Knowledge: -Conocimientos básicos de estadística, álgebra lineal y programación. -Familiaridad general con conceptos como modelos predictivos, datasets, y métricas de evaluación. Evaluations and Observations Quality of Content: • Lista Fortalezas de la calidad del contenido: -Explicaciones visuales claras y concisas. -Cubre una amplia gama de algoritmos populares en un solo recurso. -Presenta los conceptos clave de forma precisa y sin errores. -Se alinea bien con temarios de asignaturas de IA y ciencia de datos. -Contenido actualizado y con terminología actual de la industria. • Lista Preocupaciones de la calidad del contenido: -Al ser un vídeo corto, no profundiza en cada algoritmo. -No incluye ejercicios interactivos o materiales complementarios descargables. -Puede ser demasiado denso para quienes no tengan una base previa mínima. Potential Effectiveness as a Teaching/Learning Tool: • Lista Fortalezas de la efectividad del recurso como una herramienta de aprendizaje: -Excelente resumen introductorio para clases teóricas. -Facilita conexiones visuales entre los algoritmos. -Estimula la curiosidad del estudiante al ofrecer una visión global. -Puede ser reutilizado múltiples veces como repaso o introducción. • Lista Preocupaciones de la efectividad del recurso como una herramienta de aprendizaje: -Falta de evaluación formativa (ejercicios, pruebas). -No permite personalizar la experiencia de aprendizaje según el nivel del estudiante. -Riesgo de sobrecarga si se ve sin guía previa. Ease of Use: • Lista Fortalezas de la facilidad de uso del recurso: -Accesible fácilmente desde cualquier navegador. -Interfaz de YouTube familiar para los estudiantes. -Alta calidad de imagen y sonido. -Bien estructurado y con un ritmo adecuado. • Lista Preocupaciones de la facilidad de uso del recurso: -Requiere conexión a internet, no disponible offline sin descarga. -No hay subtítulos interactivos ni guía de navegación dentro del vídeo.