Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/10495/41196
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.author | Cañas Campillo, Marco Julio | - |
dc.contributor.author | López Nohava, Luz Mariela | - |
dc.date.accessioned | 2024-08-16T14:34:57Z | - |
dc.date.available | 2024-08-16T14:34:57Z | - |
dc.date.issued | 2022 | - |
dc.identifier.uri | https://hdl.handle.net/10495/41196 | - |
dc.description.abstract | RESUMEN: Esta propuesta recoge la experiencia didáctica para la enseñanza de la ciencia de datos a través de dos cursos, Machine Learning e Introducción al Machine Learning, aplicada a estudiantes de noveno y décimo semestre de la Facultad de Ciencias Exactas y Naturales de la Universidad de Antioquia. Se presenta como una estrategia innovadora en la educación superior porque, ante la nueva realidad de educación virtual que potencia el uso de los recursos digitales, se estableció como un proceso basado en la constitución de un sistema articulado de recursos de enseñanza, apropiación del conocimiento y evaluación que facilitó la interacción en el aprendizaje y el desarrollo de habilidades, e involucró plataformas como GitHub de Microsoft, Google Colab, YouTube, Kaggle de Google y Jupyter, y Spyder de Anaconda. En consecuencia, se considera una propuesta exitosa que se podría replicar transversalmente en varios programas regionalizados de la Universidad. | spa |
dc.format.extent | 23 páginas | spa |
dc.format.mimetype | aplication/pdf | spa |
dc.language.iso | spa | spa |
dc.type.hasversion | info:eu-repo/semantics/publishedVersion | spa |
dc.rights | info:eu-repo/semantics/openAccess | spa |
dc.rights.uri | http://creativecommons.org/licenses/by-sa/2.5/co/ | * |
dc.title | Estrategia didáctica para la enseñanza del Machine Learning con Python aplicada a estudiantes de los programas de Biología, Química, Estadística y Matemáticas | spa |
dc.type | info:eu-repo/semantics/other | spa |
dc.publisher.group | Grupo de Investigación Interdisciplinar en Dinámicas Regionales, Cultura y Transformación Social | spa |
oaire.version | http://purl.org/coar/version/c_970fb48d4fbd8a85 | spa |
dc.rights.accessrights | http://purl.org/coar/access_right/c_abf2 | spa |
dc.rights.creativecommons | https://creativecommons.org/licenses/by-nc-sa/4.0/ | spa |
dc.publisher.place | Caucasia, Colombia | spa |
dc.type.coar | http://purl.org/coar/resource_type/c_1843 | spa |
dc.type.redcol | http://purl.org/redcol/resource_type/COther | spa |
dc.type.local | Otros | spa |
dc.subject.lemb | Algoritmos (Computadores) | - |
dc.subject.lemb | Modelos líneales (Estadística) procesamiento de datos | - |
dc.subject.lemb | Aplicaciones conformes | - |
dc.subject.lemb | Pedagogía | - |
dc.subject.proposal | GitHub de Microsoft | spa |
dc.subject.proposal | Machine Learning | spa |
dc.subject.proposal | Biblioteca Python | spa |
dc.subject.proposal | Representación geométrica | spa |
dc.subject.proposal | SciKit Learn | spa |
dc.subject.proposal | Estrategias didácticas | spa |
Aparece en las colecciones: | Documentos de Trabajo en Educación |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Cartilla 3_Machine Learning en la UdeA.pdf | Cartilla | 61.92 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons