- hace 5 horas
Categoría
📚
AprendizajeTranscripción
00:00:00Hola, muy buenas noches, Fernanda. Bienvenida a nuestra sesión número 5 ya de esta materia de inteligencia artificial. Espero que
00:00:08te encuentres muy bien.
00:00:12Buenas tardes, gracias, profesor.
00:00:14Iniciamos en unos minutos, ya sabemos, o más o menos, cómo es. Exactamente en 10 horas, 6.49, 6.50.
00:00:21Iniciamos a las 7.5 puntuales con este, nuestro módulo 5, nuestro módulo 4, porque está muy interesante.
00:00:28Ok, sí, está bien.
00:00:30Perfecto, demos un poquito más de tiempo en lo que se conectan nuestros compañeros.
00:00:35Gracias, profesor.
00:00:36Saludos, saludos.
00:00:38Igualmente.
00:00:59Talia, muy buenas noches.
00:01:02Talia, muy buenas noches, espero que te encuentres muy bien. Iniciamos a las 7.5, nuestra sesión número 5 de
00:01:09esta materia de inteligencia artificial.
00:01:11Unos minutitos más y empezamos, ¿te parece?
00:01:15Muchas gracias, profesor. Buenas tardes.
00:01:18Claro.
00:01:20Bienvenida, buenas tardes.
00:01:26Buenas tardes.
00:01:37Buenas tardes.
00:02:08¿Qué inteligencias artificiales te recomiendo para realizar una aplicación interactiva?
00:02:15¿En qué quieres hacer tu aplicación, Fer?
00:02:20Bueno, es que nos dijeron que teníamos que hacer como una aplicación que sea interactiva, pero que sea en lenguaje
00:02:26HTML o Java.
00:02:28O Java, pero pues tiene que tener esta parte de la interacción que se pueda mover cosas, por ejemplo, me
00:02:35tocó el tema de máquina de vapor, pero pues sí lo piden forzosamente que la hagamos con inteligencia artificial, pero
00:02:43no sé.
00:02:44Mira, actualmente en el mercado, la mejor inteligencia artificial que puedes ocupar para el desarrollo se llama, es esta, te
00:02:53voy a compartir pantalla, ¿te parece?
00:02:56Sí.
00:03:06Perfecto, es esta, se llama Google Antigravity.
00:03:09Lo que necesitas es, obviamente, tener una cuenta de Google para poderla desarrollar.
00:03:14Ok, se baja esta y tienes varias opciones, ¿no? Lo primero que tendrías que saber es que tienes que descargarla
00:03:20para el tipo de procesador.
00:03:23Este es el de entorno, este es el CLI, ¿qué es el CLI? Pues es trabajar directamente desde un código,
00:03:31desde una terminal, ¿no? Por si tú quisieras desarrollarlo.
00:03:36El Antigravity ID, para que me entiendas qué es el Antigravity ID, sería como el VS Code, ¿sí ubicas VS
00:03:42Code?
00:03:43Sí.
00:03:44Ah, bueno, pues es como este, ¿no? Como el VS Code.
00:03:47Y el SDG es el entorno de desarrollo. Puedes, yo lo que te diría es, puedes ocupar o este, el
00:03:55Antigravity 2.0, o si estás muy acostumbrada a trabajar con VS Code, pues baja este que se llama Antigravity
00:04:03ID.
00:04:04Ok.
00:04:05Creo que lo tengo instalado aquí, no lo recuerdo, sino ahorita lo checo, ¿no? Antigravity, aquí lo tengo.
00:04:13Este es el ID, el Entorno de Desarrollo Integrado, ahorita lo que abre.
00:04:20¿Me quieres que apreste?
00:04:22Ok.
00:04:25Este es el Entorno de Desarrollo Integrado.
00:04:29Ok.
00:04:30¿Cómo funciona?
00:04:31Si te das cuenta, es muy similar a lo que es nuestro VS Code, ¿no?
00:04:37Agarras, abres una nueva carpeta, porque es de saber que se trabaja en carpetas.
00:04:43Por ejemplo, aquí yo tengo toda una.
00:04:45Puedo abrir algún folder, que ponemos un folder que tú quieras.
00:04:51No sé, no sé.
00:04:54Voy a ocupar, por aquí debo de tener algo que pueda ocupar.
00:04:58No, y si no, creo una nueva carpeta, y le voy a poner.
00:05:06Vamos a ocupar una carpeta que se llame HTML, ¿no?
00:05:12O Programa.
00:05:15Programa HTML.
00:05:18Le das Select Folder.
00:05:24Programa HTML.
00:05:27Ya, creo que la puse aquí.
00:05:35Entonces, ahorita me voy a ir a esa carpeta que había seleccionado.
00:05:39Programa HTML.
00:05:41Le doy Select Folder.
00:05:43Y aquí te vas a dar cuenta que tienes de un lado, este, la estructura de código.
00:05:49Que es esto.
00:05:50Y del lado derecho tienes una, como que se llama, agente.
00:05:54Aquí es en donde tú tienes que describir muy bien qué es lo que quieres hacer, ¿no?
00:05:58Por ejemplo, crea un sistema que mediante o una página, una página totalmente interactiva
00:06:16con el usuario que permita, el que me dijiste que era del motor a vapor o algo así.
00:06:27A máquina de vapor.
00:06:30Ejemplificar.
00:06:31¿Qué quiere de la máquina de vapor?
00:06:34Pues que se ejemplifique y sea más entendible para niños de secundaria.
00:06:38Y entienda que es una máquina de vapor orientado a la enseñanza de niños a nivel secundaria.
00:07:02¿Ok?
00:07:04Usa HTML, Javascript.
00:07:09Si no, no tendríamos la lógica.
00:07:11Y se dice SS3.
00:07:14Sí.
00:07:15SS3.
00:07:18Y pues este es un agente que te va a poder empezar a trabajar.
00:07:22Y aquí tú debes de seleccionar qué herramienta tú vas a ocupar.
00:07:28Por ejemplo, si yo le pongo aquí 3.5 Flash Medium, pues va a empezar a crear una página o
00:07:34un sistema web totalmente interactivo.
00:07:42Ahí está, tal, tal, tal, tal, tal, tal, tal.
00:07:45Un punto.
00:07:47Todo esto dentro de la estructura.
00:08:00En la que me puedo.
00:08:04Y listo.
00:08:06Y él va a empezar a crear todo.
00:08:10ok
00:08:11te das cuenta, él empieza a hacer el simulador
00:08:13todo, esto es el
00:08:15que es el
00:08:17es un agente, también lo puedes
00:08:19hacer con, utilizando
00:08:22el famosísimo
00:08:23ahí está, mira, me está diciendo que es lo que
00:08:26va a hacer
00:08:27la estructura que va a tener
00:08:30que es lo que va a empezar a trabajar
00:08:33ok
00:08:34y ya está empezando
00:08:36a hacerlo, si te das cuenta, mira, ya creo
00:08:37el index, esto que estás
00:08:39viendo, este es el plan de implementación
00:08:41y ahora va a crear el
00:08:43CSS, va a crear el JavaScript
00:08:47y todo
00:08:49eso es, esta es una
00:08:51tecnología de un agente de software
00:08:53de hecho, la nueva evolución
00:08:55porque esta, todavía creo que tengo la versión
00:08:57anterior, el nuevo IDE
00:08:59pues ya te permite trabajar con más de
00:09:01creo que 90 agentes
00:09:03al mismo tiempo, pero
00:09:05pues, al fin y al cabo
00:09:07de cuentas, te vas acabando tus tokens
00:09:09y te los va a consumir, te los vas
00:09:10vas a tener que pagarlo
00:09:13ajá
00:09:14ok
00:09:15ok
00:09:18esperemos a ver qué hace
00:09:19¿no?
00:09:20qué tal que
00:09:22que queda bien o que queda mal
00:09:24sí
00:09:27muchas gracias
00:09:27profesor
00:09:28sigue esta página
00:09:30pues ya lo estás viendo
00:09:31que sigue trabajando
00:09:32¿no?
00:09:33hasta que esto se canse
00:09:34se termine
00:09:35pues ya lo va
00:09:36lo vas a ver
00:09:37pero este es el plan de implementación
00:09:39de todo lo que te va a hacer
00:09:40¿no?
00:09:41efectos de visualización
00:09:42ahorita va a crear la parte lógica
00:09:44con el app
00:09:45y es
00:09:46para empezar a hacer la interacción
00:09:52ok
00:09:52y le vamos a poner
00:09:55y aquí ya me la está
00:09:56automáticamente
00:09:57me abrió la
00:09:58la página
00:09:59está trabajando con ella
00:10:01y está probándola
00:10:08ahí va
00:10:09ahí va
00:10:09de hecho está levantando
00:10:10un servidor
00:10:10pues está
00:10:11que está con el
00:10:13con el 8080
00:10:15está obteniendo el DOM
00:10:16por eso es que lo ves
00:10:17aquí así
00:10:19ya
00:10:20que levante el servidor
00:10:22debería de este
00:10:23de poder acceder
00:10:31ahí está trabajando
00:10:33con mi
00:10:33agente
00:10:34¿no?
00:10:36está probando
00:10:36diferentes puertos
00:10:37para poderse conectar
00:10:39yo creo que no lo va a lograr
00:10:41porque
00:10:41has de saber
00:10:42que tengo
00:10:44muy buen antivirus
00:10:45que bloquea todo esto
00:10:51mira
00:10:51sigue aquí diciendo
00:10:52que estoy haciendo
00:10:57pero
00:10:57el problema
00:10:59está
00:10:59en que
00:11:00no sé
00:11:00si
00:11:00necesito
00:11:03va por
00:11:04cuesta
00:11:06ok
00:11:06dice que lo abra
00:11:07de manera local
00:11:08vamos a abrirlo
00:11:09de manera local
00:11:11no necesito
00:11:12levantar un servidor
00:11:14porque es puro
00:11:15HTML
00:11:16así es que
00:11:17no debería
00:11:17de tener
00:11:18nada
00:11:25y ahorita
00:11:26aquí está
00:11:26simulador
00:11:27termodinámico
00:11:28de la máquina
00:11:29de vapor
00:11:29es este
00:11:29mira
00:11:31añadir vapor
00:11:32paz
00:11:32paz
00:11:32paz
00:11:33paz
00:11:34agua fría
00:11:37y aquí vas a empezar
00:11:39a ver
00:11:39¿no?
00:11:39presiones
00:11:40los gases
00:11:41bla bla bla
00:11:41y ahorita
00:11:42es en lo que va
00:11:44vapor
00:11:46apagado
00:11:46laboratorio
00:11:47guiado
00:11:47alimenta tu máquina
00:11:49tienes audio
00:11:51comenzar
00:11:52el desafío
00:11:53tienes todo
00:11:54mira
00:11:56si es justo lo que
00:11:58el maestro quería
00:11:59pero
00:11:59como ya lo quiere
00:12:01de rápido
00:12:01por eso
00:12:02dijo que lo hicieramos
00:12:03con la inteligencia
00:12:04artificial
00:12:04pero
00:12:06yo sí tenía la duda
00:12:07como de
00:12:08quien cual
00:12:08me quedaría
00:12:10mejor y
00:12:11saldría un poco
00:12:11más interactiva
00:12:13ok
00:12:13bueno
00:12:14esto se supone
00:12:14que está
00:12:15ahorita
00:12:15se supone
00:12:16que está
00:12:16apagada
00:12:17no sé
00:12:17ni cómo
00:12:17se prenda
00:12:18¿no?
00:12:20la máquina
00:12:21arrojar
00:12:22carbón
00:12:22no tengo idea
00:12:23de alimentar
00:12:24agua
00:12:29prenderá
00:12:30pero bueno
00:12:31se supone
00:12:31que va simulando
00:12:32una máquina
00:12:33de vapor
00:12:38ok
00:12:42conduce
00:12:43el tren
00:12:43a vapor
00:12:46a ver
00:12:47porque no se ve
00:12:48pero bueno
00:12:48se supone
00:12:49que ya debería
00:12:49de estar
00:12:56aquí está
00:12:57la máquina
00:12:58de vapor
00:13:02ah mira
00:13:03ahí tiene
00:13:03preguntas
00:13:06bueno
00:13:07quien sabe
00:13:07pero se supone
00:13:08que lo podríamos
00:13:09hacer
00:13:10ok
00:13:11sí
00:13:16vale
00:13:17pues hecho
00:13:18espero que te haya gustado
00:13:19con que lo haces
00:13:20con este
00:13:20es el mejor
00:13:21que hay ahorita
00:13:22obviamente
00:13:22la inteligencia
00:13:23que tú escoges
00:13:24que tú escoges
00:13:24la gente
00:13:25que tú escoges
00:13:26pues obviamente
00:13:28este lo
00:13:29lo trabajas
00:13:31ok
00:13:32ok
00:13:33vale
00:13:34muchas gracias
00:13:35gracias por eso
00:13:35sigue explotándome
00:13:37mi este
00:13:37aquí ya le paro
00:13:38y listo
00:13:41vale
00:13:44aquí me dice
00:13:45que todo
00:13:45siga
00:13:46siga
00:13:46y haciendo
00:13:47más cosas
00:13:50pero bueno
00:13:51este es
00:13:52antigravity
00:13:53es un mejor
00:13:53entorno de desarrollo
00:13:54actualmente
00:13:55agéntico
00:13:55para programar
00:13:56inclusive
00:13:57mejor que
00:13:58cloud code
00:14:00y bueno
00:14:01perdón
00:14:01los demás
00:14:02que llegan
00:14:03que están
00:14:04llegando
00:14:04estaba resolviendo
00:14:05una duda
00:14:06que me
00:14:06tuvo una compañera
00:14:08espero
00:14:08no este
00:14:10no molestarlos
00:14:13bienvenidos a todos
00:14:15Arturo
00:14:15Dalia, Esau, Fer, Juan, Marcela, Vianney
00:14:19muy buenas noches
00:14:20iniciamos en dos minutos más
00:14:24muchas gracias profesor
00:14:26por la ayuda
00:14:26no de que
00:14:27hasta luego
00:14:28ahorita nos vemos Fer
00:14:30si
00:14:45gracias
00:15:15gracias
00:15:45gracias
00:16:24pues bueno
00:16:25vamos a empezar
00:16:26entonces
00:16:26nuestras semanas
00:16:27nuestra sesión
00:16:29número 5
00:16:30pues primeramente
00:16:31bienvenidos a todos
00:16:32y cada uno de ustedes
00:16:33espero se encuentren
00:16:34muy bien
00:16:34que hayan tenido
00:16:36un excelente día
00:16:37y sobre todo
00:16:38una mejor semana
00:16:39cuéntenme
00:16:39que tal estuvo
00:16:40su módulo 3
00:16:41que les pareció
00:16:41tuvieron dudas
00:16:43preguntas
00:16:43comentarios
00:16:48bueno bueno
00:16:48me escuchan
00:16:49todos
00:16:55suspecho
00:16:58ok perfecto
00:16:59cuéntenme
00:16:59cómo les fue
00:17:00en la semana
00:17:00en el módulo
00:17:01número 3
00:17:02problemas
00:17:02que hayan tenido
00:17:04este desafío
00:17:05que hayan
00:17:06que se hayan
00:17:06encontrado
00:17:07por favor
00:17:08Ingrid
00:17:09Fer
00:17:09Esau
00:17:10Dalia
00:17:10Arturo
00:17:10Vianney
00:17:11Marce
00:17:13cuéntenme
00:17:15por favor
00:17:15Alejandro
00:17:23todo bien
00:17:24muchas gracias
00:17:25¿alguien más?
00:17:28voy a poner
00:17:28en todo
00:17:29la otra
00:17:31segura
00:17:31Vianney
00:17:32todo bien
00:17:32entonces
00:17:37pues qué bueno
00:17:38que le sirvió
00:17:38el cuaderno
00:17:39Juan
00:17:40espero
00:17:40les haya servido
00:17:41mucho
00:17:41yo estoy haciendo
00:17:42cuadernos
00:17:43todos los módulos
00:17:44para poderlos apoyar
00:17:45y bueno
00:17:46en esta sesión
00:17:47número 3
00:17:47vamos a empezar
00:17:48a ver
00:17:49qué es lo que
00:17:49van a entregar
00:17:50en este módulo
00:17:52número
00:17:52perdón
00:17:53este módulo
00:17:53número 4
00:17:54ok
00:17:55¿les parece bien
00:17:55que comparte
00:17:56pantalla?
00:18:02perfecto
00:18:03vamos a compartir
00:18:03pantalla
00:18:04y me dicen
00:18:05si se ve
00:18:05correctamente
00:18:11listo
00:18:12primeramente
00:18:13tenemos nuestra
00:18:14tarea auténtica
00:18:15nuestro módulo 4
00:18:16que se llama
00:18:17aprendizaje automático
00:18:18y ética
00:18:19en la inteligencia
00:18:20artificial
00:18:21ok
00:18:22en esta
00:18:23tarea auténtica
00:18:24lo primero que tenemos
00:18:25es nuestra
00:18:26tarea auténtica
00:18:26esto es muy importante
00:18:28poderlo leer
00:18:29desde la parte
00:18:30de la presentación
00:18:31no lo lean
00:18:32solamente esto
00:18:34porque si no
00:18:35no le van a entender
00:18:35entonces vamos a leer
00:18:37primeramente
00:18:37que tienen que entregar
00:18:38en la tarea auténtica
00:18:39en la tarea auténtica
00:18:41diseñarás
00:18:42a nivel conceptual
00:18:43un modelo
00:18:44de aprendizaje
00:18:46automático
00:18:46por ejemplo
00:18:47de tipo supervisado
00:18:48o por refuerzo
00:18:49que apoye
00:18:50el triaje
00:18:51de fugas
00:18:52del consorcio
00:18:53intermunicipal
00:18:54de agua
00:18:55y mantenimiento
00:18:56el famoso CIA
00:18:57utilizando
00:18:58datos simulados
00:18:59y considerando
00:19:00tanto métricas técnicas
00:19:02como criterios
00:19:03de equidad
00:19:03y responsabilidad
00:19:05social
00:19:05deberás
00:19:06de especificar
00:19:07cómo se representan
00:19:09los datos
00:19:09qué tipo de algoritmo
00:19:11utilizarías
00:19:11cómo evaluaría
00:19:12su desempeño
00:19:13y qué salvaguardas
00:19:15éticas
00:19:16implementarías
00:19:17para evitar
00:19:18decisiones discriminatorias
00:19:20o poco transparentes
00:19:21en la coherencia
00:19:22en coherencia
00:19:23obviamente
00:19:23con el problema
00:19:25prototípico
00:19:26y el incidente
00:19:27crítico
00:19:27y las indicaciones
00:19:29de este modelo
00:19:30deberán ustedes
00:19:31describirlo
00:19:32con estos
00:19:33tipos de datos
00:19:34de entrada
00:19:35variables técnicas
00:19:36y sociales
00:19:37salida del modelo
00:19:39clasificación de prioridad
00:19:41puntuación de riesgo
00:19:42política de acción
00:19:44etcétera
00:19:45algoritmo
00:19:46o familia
00:19:47de algoritmos
00:19:47que emplearían
00:19:48por ejemplo
00:19:49árbol de decisión
00:19:50red neuronal
00:19:51simple
00:19:51modelo de aprendizaje
00:19:53por refuerzo
00:19:54y su lógica
00:19:55básica
00:19:56deberán de proponer
00:19:58un conjunto
00:19:59de métricas
00:19:59de evaluación
00:20:00por ejemplo
00:20:00podría ser
00:20:01precision
00:20:01recal
00:20:02f1
00:20:04las curvas
00:20:04rock
00:20:05recompensas
00:20:05promedio
00:20:07etcétera
00:20:07y explicar
00:20:08qué métricas
00:20:10se deben priorizar
00:20:11considerando
00:20:11el alto costo
00:20:13que tienen
00:20:14los falsos negativos
00:20:15en fugas graves
00:20:16ya sabemos
00:20:17que es un falso
00:20:17negativo
00:20:18que nos diga
00:20:20que no hay nada
00:20:20pero resulta
00:20:21que sí
00:20:22analiza
00:20:23al menos
00:20:24tres riesgos
00:20:25éticos
00:20:25o de gobernanza
00:20:27por ejemplo
00:20:27sesgos en los datos
00:20:29simulados
00:20:30desigualdad
00:20:31territorial
00:20:31falta de explicabilidad
00:20:34o dependencia
00:20:35excesiva del modelo
00:20:36entre otras situaciones
00:20:37y plantea
00:20:39medidas concretas
00:20:40para mitigarlos
00:20:41apoyándote
00:20:43en marcos
00:20:44de ética
00:20:44de inteligencia
00:20:45artificial
00:20:45fiable
00:20:46elabora un reporte
00:20:48de cuatro a seis
00:20:49cuartillas
00:20:50ojo
00:20:50no les va a
00:20:51alcanzar
00:20:51con las cuatro
00:20:52o seis
00:20:53cuartillas
00:20:53así es que
00:20:55el formato
00:20:56es libre
00:20:56pero deben
00:20:58de subirlo
00:20:58en pdf
00:20:59y no anexarme
00:21:01links
00:21:01porque últimamente
00:21:02me están
00:21:02anexando links
00:21:04dentro del archivo
00:21:05por favor
00:21:06con secciones
00:21:07sugeridas
00:21:08como lo es
00:21:08el contexto
00:21:09del programa
00:21:09diseño
00:21:10del modelo
00:21:11de aprendizaje
00:21:12automático
00:21:12esquema
00:21:13de evaluación
00:21:14análisis
00:21:14ético
00:21:15y de impacto
00:21:16social
00:21:16conclusiones
00:21:18y referencias
00:21:19en formato
00:21:20APA
00:21:21ok
00:21:22todo esto
00:21:23es lo que nos
00:21:23pide
00:21:24la tarea
00:21:25auténtica
00:21:27ok
00:21:28ya saben
00:21:29ustedes
00:21:30que dentro
00:21:30de nuestros
00:21:31materiales
00:21:32encontramos
00:21:33pues todo
00:21:34el apoyo
00:21:35que ustedes
00:21:36pueden tener
00:21:37para poder
00:21:38realizar
00:21:38esta
00:21:40tarea
00:21:40auténtica
00:21:41creo que no subí
00:21:42mi última
00:21:43presentación
00:21:43déjenme ver
00:21:45si la subo
00:21:46y este
00:21:48porque debería
00:21:49creo que no
00:21:49no subí
00:21:50mi última
00:21:51presentación
00:21:52pero bueno
00:21:53vamos a anexarla
00:21:54de una vez
00:21:55está aquí
00:21:57no
00:21:57no es esta
00:21:59es este
00:22:02listo
00:22:03aquí anexé
00:22:04dos presentaciones
00:22:05una presentación
00:22:06para el foro
00:22:07que los va a apoyar
00:22:08en el foro
00:22:08y una presentación
00:22:09que los van a apoyar
00:22:10en el módulo
00:22:11y una presentación
00:22:12que es la que yo voy a hacer
00:22:14ahorita
00:22:14que explico todos los temas
00:22:15y además
00:22:16trae como describir
00:22:18y como solucionar
00:22:19ese foro
00:22:19les parece que empecemos
00:22:21antes de iniciar
00:22:22pues déjenme pasar
00:22:23también por lo que es
00:22:24ahora
00:22:25el foro de reforzamiento
00:22:26el foro de reforzamiento
00:22:28ustedes van a
00:22:29hacer lo siguiente
00:22:30van a analizar
00:22:32van a analizar
00:22:32como las distintas
00:22:33formas de aprendizaje
00:22:34automático
00:22:35que es supervisado
00:22:36no supervisado
00:22:36y por refuerzo
00:22:37y las redes neuronales
00:22:39pueden aplicarse
00:22:40al módulo del triaje
00:22:41de fugas
00:22:41del modelo del SIAM
00:22:42al tiempo que reflexionan
00:22:44sobre los riesgos éticos
00:22:46y ustedes deberán
00:22:47de redactar
00:22:48una participación
00:22:49inicial
00:22:50de 350
00:22:51a 500 palabras
00:22:52siguiendo
00:22:53estas instrucciones
00:22:56explica
00:22:56qué tipo
00:22:57de aprendizaje
00:22:58cualquiera
00:22:59de estos tres
00:22:59considerarías
00:23:01más adecuado
00:23:01para entrenar
00:23:02un modelo
00:23:02que apoya
00:23:03el triaje
00:23:04del SIAM
00:23:05justificando
00:23:06obviamente
00:23:06el porqué
00:23:08comenta
00:23:09el papel
00:23:10que podrían tener
00:23:10las redes neuronales
00:23:11en este contexto
00:23:12por ejemplo
00:23:13estimar el riesgo
00:23:15o detectar
00:23:15patrones
00:23:16de reportes
00:23:17simulados
00:23:18identifica
00:23:19al menos
00:23:20dos riesgos
00:23:21éticos
00:23:21relevantes
00:23:22como
00:23:22la discriminación
00:23:23en zonas
00:23:23vulnerables
00:23:24la falta
00:23:25de transparencia
00:23:26y la automatización
00:23:28de decisiones
00:23:29injustas
00:23:30entre otros
00:23:31y formula
00:23:32acciones
00:23:32concretas
00:23:33para mitigarlos
00:23:34relaciona
00:23:35tus argumentos
00:23:36obviamente
00:23:37con el problema
00:23:38prototípico
00:23:38y el incidente
00:23:39crítico
00:23:40con los datos
00:23:41simulados
00:23:41la conectividad
00:23:42intermitente
00:23:43y todos
00:23:43esos contextos
00:23:44que nos plantean
00:23:45estos dos elementos
00:23:47incluye al menos
00:23:48una cita
00:23:50y su referencia
00:23:50en formato
00:23:51APA
00:23:52para argumentar
00:23:53la información
00:23:53sobre recursos
00:23:54base
00:23:55y obviamente
00:23:56deberán de retroalimentar
00:23:57a dos de sus compañeros
00:23:59dudas hasta ahorita
00:24:00de lo que es
00:24:02el foro
00:24:02y la tarea auténtica
00:24:06dejé de compartir
00:24:07¿verdad?
00:24:09no
00:24:09sí, sí
00:24:11dejé de compartir
00:24:11listo
00:24:13¿no tienen dudas?
00:24:14no, profe
00:24:16no, profe
00:24:18entonces
00:24:18les parecería
00:24:19bien
00:24:19que iniciáramos
00:24:21con
00:24:21este
00:24:22pues
00:24:23obviamente
00:24:24nuestra
00:24:24presentación
00:24:25este es el tema
00:24:27bueno
00:24:27los apuntes
00:24:28vienen completos
00:24:29como que
00:24:30yo ayudé
00:24:31en la realización
00:24:32de los mismos
00:24:33es el contexto
00:24:34problemático
00:24:35y también
00:24:35los apuntes
00:24:36ustedes pueden
00:24:37consultarlo
00:24:38sin ningún problema
00:24:39ahora
00:24:40vamos a empezar
00:24:41a hacer
00:24:42nuestra
00:24:43módulo
00:24:44¿les parece entonces?
00:24:50listo
00:24:50muy bien
00:24:51pues bueno
00:24:52ya sabemos
00:24:52más o menos
00:24:53cómo vamos a trabajar
00:24:55qué es lo que vamos
00:24:55a trabajar
00:24:56en esta
00:24:57unidad
00:24:58todo lo voy a ir
00:24:59conectando
00:24:59de hecho
00:25:00ahorita me voy a
00:25:01meter
00:25:01a esta parte
00:25:02de materiales
00:25:03en las prácticas
00:25:04de collab
00:25:04y en el módulo
00:25:064 para que
00:25:06ustedes
00:25:07vayan viendo
00:25:08cómo es que
00:25:09se van desarrollando
00:25:10cada uno
00:25:10de estos
00:25:11elementos
00:25:16ok
00:25:22un momentito
00:25:38permítanme
00:25:39cinco minutos
00:25:40chicos
00:25:40¿sale?
00:25:42¿sale?
00:25:44qué es suplexe
00:26:32Ahora sí, ya perdónenme, ahora sí, estamos viendo entonces cómo es que está conectado,
00:26:40voy a ir viendo cómo se conectan cada una de las prácticas con cada uno de nuestros apuntes que nosotros
00:26:48estamos teniendo.
00:26:49Ok, ese es el contenido de lo que nosotros vamos a trabajar, vamos a ver obviamente el contexto del problema
00:26:57prototípico,
00:26:58los fundamentos del aprendizaje automático, que son las redes neuronales artificiales,
00:27:04qué es, en qué consiste la famosa ética en la inteligencia artificial, vamos a ver el modelo de Machine Learning
00:27:12para el triaje,
00:27:13triaje de fugas en el contexto del SIAM, que son las métricas de evaluación y los récicos éticos y salvaguardas.
00:27:23Vamos a empezar entonces nosotros tal cual.
00:27:30Contexto del problema, aquí me gustaría mucho por favor que alguien de ustedes me ayudara a describirlo,
00:27:38porque yo siempre lo escribo chicos y como que no, ya no es correcto, ya les toca a ustedes, ¿no?
00:27:43Bueno, cuéntenme en qué consiste el contexto del SIAM, les pongo la presentación para ayudarlos.
00:27:52Cuéntenme por favor.
00:27:55¿Quién dijo ya?
00:27:57Pues básicamente de lo que trata es de que se tenía una, se contaba con una base de registros para
00:28:06los reportes,
00:28:07la cual no contaba con la suficiente eficiencia para atender todos los reportes de manera inmediata,
00:28:13y ocurrió un colapso, lo cual generó que los problemas de fugas de agua no se pudieran tratar de manera
00:28:22adecuada,
00:28:22ni al tiempo, y es por eso que ahorita nosotros estamos llevando el problema,
00:28:26que es para crear una plataforma, la cual funcione en las comunidades aledañas que fueron las más afectadas,
00:28:32por lo mismo de que no se tiene la conexión a internet, una conexión a internet estable,
00:28:37y pues para que se pueda solucionar ese problema que se tuvo anteriormente.
00:28:45Perfecto, exactamente es el problema que teníamos.
00:28:48Y ahora, en nosotros nos pedía también este elemento, de lo que es el famoso triaje,
00:28:55el incidente crítico nos decía algo, tienes que tener un enfoque de priorización automática,
00:29:02justificable y medible, sin requerir datos personales, ni bases de datos simples,
00:29:08simple y sencillamente con los tickets capturados en la A.
00:29:11Entonces, lo primero que nosotros íbamos a hacer es unos datos simulados,
00:29:15que de hecho, estos datos simulados, ustedes los tienen aquí, en esta primera práctica,
00:29:21que ya saben que ustedes pueden descargar y utilizar este documento para ustedes.
00:29:27Y aquí ya teníamos precisamente esos datos, estos datos simulados,
00:29:32teníamos el ID de reporte, el municipio, tipo de falla, severidad observada,
00:29:38aquí se le daba una ponderación, diámetro de la tubería en milímetros,
00:29:42viviendas afectadas, riesgo de socavón, afectación de servicios críticos,
00:29:48recurrencia, índice de vulnerabilidad, si está en una zona vulnerable,
00:29:53capacidad de reporte digital, no había conectividad, si hay o no hay,
00:29:58campos incompletos, si había, para este, había, puntaje que se le daba al riesgo,
00:30:04prioridad y qué política de acción se recomendaba, ¿no?
00:30:09Aquí ya está, teníamos programar una cuadrilla en 24, 48 horas, ¿no?
00:30:14Y aquí estamos con una prioridad alta, ¿no?
00:30:17Vamos a ver cuál es la diferencia entre uno, no estaba una tubería rota,
00:30:21pero la diferencia la tienen aquí, es un diámetro de 200 milímetros,
00:30:27¿y a cuántas zonas tengo? 46, el riesgo de socavón es altísimo, 3,
00:30:33servicios críticos, referencia, índice de vulnerabilidad,
00:30:37qué tan buena zona vulnerable está, si, si está, ¿ok?
00:30:40Entonces, todo esto es una simulación que ustedes pueden ocupar,
00:30:46obviamente, para poder trabajar.
00:30:49Ya saben ustedes también que después de cada práctica,
00:30:52yo les voy poniendo un pequeño reto, ¿para qué hagan esto?
00:30:56Cambia número de reportes de 420 y para que sea igual a 600.
00:31:03Entonces, ¿qué es lo que nos dice?
00:31:04Pues, sabes que vete al número de reportes que están aquí así
00:31:07y en lugar de que sean, este, 420, este, ponme 600.
00:31:14Pues, vamos a hacerlo, ¿por qué no?
00:31:16Y vamos a ver, precisamente, qué es lo que hace.
00:31:20Le damos play y ahora va a generarme 600 reportes, ¿no?
00:31:25Ahorita me ponen, ahorita nada más 9, pero son 600 reportes.
00:31:30Si ustedes vieran esto, pues, descargaran la tabla,
00:31:33serían una tabla de 600 datos.
00:31:37¿Sale?
00:31:38Y ahorita ya se hizo.
00:31:40Es precisamente lo que me estaba diciendo aquí.
00:31:43Y observa si la prioridad de reportes alta cambia de manera importante.
00:31:48Aquí me dijo, sí, mira, tengo alta, ¿en cuánto?
00:31:51En prioridad alta tengo 459 reportes.
00:31:54Ok, ahí estábamos, trabajando precisamente este punto.
00:32:00Y esto es los datos simulados, que eso es lo que nos va a permitir a nosotros
00:32:04entrenar y validar los datos, tener métricas de desempeño y explicarlo.
00:32:09Ok, de ahí la importancia de esta primera, de esa primera práctica.
00:32:14Ok, y ahora vamos a trabajar en algo muy, muy sencillo.
00:32:18¿Cuáles son los fundamentos del aprendizaje automático?
00:32:23Ok.
00:32:25Han de saber ustedes que el aprendizaje automático, tal cual,
00:32:30se divide en prácticamente tres elementos.
00:32:34Que es cómo aprenden los sistemas inteligentes.
00:32:36Aprenden de manera supervisada, de manera no supervisada y de refuerzo.
00:32:43Pero, ¿cómo puede un sistema aprender de datos?
00:32:46Ok, para nuestro contexto de lo que nosotros sería,
00:32:51¿cómo puede un sistema aprender a distinguir entre una fuga que requiere
00:32:56atención inmediata, una que puede reprogramarse en 24 horas
00:32:59y una que puede monitorearse durante 72 horas?
00:33:03Ok, eso es lo importante.
00:33:06Y esto, pues, obviamente lo tendríamos nosotros en nuestra práctica número 3.
00:33:11Por ejemplo, aquí estamos describiendo el modelo propuesto.
00:33:15Variable, diccionario de datos, y aquí teníamos nuestro diccionario de datos.
00:33:21Y aquí en la práctica 3 es en donde elegimos
00:33:24qué tipo de aprendizaje supervisado vamos nosotros a trabajar.
00:33:31Ok.
00:33:33Y bueno, ¿qué es el aprendizaje automático?
00:33:38El aprendizaje automático es un área de la inteligencia artificial simplemente que permite
00:33:44que sistemas inteligentes de información aprendan y mejoren por sí solitos.
00:33:50Ok.
00:33:51¿Y cómo aprenden y mejoran por sí solitos?
00:33:53Pues, igual que nosotros.
00:33:55A veces, bueno, a veces, ¿no?
00:33:57A través de la experiencia y los datos sin ser programados explícitamente con reglas definidas.
00:34:02Un ejemplo, pues, nosotros si vemos que hay un hoyo, pues, y nos caemos,
00:34:08pues, ya para la otra, en teoría, no deberíamos de volvernos a caer el mismo hoyo, ¿verdad?
00:34:14Pues, lo mismo aprende, hace como aprenden precisamente estos elementos, ¿no?
00:34:19Y para esto, pues, obviamente tiene un proceso que son datos de entrada,
00:34:23se recopila la información, esos datos simulados que teníamos, ese diccionario de datos,
00:34:29viene la parte del entrenamiento donde se ajusta el modelo,
00:34:33patrones útiles o la generalización que nosotros vamos a empezar a trabajar
00:34:37y, pues, obviamente hacer una predicción, que ya son las decisiones autónomas
00:34:43que tiene el modelo de aprendizaje automático.
00:34:48Bueno, ya aprendí, ya hice esto, ahora, ¿qué decisiones debería de tener?
00:34:52¿Vale?
00:34:53Y esto, pues, obviamente lo abrimos aquí.
00:34:56Y aquí van a ver, pues, precisamente nuestros enfoques, ¿no?
00:35:01Que vamos teniendo.
00:35:02Aprendizaje, pues, aquí nomás estamos viendo qué tipos de enfoques hay.
00:35:07¿Adecuación para el triaje del SIAM?
00:35:09Nivel de adecuación conceptual.
00:35:11Aquí ya hasta les estoy respondiendo, pero no debería de haberlo hecho.
00:35:15¿Ok?
00:35:16¿Cuál es el que deberían ustedes ocupar?
00:35:19¿Ok?
00:35:21Por ejemplo, tipo de aprendizaje supervisado.
00:35:23¿Qué necesita datos con una etiqueta conocida?
00:35:27Aplicación al SIAM.
00:35:29Permite predecir prioridad baja, media o alta a partir de datos.
00:35:34Permite predecir, medir precisión, F1, depende de la calidad de las etiquetas simuladas.
00:35:42Nivel de adecuación 5.
00:35:44Y aquí es donde le estamos viendo qué nivel de adecuación tiene cada uno.
00:35:49¿Ok?
00:35:51Hasta ahorita dudas.
00:35:55Y por ejemplo, aquí te está diciendo un reto sencillo.
00:35:58Modifica la función recompensa simulada para penalizar con menos 15 los falsos negativos.
00:36:05Ustedes deberían de irse aquí a la recompensa simulada para ver cómo funciona.
00:36:09Ponerle un valor de menos 15 y ya no tendrían ningún problema ahí, ¿no?
00:36:16A ver qué es lo que nos da.
00:36:20¿Vale?
00:36:21Vamos a continuar.
00:36:22Entonces, ya tengo el aprendizaje automático.
00:36:27¿Dudas de ahí, de este?
00:36:32Antes de continuar, ¿dudas?
00:36:36Bueno, ahora tengo el aprendizaje supervisado.
00:36:43¿Ok?
00:36:44Aquí se llama supervisado porque es como cuando nosotros estamos con nuestros niños y les estamos enseñando, pues, a caminar
00:36:52y a trabajar.
00:36:53¿Cómo evitas que el niño se caiga?
00:36:54Pues, lo llevas de la mano.
00:36:55Está supervisando cómo está trabajando.
00:36:57Y, precisamente, en esto consiste esto del aprendizaje supervisado.
00:37:02¿Ok?
00:37:03Trabaja con datos etiquetados.
00:37:06Esto significa que cada ejemplo tiene una entrada y una salida conocida.
00:37:11Que yo voy a saber qué es lo que va a entrar exactamente y debo de saber exactamente qué es
00:37:16lo que va a salir.
00:37:17¿Ok?
00:37:18Esto aprende la relación entre entradas y etiquetas.
00:37:22¿Ok?
00:37:22Cuando se reciba un nuevo reporte, pues, obviamente, va a salir cada uno de estos.
00:37:29Tengo un dato de entrada y una predicción.
00:37:32Comparo si es correcto y empiezo a decirle, no, sabes qué, te equivocaste, tienes que haber hecho esto.
00:37:39No esto, tienes que hacer cada uno de estos.
00:37:43¿Ok?
00:37:44Hasta ahorita, se llama supervisado porque, como les acabo de comentar, requiere un etiquetado humano durante el entrenamiento.
00:37:54Lo que permite evaluar con precisión el desempeño del modelo y ajustar sus predicciones.
00:38:02¿Sale?
00:38:04Tenemos también ahora el aprendizaje no supervisado.
00:38:11¿Ok?
00:38:12Este enfoque de modelo se entrena con datos.
00:38:15Aquí ya no busco yo decirle, esto es esto.
00:38:19Y lo que vas a obtener es esto.
00:38:21¿No?
00:38:22Aquí dejo que la inteligencia se entrene e identifique estructuras, patrones o agrupamientos inherentes.
00:38:30Es decir, pueda identificar comportamientos.
00:38:34¿Ok?
00:38:35A diferencia del supervisado, no dispone de información explícita sobre los resultados.
00:38:39El aprendizaje se basa en descubrir regularidades internas, similitudes, diferencias y contribuciones.
00:38:47¿Y cuándo es útil este modelo?
00:38:49Cuando buscamos descubrir relaciones ocultas, reducir la dimensionalidad, identificar anomalías, grados de conjuntos de datos, etc.
00:38:59¿Vale?
00:38:59En donde se ocupa mucho en el clustering, pues obviamente para poder hacer agrupación y predicciones de mercado, detectar anomalías
00:39:07de fraudes y reducción de dimensiones de volúmenes, ¿no?
00:39:11Bajar la complejidad de los datos.
00:39:16¿Hasta ahí dudas, chicos?
00:39:24¿Ok?
00:39:26Seguro.
00:39:27¿Cuántos llevamos?
00:39:27Vamos a ver si yo les preguntara, ¿cuántos llevamos ahorita?
00:39:31Llevamos aprendizaje no supervisado, aprendizaje supervisado y aprendizaje automático.
00:39:39¿Ok?
00:39:40Llevamos tres.
00:39:42Nos falta entonces, ahora a ver, el aprendizaje por refuerzo.
00:39:49¿Qué quiere decir el aprendizaje por refuerzo?
00:39:52Simple y sencillamente se basa en un agente que interactúa con un entorno, toma decisiones y recibe recompensas o penalizaciones.
00:40:02¿Dónde creen que han visto esto?
00:40:05¿Quién creen que aprenden así?
00:40:08No me voy a hablar hasta que me digan, ¿quién aprende por refuerzo?
00:40:15¿Las mascotas?
00:40:17Exactamente.
00:40:19Ah, muy bien, este Firulay si te doy, como hiciste lo que yo quería, te doy tu premio.
00:40:26Lo mismo sucede en la inteligencia artificial.
00:40:31Toma decisiones, la acción responde al entorno.
00:40:35Se le da un premio o un castigo, se le baja la casa según esto.
00:40:43Y pues obviamente con base a esto, él va ajustándose y trabajando mucho.
00:40:48Y esto de aprendizaje por refuerzo, es como trabaja en la mayor parte de los videojuegos actualmente.
00:40:57Todos los videojuegos trabajan con un agente que se actúa con base a la puntuación.
00:41:03¿Ok?
00:41:04Robótica autónoma, ojo, esto también lo tenemos mucho.
00:41:08Esto lo hemos trabajado mucho con el A+, cuando optimizamos rutas, etc.
00:41:15¿Vale? Los famosos autos autónomos.
00:41:19¿Dudas, preguntas, hasta ahorita?
00:41:23Y bueno, ya vimos entonces los cuatro elementos más, los tres, los buenos, los tres elementos más importantes.
00:41:31Que son el aprendizaje supervisado, no supervisado y aprendizaje por refuerzo.
00:41:38Y aquí vamos a ver cómo puede trabajar cada uno de ellos.
00:41:46¿Ok?
00:41:48El aprendizaje supervisado, que aquí no se ve, pero debería decir supervisado.
00:41:54No sé por qué no.
00:41:56Pero bueno, el aprendizaje supervisado, pues obviamente son datos etiquetados, una entrada y una salida con respuesta.
00:42:03Tiene el objetivo de predecir salidas conocidas, tiene técnicas de clasificación y regresión.
00:42:09Y por último, este tenemos detección.
00:42:12¿Para qué se ocupa?
00:42:13En detección de fraudes en transacciones.
00:42:16El supervisado y el por refuerzo.
00:42:20Y antes de aquí, ¿cuál ustedes creen que sería el más adecuado para el triaje?
00:42:32A ver, lo vuelvo a poner.
00:42:34¿Cuál creen ustedes que deberían ocupar para el triaje del SIAM?
00:42:40Supervisado.
00:42:45El aprendizaje supervisado.
00:42:48¿Por qué?
00:42:49Porque puede simular etiquetas de prioridad alta, baja y media a partir de técnicas y variables sociales.
00:42:58Y va a permitir evaluar el desempeño con métricas claras como lo es el Precision, el Recal y el F1.
00:43:04Y es más fácil de implementar con datos simulados y más claro para el personal operativo que una salida continua
00:43:12de supervisión.
00:43:14Ojo, el aprendizaje no supervisado puede usarse como complemento para detectar que patrones anómalos en reportes.
00:43:24Que no se ajusten a las etiquetas que normalmente vamos a manejar.
00:43:33Ok, ¿dudas hasta ahí?
00:43:41¿Sale?
00:43:42¿No?
00:43:43¿Nadie?
00:43:43Muy bien.
00:43:45Ahora vamos a ver las redes neuronales.
00:43:49¡Wow!
00:43:50Aquí vamos a revisar una familia de modelos muy poderosa, pero también más exigente y a veces más transparente.
00:43:59Ok.
00:44:00Vamos a entender cómo podrían trabajarse estas dentro de nuestro contexto, decía.
00:44:05Antes de continuar yo les preguntaría, ya se los he platicado, ¿quién recuerda que es una red neuronal?
00:44:19¿Alguien me puede apoyar?
00:44:31¿Alguien me puede apoyar?
00:44:32¿Qué es una red neuronal?
00:44:35Pues a lo que yo recuerdo es una red que trata de imitar el pensamiento humano, el cual va haciendo
00:44:44las conexiones, es como el principio de la inteligencia artificial, que va haciendo las conexiones para poder imitar el pensamiento
00:44:53humano.
00:44:53Muy bien, simple y como bien claro lo dices, los modelos de redes neuronales o los RNAs artificiales, simple y
00:45:01sencillamente están inspiradas de manera simplificada en el cerebro humano.
00:45:06Están conformadas por capas.
00:45:09¿Cuáles son las capas?
00:45:11Tenemos regularmente nosotros, voy a ponerlo esto en rojito, ¿vale?
00:45:16Tenemos una capa de entrada, una capa oculta y una capa de salida.
00:45:22Esas son las tres capas.
00:45:26En la capa de entrada nosotros vamos a colocar, pues estamos hablando del contexto del SIAM.
00:45:31Pues, ¿qué podríamos colocar dentro de la capa de entrada?
00:45:35Pues como la severidad, el volumen estimado, vulnerabilidad territorial, tipo de fuga, tamaño de la fuga.
00:45:44Ahora, todos esos datos entran aquí, aquí los tengo.
00:45:49¡Pum! Perfecto.
00:45:50Y ahora, la capa de oculta, pues van a transformar todos estos datos y los van a empezar a desarrollar.
00:45:59¿Ok?
00:45:59Van a empezar a determinar, este, simplemente relaciones que existen entre cada uno de estos.
00:46:07Y al final, en la capa de salida, va a determinarse o producirse una clasificación o una predicción.
00:46:15¿Ok?
00:46:16Por ejemplo, si una fuga, pues, ¿qué nos puede decir?
00:46:19Pues puede no ser grave por el volumen, sino por la combinación entre volumen y la cercanía a un hospital.
00:46:27Pues esto es lo que nos va a decir y ya es lo que nos va a determinar aquí lo
00:46:32que es la estructura de salida, ¿no?
00:46:34Entonces, si yo tengo aquí un tamaño de volumen no tan grande, pero estoy cerca de un hospital o de
00:46:40una escuela o bla, bla, bla.
00:46:42Pues aquí tendría que estar trabajando.
00:46:45¿Ok?
00:46:47Hasta ahorita, ¿dónde trabajamos y dónde conectamos esto en nuestras prácticas?
00:46:54Si ustedes se van a la práctica número 8, si no, es la 8, 7 y 8.
00:47:07Y aquí vamos a ver precisamente una red neuronal simple que nos permite estimar la prioridad que estoy, como lo
00:47:17que estoy comentando yo, de una red neuronal.
00:47:21¿Ok?
00:47:22¿Qué es lo que hace?
00:47:23Se entra en una red neuronal simple donde se compara con base al árbol de decisión y su búsqueda es
00:47:30simple y sencillamente determinar si se trabaja o no se trabaja.
00:47:34Y aquí está la precisión de la red neuronal.
00:47:38¿Ok?
00:47:43Y aquí se empiezan a trabajar y aquí vemos los resultados.
00:47:54Ojo, es una red neuronal simple.
00:47:57No es un deep learning.
00:48:01Solamente es una red neuronal simple.
00:48:06¿Ok?
00:48:08Y aquí empezamos a trabajar.
00:48:14De hecho, aquí estoy entrenando la red neuronal.
00:48:19¿Sale?
00:48:19Aquí estoy creando la red neuronal.
00:48:22Con las capas ocultas, aquí la estoy complementando, aquí la entreno y aquí genero las predicciones.
00:48:30Y esas predicciones, pues son las que yo voy teniendo aquí.
00:48:34Y esto que ustedes están viendo como gráfica es la matriz de confusión, la matriz de predicción.
00:48:42¿Ok?
00:48:42Que nos dice, pues, a cuántos le atinó y a cuántos no le atinó.
00:48:47¿Vale?
00:48:48Entonces, esto nos da una .85, .90, .90.
00:48:53Quiere decir que, pues, está fuerte nuestra red neuronal.
00:48:57¿Ok?
00:48:59¿Hasta ahorita dudas, preguntas, comentarios?
00:49:06Y no.
00:49:08¿Seguros?
00:49:09Bueno, y aquí nosotros ya vamos a hablar de un tema más pesado.
00:49:15Yo creo que ustedes lo han de ver, he escuchado, el deep learning.
00:49:20¿Alguno de ustedes ha escuchado acerca del concepto del deep learning, el famoso aprendizaje profundo?
00:49:35¿No?
00:49:36No, ninguno.
00:49:39Bueno, el aprendizaje profundo ocurre cuando esas redes neuronales tienen múltiples capas ocultas.
00:49:50Y estas van aprendiendo de la capa anterior constantemente.
00:49:57O sea, de la capa anterior voy aprendiendo.
00:49:59Y de esta voy aprendiendo.
00:50:00Y voy aprendiendo.
00:50:01La que lo viéramos, para que ustedes lo viéramos, es que aquí, para que lo trabajáramos, tendría otra bolita, otra
00:50:11bolita, otra bolita, otra bolita, otra bolita.
00:50:20Y obviamente estos se interconectarán así.
00:50:30Entonces, cada una de las capas se va conectando con cada uno de los elementos anteriores.
00:50:37Y así sucesivamente.
00:50:38Entonces, esto hace, esta capa oculta, es lo que nos hace el deep learning.
00:50:44Porque aquí ya tenemos una capa oculta muy profunda.
00:50:48¿Ok?
00:50:49Eso es a lo que se refiere el aprendizaje profundo.
00:50:53¿En dónde lo ocupan?
00:50:56Un ejemplo.
00:50:57¿Dónde lo ocupan?
00:51:03Chat GTP.
00:51:07¿Dónde lo ocupan?
00:51:08Los filtros que ustedes se han puesto durante todo el tiempo de carita de perritos, orejitas.
00:51:13Es con eso.
00:51:15¿Dónde lo ocupo?
00:51:16Pues, por ejemplo, yo tengo, estoy trabajando en el postdoc, una representación de, el modelo se llama, un, este, detección
00:51:26de microexpresiones faciales, para la predisposición de personas con, este, con, este, ay, ya se me fue el nombre, con
00:51:35depresión.
00:51:36Entonces, vas analizando las microexpresiones faciales, vas determinando, y con base al comportamiento y al postcomposing, vas determinando, pues, que
00:51:46una estudiante o una persona tiene depresión.
00:51:48Adelante, Ingrid.
00:51:52También aplicaría en el caso donde tomamos una fotografía y si hay texto, en automático lo vas reconociendo por los
00:51:59patrones de las letras.
00:52:02Si hay texto, sí, también lo ocupas ahí.
00:52:05Lo que tienen es, obviamente, que son grandes volúmenes de datos de entrenamiento.
00:52:10O sea, ocupas muchísima información.
00:52:13Y, obviamente, ocupas mayor GPUs.
00:52:16De hecho, ustedes se van a dar cuenta, si ustedes ya están trabajando con esto, que yo puedo poner, eh,
00:52:23editor, asistente.
00:52:25Es que quería ver si tenía este elemento para poder configurar.
00:52:32Ya no me acuerdo si estaba por acá, herramienta o no de ejecución.
00:52:37Aquí debe de estar.
00:52:38Ahora, nosotros cuando estamos ejecutando todo esto, no lo ejecuta un procesador.
00:52:44Un CPU lo ejecuta regularmente algo que se llama TPU.
00:52:50Esto es lo que yo quería enseñarles.
00:52:52Este es el entorno de ejecución.
00:52:54Esto es un CPU.
00:52:56Algo normal.
00:52:57Después, para subir un poquito más lo que es este...
00:53:03La...
00:53:04La...
00:53:05Digamos, la velocidad podría ocupar un GPU.
00:53:09Que es un Graphic Process Unit.
00:53:11Como lo que ustedes tienen, o sus hijos tienen.
00:53:14Que han escuchado que juegan videojuegos.
00:53:16Entonces, ellos ponen una tarjeta gráfica.
00:53:19Y esa tarjeta gráfica tiene un procesador que se llama Graphic Process Unit.
00:53:23¿Ok?
00:53:25Entonces, con base a esto, pues es cuántos hubs vas teniendo.
00:53:29Obviamente, si me pongo cada uno de esos, pues ya lo tendría que pagar.
00:53:33Y hasta el último, llegas a este que dice TPU.
00:53:37¿Qué quiere decir TPU?
00:53:38Significa Tensor Process Unit.
00:53:41Unidad de procesamiento de tensores.
00:53:44Pues ya es cuando estás trabajando con un...
00:53:46Por ejemplo, con un Deep Learning muy pesado.
00:53:49Pues ya ocupas esto.
00:53:51Y hay veces que hemos dejado correr el Collab días.
00:53:54¿No?
00:53:55O sea, una vez lo dejé trabajando como cinco días para que tardo en procesar los datos.
00:54:02Esa es la diferencia, ¿no?
00:54:04Entonces, era lo que yo les estaba diciendo.
00:54:06Con base a eso, pues obviamente tienes que tener más requisito de qué es lo que vas tú a tomar.
00:54:13¿Ok?
00:54:14¿Dudas, preguntas, comentarios?
00:54:20¿En dónde ocupamos cada uno?
00:54:22Las redes neuronales.
00:54:24Pues el Deep Learning lo ocupamos en la visión artificial.
00:54:26En el procesamiento natural del lenguaje.
00:54:29¿Cuál es el procesamiento natural del lenguaje?
00:54:30Pues el chat GTP.
00:54:31Un ejemplo de eso.
00:54:33O el que nosotros le decimos, hey Google.
00:54:35Y que nos detecta y nos dice un comando.
00:54:38Pues eso.
00:54:38El Alexa, cuando le decimos, Alexa, sintonízame eso.
00:54:41Eso es procesamiento natural del lenguaje.
00:54:43Y trabaja con un Deep Learning.
00:54:47¿Ok?
00:54:48Hasta ahorita.
00:54:48¿Dudas, preguntas, comentarios?
00:54:53La más mínima que tengan.
00:54:54Si no tienen dudas, pulgar arriba.
00:54:57Si tienen dudas, pulgar abajo.
00:54:59A ver.
00:55:02Vamos a ponerlos por acá.
00:55:04Perfecto.
00:55:05Nadie tiene dudas.
00:55:06Pues bueno, vamos a practicar y ahora hablar sobre la ética en la inteligencia artificial.
00:55:16¿Ok?
00:55:17La ética.
00:55:18¿Qué es la ética?
00:55:19Ya llevaron esta materia.
00:55:21Yo creo que no deben de tener ahí como que dudas de qué es la ética.
00:55:25Y se refiere simple y sencillamente al conjunto de valores, normas para poder diseñar sistemas que protejan derechos,
00:55:35promuevan justicia, equidad y transparencia.
00:55:38Y obviamente, reduzcan daños sociales.
00:55:41Que esto en la inteligencia artificial y en el área de las TIs es muy difícil.
00:55:46Sobre todo el concepto de privacidad.
00:55:50Porque prácticamente no existe una sola...
00:55:54Es muy difícil que una persona no deje huella digital en sus operaciones día con día en la nube.
00:56:01¿Ok?
00:56:01Entonces nosotros estamos buscando, simple y sencillamente, pues un elemento que disminuya los sesgos y desigualdades.
00:56:10Que tenga privacidad de autonomía.
00:56:12Y que no tenga falta de transparencia.
00:56:17Así que sea altamente transparente.
00:56:20¿Ok?
00:56:21Hasta ahí, dudas.
00:56:23Y en esto, ¿cómo lo conectamos?
00:56:25Si ustedes se avanzan un poquito, lo van a dar cuenta que se lo tengo en la práctica número 10.
00:56:33Y aquí pues van a ver esa parte de ética.
00:56:37¿No?
00:56:37Como la tratamos de aplicar un poquito con lo que es la inteligencia artificial.
00:56:43Con nuestro modelo del CIAN.
00:56:45¿Cómo lo podríamos nosotros trabajar?
00:56:49¿Vale?
00:56:52Y bueno.
00:56:53Marcos éticos y recomendaciones que deben de haber.
00:56:56Pues obviamente, ¿qué es un marco ético de la IA?
00:57:00Es un marco de acción y principios globales que promueven el diseño ético, inclusive y responsable de la inteligencia artificial.
00:57:07¿Ok?
00:57:08¿Cuáles son sus principios fundamentales?
00:57:10La proporcionalidad.
00:57:11La seguridad y protección.
00:57:13La equidad e inclusión.
00:57:14Y obviamente, como le estaba diciendo, la transparencia.
00:57:17Que muchas veces, pues cuesta trabajo en el área de Deep Learning, pues esas capas ocultas.
00:57:22El saber exactamente qué está haciendo y cómo lo está haciendo.
00:57:27¿Vale?
00:57:29Y bueno.
00:57:31Ahora ya vamos a trabajar con esto.
00:57:34La 19.
00:57:35¿Qué es esto?
00:57:36Pues es simple y sencillamente lo que les estaba pidiendo.
00:57:39La famosísima tarea auténtica.
00:57:43Primeramente, tengo que definir.
00:57:46¿Qué voy a hacer?
00:57:47Ya les había dicho.
00:57:48¿Supervisado, no supervisado o por refuerzo?
00:57:51¿Cuál deberían de escoger?
00:57:56Supervisado.
00:57:58Supervisado.
00:57:59Supervisado.
00:58:00Ok.
00:58:01Perfecto.
00:58:02Y aquí estábamos viendo datos de entradas T, variables de datos de entradas técnicas y sociales.
00:58:08A qué se refiere y cómo es que se puede trabajar.
00:58:13¿Ok?
00:58:14Ahora, la decisión en el Siam, el supervisado, como bien claro lo que ustedes estaban indicando, es el más adecuado.
00:58:22Obviamente lo van a tener que complementar.
00:58:24No va a poder ser solo ese.
00:58:26Van a poder que trabajarlo con técnicas no supervisadas.
00:58:31Y ustedes me dirán, pero ¿por qué nada más con uno deberíamos de tener?
00:58:34Porque puedo poner etiquetas como lo son alta, media y baja.
00:58:39Ok.
00:58:40Ok.
00:58:41Pero, ¿qué pasa cuando sucede que la tarea no puede trabajar con ese elemento?
00:58:50Por ejemplo, una cuadrilla no necesita recibir una ecuación compleja.
00:58:54Necesita saber si el reporte exige atención inmediata, programado o monitoreo.
00:58:58Entonces, el aprendizaje no supervisado, ahí debería de detectar cuál es la mejor patrón.
00:59:05Es cuando no detecta el aprendizaje supervisado, no detecta esos elementos que no sean lineales.
00:59:12¿Ok?
00:59:15Hasta ahorita, dudas, preguntas, comentarios.
00:59:19Y esto, esto también a ustedes se los pidió.
00:59:23Que son, ¿qué datos de entrada deberían de tener?
00:59:28Pues aquí tengo variables técnicas, variables sociales.
00:59:31¿Y dónde los voy a tener esto?
00:59:33Pues lo tienen ustedes en la práctica 1, 2 y 4.
00:59:39La práctica 1, pues aquí ya tengo mis datos simulados.
00:59:43Ya estoy viendo cuáles son los datos de entrada.
00:59:45En la práctica 2, también lo tengo aquí, donde tengo mi diccionario de datos.
00:59:50Y obviamente, en la práctica número 4, preparo los datos para conectividad intermitente.
00:59:59¿Ok?
01:00:01Estoy conectado.
01:00:02Ah, volver a la pantalla principal.
01:00:36Ah, volver a la pantalla principal.
01:00:47No me deja entrar.
01:00:52Ah, volver a la pantalla principal.
01:01:10Ah, volver a la pantalla principal.
01:01:10Ah, volver a la pantalla principal.
01:01:14Ah, volver a la pantalla principal.
01:01:17Ah, volver a la pantalla principal.
01:01:17Ah, volver a la pantalla principal.
01:01:19Ah, volver a la pantalla principal.
01:01:19Ah, volver a la pantalla principal.
01:01:20Ah, volver a la pantalla principal.
01:01:20Ah, volver a la pantalla principal.
01:01:20Ah, volver a la pantalla principal.
01:01:20Ah, volver a la pantalla principal.
01:01:20Ah, volver a la pantalla principal.
01:01:22Ah, volver a la pantalla principal.
01:01:32Ah, volver a la pantalla principal.
01:01:36Gracias.
01:02:33Gracias.
01:02:38¿Qué me quedé? Perdón, vuelvo a compartir pantalla. Bueno, una disculpa, ¿está todo bien? ¿Me escuchan otra vez todos? Ok,
01:02:55entonces yo les estaba comentando precisamente. Ah, tengo apagado el micro.
01:03:00Tiene apagado el micro, profe.
01:03:30Media y baja. ¿Dónde vemos el de alta, media y baja? Eso lo vemos principalmente en la práctica número 5.
01:03:40Ok, el árbol de decisión. Este nos va a dar, pues ya, qué tipo de prioridad va a tener.
01:03:47Y si se dan cuenta, aquí se está poniendo qué prioridad real tenía y cuál es la que el modelo
01:03:53de decisión me está poniendo. Por ejemplo, aquí tenía alta, sí latinó, pero falso en esta, ¿no? La prioridad real
01:04:00era media y aquí la puso como que era alta.
01:04:03Y esta que era media la puso como que era alta. Ok, entonces esto tiene ahí unos datos, ¿no? Varias
01:04:10más importantes para el del socavón. Recuerden que ya está puesta la asistencia para que no tengan que estarse anotando
01:04:18aquí. La asistencia la deben de tener ustedes. Ahí ya hay link para que puedan acceder, ¿sí?
01:04:24¿Le pueden volver a compartir? Claro que sí, con todo gusto.
01:04:31La tengo por aquí en el chat y la voy a volver a compartir.
01:04:44Listo. Y la voy a fijar también. Listo. Ya está puesta. Ahora, ya tenemos nuestra salida lógica del triaje que
01:04:57nosotros vamos a ocupar.
01:04:59¿Dónde tenemos nuestra lógica? ¿Ok? En esto, obviamente, lo vamos a tener también en la práctica número 5, como se
01:05:09habrán dado cuenta, en esta que nosotros teníamos aquí.
01:05:12Y también en la práctica número 10 deberían de poder ver esa parte de la lógica que ustedes están teniendo.
01:05:21¿Sale?
01:05:23Después, en la siguiente presentación, que es lo que es el papel de las redes neuronales, así, tal cual, pues
01:05:30lo tenemos en la práctica número 8.
01:05:34Que esto ya lo habíamos explicado, las partes de las redes neuronales, en nuestro cuaderno lo tenemos en esta práctica.
01:05:41¿Ok? Y esto nos va a dar una breve explicación de las redes neuronales y qué tanto le va atinando
01:05:47lo que es el modelo a lo del problema del triaje del SIA.
01:05:52¿Ok?
01:05:55Después tenemos ya lo que son las métricas de evaluación.
01:06:00¿En qué consisten precisamente las métricas de evaluación?
01:06:05¿Ok?
01:06:07Esto lo que busca, simple y sencillamente, es responder qué fugas el modelo clasificó con alta prioridad, cuántas realmente lo
01:06:15eran.
01:06:15De esa métrica, pues, nos va a permitir a nosotros saber, pues, qué tanto le atinó, etc.
01:06:22¿Y cómo lo podemos ver esto?
01:06:24Pues, si nos vamos a nuestras prácticas, aquí también tenemos una métrica.
01:06:28Y también en la práctica número 6.
01:06:35Aquí tenemos el modelo con las métricas y los falsos negativos.
01:06:40Y aquí lo tenemos, nuestra métrica.
01:06:53¿Ok?
01:06:54El recall, el F1 score, el famoso ROG y el accuracy.
01:06:59¿Ok?
01:07:00¿En qué consiste cada uno y cómo podríamos nosotros, cómo se define y cómo se podría interpretar en el contexto
01:07:07del SIA.
01:07:08Y al final, pues, obviamente, una, este, clasificación con una matriz de confusión, como esto que estamos teniendo, ¿no?
01:07:17Aquí tenemos nuestra matriz de confusión.
01:07:22¿Ok?
01:07:25Falsos negativos.
01:07:26Hubo un falso negativo, vean.
01:07:31La prioridad era alta y la prioridad predicha era media.
01:07:36Aquí, pues, hubo un fallo, ¿no?
01:07:39La inteligencia artificial, créanme que no es la más fiable de todas.
01:07:47Siempre se equivocan o alucinan el concepto de...
01:07:50Y aquí deberíamos de ver, bueno, cuándo debemos de priorizar cada una de estas, ¿no?
01:07:57¿Por qué esto de la accuracy no es suficiente?
01:08:00Entonces, porque hay que tomar otros elementos para poder determinar cuál modelo es el más ético, el más correspondiente.
01:08:09Y, obviamente, esto de lo que son la parte de los riesgos éticos, ya lo habíamos explicado nosotros precisamente en
01:08:17la parte de la práctica número 10.
01:08:20Que es donde viene la parte de todo esto de lo que es la ética en la inteligencia artificial, en
01:08:29la inteligencia artificial, no, una auditoría ética y gobernanza del modelo.
01:08:34Ahora, chicos, me queda preguntarles a ustedes, ¿está todo claro?
01:08:39¿Dudas, preguntas, Sergio, Vianney, Fer, todos y cada uno de ustedes?
01:08:51¿Dudas, preguntas, comentarios, sugerencias?
01:09:01Ok, perfecto. ¿Alguien más?
01:09:09Bueno, a mí qué más me queda por decir, simple y sencillamente, se habrán dado cuenta que con el cuaderno
01:09:15pueden responder y con esta presentación pueden tomarla como base para poder construir tanto la tarea auténtica
01:09:22como lo que es el foro integrador, ok.
01:09:27Habrán dado cuenta, pues, no, por más que, por más grande y por más entrenado que tengamos un modelo, jamás,
01:09:36jamás una inteligencia artificial, al menos de las que yo he entrenado, ha logrado una currency del 100%.
01:09:43Ok, que sea que sea 100% fiable, ¿de qué es? ¿Por qué es?
01:09:46No. Llegamos a 92, 91, 93%, pero ese pequeño 7%, ese sesgo, pues, obviamente, es en donde vienen los famosos
01:09:59falsos negativos o los famosos falsos positivos.
01:10:04Donde dije que sí era, pero, pues, en realidad no.
01:10:07Por ejemplo, imagínate que te hago una inteligencia artificial para poder, este, tener o predecir el cáncer de pecho.
01:10:16Y le digo, en mi inteligencia artificial le dice, sí tienes cáncer.
01:10:21Y la persona, pues, obviamente, la mujer, la persona que escucharía, sí tienes cáncer, se pondría toda espantada.
01:10:27Y a lo mejor le podría provocar una enfermedad del méndigo, del susto que le haya provocado.
01:10:34¿Lo lograrán en un futuro? Pues, todo depende de cómo va evolucionando la inteligencia artificial.
01:10:39Ahorita la inteligencia artificial, pues, tiene muchos sesgos en la parte de alucinaciones,
01:10:43sobre todo lo que es el procesamiento natural del lenguaje, en los LLMs que ustedes conocen con nombre de ChatGTP,
01:10:50Claudel, este, Dipsic, este, Cuen, y todos esos, pues, tienden a alucinar.
01:10:57Es decir, a inventarse cosas que no son ciertas.
01:11:01Es ahí donde debe de saber, pues, que nosotros debemos de entrenarlo.
01:11:05Y, por ejemplo, ¿alguno de ustedes sabe cómo es que ChatGTP aprende?
01:11:18¿De skills, no?
01:11:20No, esto es Cloudé, pero no, no solamente es de skills, sino de, por ejemplo, cuando has de cuenta tú,
01:11:26Sergio,
01:11:27le pones a decir, quiero que me entregues esto, esto, esto y esto.
01:11:30Y te entrega otra cosa.
01:11:32Y tú le dices, no, te equivocaste en esto, era así, así, así, modifícalo y ponlo así, así, asado.
01:11:38Y va aprendiendo, el que está entrenando el aprendizaje supervisado de ese modelo LLM, eres tú.
01:11:47O sea, prácticamente nos están utilizando a nosotros como los que están entrenando la inteligencia artificial.
01:11:53Por eso es también que los modelos están evolucionando tan rápido.
01:11:57¿Por qué? Pues por la cantidad de usuarios supervisados que están, este, viendo cómo se comporta el modelo.
01:12:06Por eso es importante poner buenos prompts para que la inteligencia de una manera nos pueda comprender.
01:12:13Exactamente.
01:12:13Y de una manera poder razonar o no.
01:12:15Exactamente, se llama ingeniería de prompting, pero hay veces que a pesar de que le pones buenos prompts,
01:12:20te pone cada, cada cosa y lo tienes que volver, la tienes que corregir.
01:12:24Entonces, cada vez que tú la corriges, ella va aprendiendo.
01:12:30Entonces, somos nosotros los que la estamos entrenando constantemente.
01:12:35¿Usa el método supervisado y a la vez no supervisado?
01:12:39Podría ser que sí.
01:12:42Auto automático.
01:12:44Y nosotros lo vamos entrenando supervisado y no supervisado al mismo tiempo.
01:12:49Está muy bueno su modelo.
01:12:54¿Alguien más, dudas, preguntas?
01:12:56Sí, pero te dicen que ChatGTP ya es antiguo y ya, por ejemplo, Cloud ya es uno de los más
01:13:00actuales por el tipo de modelo de aprendizaje.
01:13:04No, es más diferente.
01:13:07Por ejemplo, ChatGTP está orientándose hacia otro lado.
01:13:11Yo te podría decir, entonces, no es tan ocupado Cloud, aunque tengas el Cowork y vámonos al OpenCloud.
01:13:19Ya lo que está atendiendo actualmente es a la tecnología agéntica, en donde ya no ocupas un elemento así, sino
01:13:26descargas un servidor y ya ni siquiera les pagas.
01:13:29Por ejemplo, ya nada más descargas el modelo de aprendizaje a través de un olama en tu computadora y lo
01:13:35instalas.
01:13:36Y le empiezas a hacer que trabaje y ya no estás pagando los famosos tokens.
01:13:39Porque tanto Cloud, porque Cloud es muy mancha, muy grosero sobre la parte de tokens.
01:13:46Donde sí es muy bueno Cloud es para programar, es totalmente bueno.
01:13:51Pero ya para la parte de ciertos elementos de desarrollo de trabajo humano o de ciencias sociales o ciencias éticas
01:14:01no es tan bueno.
01:14:03No es tan recomendable.
01:14:04Donde tampoco es bueno, si tú le pones a diseñar, es pésimo diseñando lo que es Cloud.
01:14:11Ok, entonces hay que saber qué modelos podemos ocupar para cada cosa.
01:14:15Y bueno chicos, ¿qué les pareció la casa del día de hoy?
01:14:24¿Nada? ¿Nadie? ¿Dudas? ¿Preguntas?
01:14:27Pues es que si nos ponemos a reflexionar que la inteligencia artificial trata de simular la inteligencia de un humano,
01:14:37pues llegaríamos a la vértebra donde no todos los humanos tenemos la misma capacidad porque vamos adquiriendo experiencias.
01:14:44Así es lo mismo con la inteligencia artificial.
01:14:46Conforme lo que va adquiriendo va a ir personalizándose, ya sea que se dedique a la área de la salud,
01:14:52a cualquier situación.
01:14:54Entonces, como tal, ahorita debatiendo cuál es mejor, cuál es todo, depende en qué lo vamos a aplicar.
01:15:01Exactamente. Muy bien dicho, Ingrid.
01:15:06Perfecto. ¿Alguien más? ¿Dudas? ¿Preguntas? ¿Comentarios?
01:15:10¿Opiniones chicos?
01:15:13Todo bien profesor, me tengo una pregunta.
01:15:15¿Aquí en la universidad hay un tipo maestría, doctorado sobre inteligencia artificial?
01:15:20No hay maestría y diplomado sobre inteligencia artificial.
01:15:24No hay ahorita maestría o doctorado sobre inteligencia artificial.
01:15:27Pero en el 2027, uno, les digo porque yo y otro compañero, vamos a dar un diplomado de inteligencia artificial.
01:15:36Donde ya vamos a ver ahora sí ya la parte de programación, se les va a compartir cuadernos, se va
01:15:44a empezar a hacer prácticas, etcétera, etcétera, etcétera.
01:15:49Sí, sí, lo van a poner a hacer.
01:15:52Ah, perfecto. ¿Y eso sí nos mandaría la información, aunque ya seamos exalumnos?
01:15:57Sí, en el 2027, uno los va a salir, no creo que ya esté titulado en el 2027, uno, pero
01:16:03sí, sí va a salir un diplomado de eso, el próximo año.
01:16:08Estamos trabajando precisamente en eso.
01:16:13Perfecto, muchas gracias, Més.
01:16:15¿De qué? ¿Alguien más? ¿Dudas, preguntas, comentarios?
01:16:23¿No? Bueno, pues exactamente, y ponerla a prender exactamente, Juan.
01:16:29Pues no me queda más que agradecer su tiempo, su espacio, una disculpa por la interrupción de conexión que tuve.
01:16:35Y pues nos estamos viendo la siguiente semana en nuestra sesión sincron número 6.
01:16:40Y ya estaremos trabajando en nuestra actividad integradora.
01:16:44Estoy a un mensaje, a un correo, o a un foro de dudas de distancia.
01:16:51Recuerden que siempre estoy para apoyarlos.
01:16:53Y ojo, me pidieron también mucho que, por favor, Miguel, ya está la lista de asistencia.
01:16:59Para que no tengas que, obviamente, registrarte aquí.
01:17:02Es este link que te da Nexo.
01:17:04Me pidieron mucho también que no se olviden de realizar la evaluación que les aparece.
01:17:10Creo que es la evaluación docente.
01:17:12¿Ok?
01:17:14¿Vale?
01:17:16Miguel Morales.
01:17:18Oye, Miguel, no le doy clases al 603, le doy clases al 601 y al 602.
01:17:23Pero bueno, bienvenido.
01:17:24Ojalá te lleves lo mejor de esta sesión síncrona.
01:17:26Y recuerden que ya las pueden consultar en línea en todo momento.
01:17:31Muchas gracias y que tengan una excelente noche todos.
01:17:35Cuídense.
01:17:37Gracias, profesor.
01:17:39Gracias, profesor.
01:17:40Gracias, buenas noches.
01:17:42Buenas noches a todos.
01:17:48Gracias, profesor.
01:17:49Buenas noches.
01:17:50Cuídate, Sergio.
01:17:52Gracias.
01:18:03Arturo, que tengas una muy bonita noche.
01:18:05Nos vemos.
01:18:06Gracias.
01:18:07Igualmente.
01:18:08Buenas noches.
Comentarios