INDUCCIÓN.
INDUCCIÓN.
Tema: Capas y funciones de activación en una red neuronal.
Entender los componentes básicos de una red neuronal: entradas, pesos, suma ponderada, función de activación, salidas.
Preguntas guía:
¿Cómo cree que una máquina aprende a reconocer un rostro o distinguir un perro de un gato?
¿Qué haría falta para que un sistema “piense” como un cerebro?
Explicación con ejemplos sencillos y analogía visual:
Entrada (input) → Neurona → Activación → Salida
Capas: entrada, oculta, salida
Analogía: "La red neuronal es como un conjunto de interruptores automáticos que se activan según los datos"
Funciones de activación comunes: umbral, sigmoide, ReLU (mencionar solo la idea básica: activan o no activan una neurona)
Apoyo visual:
Usa una animación simple o diagrama como este:
TRABAJO INDIVIDUAL
Busca en la red Documentacion e informacion de como piensa una neurona, y analiza el grafico "¡Descubre cómo "Piensa" una Neurona!" despues de analizar dicho grafico en el cuaderno de Innovación tecnologica vas a realizar un escrito critico que resuelva las siguientes preguntas :
¿Qué desafíos éticos, sociales o económicos importantes plantea su uso o desarrollo?
¿Deberíamos enfocarnos en desarrollar habilidades que las máquinas no puedan replicar fácilmente, o en aprender a colaborar estrechamente con ellas? Explica tu punto de vista.
¿Crees que la tecnología es siempre la solución, o también puede crear nuevos problemas si no se desarrolla y aplica de manera sostenible y responsable?
TRABAJO EN GRUPO
Imagina que una red neuronal es como un juego de adivinar con pistas.
Tú le das pistas a un robot (como el color, peso y tamaño de una fruta), y el robot te dice si cree que la fruta es dulce o no.
El robot usa una fórmula mágica para pensar, sumando todas las pistas pero con "pesos", que son como importancias.
Mira esta fórmula mágica:
ini
CopiarEditar
Respuesta = (Color × Peso1) + (Peso × Peso2) + (Tamaño × Peso3) + Sesgo
El color, peso y tamaño son los datos (las pistas).
Los pesos son números que dicen qué pista es más importante.
El sesgo es como un empujón que el robot se da para decidir.
Después de sumar todo, el robot dice:
Si el número es mayor a 0 → la fruta es dulce (1)
Si es menor o igual a 0 → no es dulce (0)
ACTIVIDAD A REALIZAR COMPLETA LA TABLA USANDO EXCEL
Usa estos pesos y sesgo:
Peso1 (Color) = 1
Peso2 (Peso) = 2
Peso3 (Tamaño) = 0.5
Sesgo = 0
¿Qué debes hacer?
Multiplica cada dato por su peso
Súmalo todo
Si el resultado es mayor a 0, escribe 1 (sí, dulce).
Si es menor o igual a 0, escribe 0 (no dulce).
CIERRE
Reconocer patrones, errores comunes y conexiones con la vida real.
Qué datos usaron
Qué patrones reconocieron
Cómo fue el proceso de ajuste de pesos o sesgo
¿Les sorprendió el resultado?
Reflexión guiada (oral o escrita):
¿Qué aprendí hoy sobre cómo piensa una IA?
¿Qué parte me pareció más compleja o interesante?
¿Cómo se parece esto a cómo funciona nuestro cerebro?