![](\"https:\/\/eseg.edu.br\/wp-content\/uploads\/2026\/05\/legacy-inline-7ee08b9f23912cb8-1.png\")
<\/p>\nEl profesor Rodrigo Aquino demostr\u00f3 c\u00f3mo las m\u00e1quinas pueden aprender a partir de los datos.<\/i><\/p>\n
<\/p>\n
\u00bfQu\u00e9 pueden esperar los estudiantes del curso de Ciencia de Datos? La respuesta a esta y otras preguntas se present\u00f3 en la conferencia inaugural abierta, celebrada el 18 de agosto, con el tema "Introducci\u00f3n al Aprendizaje Autom\u00e1tico y sus aplicaciones".<\/p>\n
El profesor Rodrigo Aquino, coordinador del curso de Ingenier\u00eda Inform\u00e1tica en ESEG y uno de los profesores del curso de Ciencia de Datos, inaugur\u00f3 la clase introductoria hablando sobre los m\u00f3dulos que se aplicar\u00e1n en el curso: programaci\u00f3n con Python; estad\u00edstica y modelado; negocios y dise\u00f1o. Sin embargo, el foco de la discusi\u00f3n estuvo en el Aprendizaje Autom\u00e1tico (Aprendizaje Autom\u00e1tico). Esta t\u00e9cnica de an\u00e1lisis de datos automatiza la construcci\u00f3n de modelos anal\u00edticos, en una rama de la Inteligencia Artificial (IA) que se basa en la idea de que los sistemas pueden aprender de la informaci\u00f3n.<\/p>\n
<\/p>\n
Aquino habl\u00f3 sobre la IA y los mitos que la rodean. \u201cNo es magia, ni algo milagroso que resuelva todos nuestros problemas. Tenemos la visi\u00f3n de que es algo incre\u00edble, que los investigadores nos involucran, o la visi\u00f3n propagada de que es horrible y destruir\u00e1 nuestros empleos, nuestras funciones y nos matar\u00e1 en el futuro\u201d. En realidad, lo que debemos entender es que hay m\u00e1s problemas que resolver de los que imaginamos. La IA no es perfecta; a\u00fan queda mucho por evolucionar, pero siempre con el bienestar de la poblaci\u00f3n en mente. \u201cLa inteligencia artificial no es tan inteligente. De hecho, es una serie de herramientas que aplicamos con la esperanza de que un modelo matem\u00e1tico estad\u00edstico aprenda e identifique ciertos perfiles, ciertos patrones\u201d, explica Rodrigo.<\/p>\n
En ciencia de datos, estas aplicaciones se estudian para generar resultados \u00fatiles, ya que la informaci\u00f3n, relevante o no, siempre se ha acumulado. Hoy en d\u00eda, el procesamiento de datos es mucho mayor que hace 10 o 20 a\u00f1os. Las t\u00e9cnicas han evolucionado y es necesario utilizarlas correctamente para que las empresas puedan aumentar sus beneficios y resolver problemas complejos con mayor facilidad. \u201cPor ejemplo, un banco puede decidir si concede o no un cr\u00e9dito a una persona y saber si lo devolver\u00e1 en el plazo acordado\u2019, ilustra el profesor. Esta informaci\u00f3n es importante en el sistema bancario para determinar en el futuro si una persona con un perfil similar al estudiado coincide con los mismos datos.<\/p>\n
Las aplicaciones de esta tecnolog\u00eda a trav\u00e9s de la rob\u00f3tica se pueden observar en la evoluci\u00f3n cotidiana. En el mundo se est\u00e1n produciendo varios procesos que est\u00e1n cambiando nuestra forma de pensar y vivir, como por ejemplo:<\/p>\n
Dado todo lo que la Inteligencia Artificial puede ofrecernos a trav\u00e9s del aprendizaje autom\u00e1tico, el curso de Ciencia de Datos se alinea con las nuevas tecnolog\u00edas del mercado laboral. Rodrigo explica las etapas de la formaci\u00f3n: \u201cPara desenvolvernos en el mundo real, utilizamos t\u00e9cnicas estad\u00edsticas combinadas con t\u00e9cnicas de computaci\u00f3n. En el primer m\u00f3dulo, aprenderemos a programar, formando al estudiante en el lenguaje Python para que pueda resolver problemas sencillos. En el segundo m\u00f3dulo, proporcionaremos una s\u00f3lida base te\u00f3rica en estad\u00edstica para determinar el mejor modelo a utilizar para un problema dado y si podemos o no implementar las aplicaciones\u201d, explica Aquino. El tercer m\u00f3dulo se centrar\u00e1 en ampliar el conocimiento ya adquirido, explorando modelos de redes neuronales y muchas otras herramientas. Finalmente, el cuarto m\u00f3dulo se centrar\u00e1 en la presentaci\u00f3n de datos y c\u00f3mo presentarlos para una mejor toma de decisiones.<\/p>\n
El aprendizaje autom\u00e1tico utiliza datos ya categorizados para entrenar algoritmos de clasificaci\u00f3n y regresi\u00f3n. Es fundamental aprovechar al m\u00e1ximo la informaci\u00f3n disponible. Por ejemplo, una de las aplicaciones m\u00e1s comunes del aprendizaje autom\u00e1tico hoy en d\u00eda se encuentra en los videojuegos, donde se crea un sistema de recompensas y penalizaciones. Existen acciones, probabilidades y obst\u00e1culos determinados por el entorno, y el jugador aprende de cada error hasta superar los niveles.<\/p>\n
Dadas las numerosas posibilidades de uso de los datos, al finalizar el curso, los estudiantes podr\u00e1n aplicar las reglas y t\u00e9cnicas aprendidas en Ciencia de Datos a diversos campos. Esta formaci\u00f3n es introductoria, y existen muchos otros \u00e1mbitos por explorar, por lo que es importante buscar siempre nuevos conocimientos. \u201cLa idea es proporcionar la base, la formaci\u00f3n en Ciencia de Datos y el conocimiento del lenguaje de programaci\u00f3n Python, para que los estudiantes puedan crear modelos utilizando las t\u00e9cnicas aprendidas, redes neuronales y algoritmos\u201d, concluye el profesor.<\/p>\n
<\/p>\n
Acerca del curso de Ciencia de Datos <\/b><\/p>\n
A partir del 25 de agosto de 2021, el curso, con clases interactivas en l\u00ednea dise\u00f1adas por profesionales de la industria y acad\u00e9micos, ofrece a los estudiantes una experiencia de aprendizaje \u00fanica, independientemente de su formaci\u00f3n previa.<\/p>\n
Obt\u00e9n m\u00e1s informaci\u00f3n y reg\u00edstrate.<\/a><\/p>\n