La Administración Nacional de Aeronáutica y el Espacio (NASA) recopila datos de muchos orígenes

diferentes para ayudar a predecir si las condiciones serán seguras para el lanzamiento previsto de
un cohete. En el caso de los lanzamientos tripulados y no tripulados, es crucial que las condiciones
meteorológicas no afecten a la trayectoria y la velocidad de la nave en su recorrido hacia el
espacio.

La NASA tiene en cuenta muchos factores potenciales cuando selecciona un lugar para el
lanzamiento de cohetes. La agencia espacial debe tener en cuenta muchos orígenes de datos para
obtener la imagen más precisa de las condiciones a las que se debe enfrentar el cohete en su viaje
de 100 kilómetros hacia el espacio.

La NASA ha descubierto que es más seguro que un cohete lanzado desde la Tierra se adentre en el
espacio en unas condiciones atmosféricas específicas. Además, para aumentar las posibilidades de
éxito, los cohetes deben entrar en órbita lo más cerca posible a la línea del Ecuador. Si es
necesario abortar un lanzamiento, es más seguro hacerlo sobre una gran masa de agua. Cabo
Cañaveral, en Florida, es un lugar que cumple todos estos requisitos.

Foto aérea del sitio de lanzamiento de Cabo Cañaveral.

Cabo Cañaveral se encuentra en la costa este de la península de Florida, en un área en la que

suelen registrarse factores ambientales que podrían afectar al lanzamiento de un cohete, como
humedad alta y frecuentes huracanes, tornados y temporales de lluvias. Entonces, ¿por qué no se
hace el lanzamiento desde un lugar sin estas inclemencias meteorológicas, como San Diego, en
California?

Si se tienen en cuenta todos los factores, a pesar de la meteorología, Cabo Cañaveral se considera
el mejor lugar de lanzamiento de los Estados Unidos para garantizar que se mantenga la
trayectoria necesaria para que un cohete llegue al espacio.

Sugerencia

Este módulo forma parte de una experiencia de aprendizaje multimodal. Siga las instrucciones con
un tutorial en vídeo del módulo en una pestaña nueva.

Objetivos de aprendizaje
En este módulo, comenzará por descubrir:

Los desafíos que la meteorología puede suponer para el lanzamiento de un cohete

El ciclo de vida de la ciencia de datos

El funcionamiento del aprendizaje automático

El papel de la ética en el aprendizaje automático

Requisitos previos

Ninguno

Siguiente unidad: Datos para predecir las condiciones meteorológicas con años de antelación

Datos para predecir las condiciones meteorológicas con años de antelación

Completado

100 XP

3 minutos

Se tarda años en desarrollar los planes para llevar a cabo con éxito el lanzamiento seguro de un
cohete. Debido a esto, la NASA podría tener que elegir una fecha y una hora varios años antes del
lanzamiento real del cohete.

Como se dispone de grandes cantidades de datos en el mundo digital, las predicciones

meteorológicas son más precisas que en el pasado, e incluso se tienen en cuenta las condiciones
cambiantes del clima. Pero si se fija en las previsiones meteorológicas que realiza el meteorólogo
local, se dará cuenta de que puede ser todo un desafío predecir con precisión el tiempo aunque
solo sea con unas horas de antelación. El riesgo durante el lanzamiento de un cohete es muy alto.
Si la NASA programa el lanzamiento para un día en el que se acaba produciendo un evento
meteorológico, la decisión de programarlo ese día podría poner vidas en riesgo.

Para facilitar la predicción y el análisis de los datos meteorológicos, la NASA colabora de forma
estrecha con la Oficina Nacional de Administración Oceánica y Atmosférica (NOAA). La NOAA
comparte sus datos con el público, por lo que puede empezar a analizar los patrones y realizar las
mismas predicciones que la NASA. Puede acceder a los datos de la NOAA de varias maneras. En la
sección Acceso a datos de la NOAA, encontrará varias API que proporcionan acceso a los datos de
la NOAA a través del código. También puede descargar los datos sin costo alguno, o incluso
solicitar copias impresas de los datos a un precio reducido.

La NASA también recopila sus propios datos, que pone a disposición del público. En Data.NASA.gov
puede encontrar decenas de miles de conjuntos de datos. La NASA también proporciona recursos
para desarrolladores destinados a todos aquellos que quieran integrar los datos de la NASA en sus
aplicaciones.

Los expertos de la NASA usan todos estos datos para garantizar la mejor predicción posible y
seleccionar una fecha de lanzamiento segura.

Siguiente unidad: Análisis meteorológico del día del lanzamiento

Datos para predecir las condiciones meteorológicas con años de antelación

Completado

100 XP

3 minutos

Se tarda años en desarrollar los planes para llevar a cabo con éxito el lanzamiento seguro de un
cohete. Debido a esto, la NASA podría tener que elegir una fecha y una hora varios años antes del
lanzamiento real del cohete.

Como se dispone de grandes cantidades de datos en el mundo digital, las predicciones

meteorológicas son más precisas que en el pasado, e incluso se tienen en cuenta las condiciones
cambiantes del clima. Pero si se fija en las previsiones meteorológicas que realiza el meteorólogo
local, se dará cuenta de que puede ser todo un desafío predecir con precisión el tiempo aunque
solo sea con unas horas de antelación. El riesgo durante el lanzamiento de un cohete es muy alto.
Si la NASA programa el lanzamiento para un día en el que se acaba produciendo un evento
meteorológico, la decisión de programarlo ese día podría poner vidas en riesgo.

Para facilitar la predicción y el análisis de los datos meteorológicos, la NASA colabora de forma
estrecha con la Oficina Nacional de Administración Oceánica y Atmosférica (NOAA). La NOAA
comparte sus datos con el público, por lo que puede empezar a analizar los patrones y realizar las
mismas predicciones que la NASA. Puede acceder a los datos de la NOAA de varias maneras. En la
sección Acceso a datos de la NOAA, encontrará varias API que proporcionan acceso a los datos de
la NOAA a través del código. También puede descargar los datos sin costo alguno, o incluso
solicitar copias impresas de los datos a un precio reducido.

La NASA también recopila sus propios datos, que pone a disposición del público. En Data.NASA.gov
puede encontrar decenas de miles de conjuntos de datos. La NASA también proporciona recursos
para desarrolladores destinados a todos aquellos que quieran integrar los datos de la NASA en sus
aplicaciones.

Los expertos de la NASA usan todos estos datos para garantizar la mejor predicción posible y
seleccionar una fecha de lanzamiento segura.

Siguiente unidad: Análisis meteorológico del día del lanzamiento

El aprendizaje automático y el ciclo de vida de la ciencia de datos

Completado

100 XP

5 minutos

El aprendizaje automático forma parte de un campo más amplio: la ciencia de datos. Consiste
esencialmente en el proceso de creación de conocimiento a partir de datos sin procesar.

Se requiere un esfuerzo considerable para convertir datos sin procesar en conocimiento. Por
ejemplo, imagine que tiene una huerta en la que quiere plantar lechugas. Quiere optimizarla para
poder cultivar la máxima cantidad de lechugas en el menor período de tiempo. Puede recopilar
una gran cantidad de datos que influirán en el modo en que configura el entorno más eficaz para
cultivar lechugas.

Como factores, puede considerar la exposición a la luz solar, la temperatura, la humedad del suelo
y el aire, el tipo de lechuga y el origen de las semillas, la exposición al aire fresco, el tamaño del
macetero y la calidad y la cantidad de tierra. La lista puede ser incluso más extensa, ya que podría
haber factores que afecten al crecimiento y que ni siquiera conozca, como el nivel de ruido o el
tipo de ruido junto a la huerta.
Ciclo de vida de ciencia de datos

Si entiende el ciclo de vida de la ciencia de datos, podrá orientar mejor sus esfuerzos cuando cree
nuevos conocimientos a partir de orígenes de datos.

Imagen en la que se muestra un diagrama del ciclo de vida de la ciencia de datos.

Estos son los cuatro pasos del ciclo de vida de la ciencia de datos:

Definición de un objetivo empresarial mediante la experiencia en la materia

Recopilación, limpieza y manipulación de los datos

Elección de un algoritmo de aprendizaje automático y, después, entrenamiento y prueba del

modelo

Implementación del modelo para usarlo con otras aplicaciones

Siga leyendo para ver con más detalle cada paso del ciclo de vida de la ciencia de datos.

Siguiente unidad: Establecimiento de un objetivo y obtención de experiencia

Establecimiento de un objetivo y obtención de experiencia

Completado

100 XP

4 minutos

El paso 1 del ciclo de vida de la ciencia de datos consiste en definir un objetivo empresarial
mediante la experiencia en la materia. Es fundamental que tenga un objetivo claro cuando
empiece el análisis de los datos. En el ejemplo de la huerta, el objetivo consiste en generar el
máximo de lechugas posible. Pero las condiciones de cultivo no son absolutas. Si la producción de
línea base es 1 kilo de lechugas en 14 días, necesita una manera de acelerar la producción.

Ha oído que hablar con las plantas puede hacer que crezcan más rápido. Aunque parece posible
que el sonido influya en el crecimiento de las plantas, la probabilidad de que el sonido afecte al
resultado podría ser demasiado pequeña para que merezca la pena tenerla en cuenta. Aun así,
decide experimentar. Descubre que, si reproduce música clásica a 50 decibelios durante 30
minutos cada 3 horas, obtiene el mismo kilo de lechugas en 13,5 días. En última instancia, incluir
una programación musical en la huerta es una solución compleja que probablemente no merece la
pena para reducir el tiempo de cultivo en medio día.

En el ejemplo de la huerta se demuestra que es importante tener acceso a expertos en la materia

(SME) que conozcan los factores que afectan al tema que le ocupa. De este modo, no modificará
variables que no aportarán cambios importantes.

Si aplica esta idea al lanzamiento de cohetes y los patrones meteorológicos, se dará cuenta de que
el objetivo se divide en dos partes:

Aumentar la probabilidad de que el día elegido para el lanzamiento tenga las condiciones
meteorológicas adecuadas

Saber qué condiciones deberían detener un lanzamiento

La experiencia necesaria para alcanzar estos objetivos reside en las contribuciones de

meteorólogos, físicos, biólogos, ingenieros aeroespaciales y muchos más. Los expertos en la
materia ayudan a definir los factores que pueden afectar a un lanzamiento y, por tanto, requieren
especial atención, puesto que minimizan el número de variables que se deben analizar.
Por ejemplo, es posible que los expertos en la materia determinen que la cantidad de luz solar
directa sobre la plataforma de lanzamiento no suponga una gran diferencia en el éxito del
lanzamiento, pero que el porcentaje de humedad del aire sí. También es posible que sepan que
hay intervalos de datos importantes que se pueden ignorar. Por ejemplo, si la temperatura del
lugar de lanzamiento es inferior a -1,1 grados centígrados, los demás factores no se tienen en
cuenta. No hay factores de mitigación cuando hace demasiado frío para lanzar un cohete de forma
segura.

Siguiente unidad: Recopilación, limpieza y manipulación de los datos

Recopilación, limpieza y manipulación de los datos

Completado

100 XP

4 minutos

El paso 2 del ciclo de vida de la ciencia de datos consiste en recopilar, limpiar y manipular los
datos. Una vez que haya definido con claridad lo que quiere saber, puede evaluar los datos que
tiene y los que es posible que tenga que recopilar. A partir de ahí, puede preparar los datos para
que admitan la detección que le interesa.

Obtención de datos

Con las restricciones, los ámbitos y la priorización de los datos que proporcionan los expertos en la
materia, puede empezar a recopilar datos útiles. Este paso plantea sus propios desafíos. Si
volvemos al ejemplo de la huerta, podría cultivar 10 lechugas bajo condiciones ligeramente
diferentes y, después, determinar qué condiciones producen los mejores resultados.

En el caso del lanzamiento de un cohete, no es tan fácil hacer experimentos de comparación.

Puede ejecutar simulaciones, pero se basan en el análisis de datos, no en un proceso literal de
ensayo y error en condiciones exactas. No resulta ético ni económico realizar un lanzamiento de
prueba bajo cada circunstancia única a fin de poder determinar con certeza las circunstancias más
seguras. Además, muchas condiciones, como el tiempo, no se pueden controlar. (Aún así, es cierto
que algunos de los datos que se usan en una simulación proceden de lanzamientos de cohetes
fallidos que se intentaron en circunstancias negativas. De lo contrario, ¿cómo conocería las
limitaciones de determinadas condiciones?) También puede usar otra información para
determinar las restricciones, como la información recopilada de los aviones o cálculos físicos
básicos o matemáticos.
Limpieza y manipulación de los datos

A primera vista, que un paso del aprendizaje automático sea la manipulación de los datos le puede
resultar sospechoso. En este caso, no significa que los datos se modifiquen para obtener el
resultado deseado, sino que debe prestar atención para asegurarse de que los datos son la
representación más precisa de la verdad.

Por ejemplo, con la huerta de lechugas, podría realizar un estudio centrado en la humedad del
suelo. Recopila lecturas de humedad cada hora para poder determinar cómo afecta al crecimiento.
Un día a las 14:55, el sensor de humedad deja de funcionar. Se da cuenta de que se ha estropeado
y lo arregla antes de la lectura programada para las 16:00, pero pierde los datos que se habrían
recopilado en la lectura de las 15:00. Es razonable manipular los datos y reemplazar el valor que
falta por una media de las lecturas tomadas a las 14:00 y las 16:00. En cambio, si no descubre
hasta el día siguiente que el sensor se ha estropeado, es posible que tenga más sentido limpiar los
datos y quitar completamente del análisis las lecturas de ese día, para que los datos incompletos
no lleven a un resultado inexacto.

Se necesita una gran cantidad de datos para predecir las condiciones ideales para el lanzamiento
de un cohete. Es probable que la NASA tenga acceso a datos mejores de los que están disponibles
públicamente. La NASA tiene acceso a conocimientos de expertos en la materia que analizan de
cerca los matices de los lanzamientos de cohetes y las condiciones meteorológicas. También tiene
acceso a todos los experimentos y análisis anteriores.

Por el contrario, en el modelo de aprendizaje automático que entrenará en el módulo siguiente de

esta ruta de aprendizaje, se basará principalmente en datos meteorológicos accesibles, como la
temperatura, las precipitaciones y la nubosidad. Se centrará en días pasados en los que se llevaron
a cabo lanzamientos. El resultado realista es que este proyecto será menos preciso que las
predicciones de la NASA. Como solo tiene ejemplos de lanzamientos correctos, el modelo de
aprendizaje automático que entrena se sesgará hacia condiciones favorables.

Siguiente unidad: Selección de un algoritmo para entrenar y probar el modelo

Selección de un algoritmo para entrenar y probar el modelo

Completado

100 XP

5 minutos
El paso 3 del ciclo de vida de la ciencia de datos consiste en elegir un algoritmo de aprendizaje
automático y, luego, entrenar y probar el modelo. En este punto del ciclo de vida de la ciencia de
datos, tiene los datos que mejor representan la verdad sobre lo que investiga. Por tanto, es el
momento de modelar el aprendizaje automático para empezar a descubrir conocimientos.

El modelado es el proceso de elegir qué características de datos es más probable que indiquen un
conocimiento fiable. Estas características de datos pueden variar. Por ejemplo, podrían ser las
columnas de una tabla, información secundaria como la diferencia entre dos columnas, o bien algo
más sutil como el color de una imagen.

Modelado

Para el huerto de lechugas, es probable que algunos aspectos del entorno sean más importantes
que otros. Por ejemplo, la humedad del suelo es más importante que el nivel de ruido. Pero en el
caso de otras características, puede ser difícil evaluar si una característica tiene una correlación
más estrecha que otra con el resultado deseado. Por ejemplo, ¿la humedad del suelo es un mejor
indicador del crecimiento en el tiempo que la temperatura? La ingeniería de características es una
técnica que usa el modelo de aprendizaje automático para ayudarle a entender qué características
se correlacionan más estrechamente con el resultado.

En el caso del lanzamiento de un cohete, no tiene acceso a algunos datos posiblemente muy
correlacionados, como la forma, el tamaño y la clasificación de las nubes previstas en una fecha
específica dentro de tres años. Pero tendrá tres fragmentos de datos principales que
probablemente estén muy correlacionados: la temperatura, las precipitaciones y la humedad. En
esta ruta de aprendizaje, el objetivo es usar datos de lanzamientos anteriores, datos
meteorológicos anteriores y datos meteorológicos previstos para predecir si es probable que un
lanzamiento se realice correctamente.

Hoja de referencia rápida de algoritmos de aprendizaje automático

Un recurso práctico para determinar qué tipo de algoritmo de aprendizaje automático será útil
para un análisis es la hoja de referencia rápida de algoritmos de aprendizaje automático.

Diagrama de estilo del diagrama de flujo de la hoja de referencia rápida de algoritmos.

Elección del algoritmo de aprendizaje automático correcto

Una vez más, la pregunta central es ¿Permitirán las condiciones meteorológicas de un día concreto
realizar con éxito el lanzamiento de un cohete?
La pregunta se responde con un sí o un no. Por lo tanto, es un problema en el que podría resultar
útil un algoritmo de clasificación de dos clases. Si examina esa categoría en la hoja de referencia
rápida de algoritmos, verá que puede elegir entre muchos. En este caso, un clasificador de árbol
de decisión funcionaría bien. Este tipo de algoritmo toma observaciones sobre un evento, como
las condiciones meteorológicas de un día concreto, y extrae conclusiones sobre el valor de destino.
Su resultado es sí o no a la pregunta planteada.

Entrenamiento y prueba de modelos de Machine Learning

Después de elegir el algoritmo de aprendizaje automático que usará, tiene que proporcionarle
datos basados en la verdad. Cuando escriba datos complejos, querrá que el modelo genere la
opción correcta. En este paso, se usa un conjunto de datos existente para entrenar el modelo.

En la unidad siguiente, veremos un ejemplo de identificación de frutos del bosque para describir
cómo se puede entrenar a personas para aprender información nueva. Los modelos de
aprendizaje automático son similares al experimento de identificación de frutos del bosque. Para
entrenar el modelo, debe proporcionarle una entrada y una salida. Pero no le proporciona todos
los datos porque, de lo contrario, el modelo se sobreajusta. En este caso, solo sabría identificar un
subconjunto de datos posibles. No sería capaz de generalizar a nuevos elementos que son
similares, pero diferentes. Por ese motivo, debe guardar algunos datos para probar el modelo.
Para ello, solo debe proporcionarle los datos de entrada. Los datos de salida reales se usan para
"evaluar" o "puntuar" el modelo.

Afortunadamente, los algoritmos de aprendizaje automático que necesita ya están escritos.

También están disponibles las herramientas necesarias para dividir los datos, entrenar el modelo y
probarlo. Puede acceder a estas herramientas y usarlas como un servicio, por lo que no necesita
instalarlas en el equipo.

Selección de un algoritmo para entrenar y probar el modelo

Completado

100 XP

5 minutos

El paso 3 del ciclo de vida de la ciencia de datos consiste en elegir un algoritmo de aprendizaje
automático y, luego, entrenar y probar el modelo. En este punto del ciclo de vida de la ciencia de
datos, tiene los datos que mejor representan la verdad sobre lo que investiga. Por tanto, es el
momento de modelar el aprendizaje automático para empezar a descubrir conocimientos.

El modelado es el proceso de elegir qué características de datos es más probable que indiquen un
conocimiento fiable. Estas características de datos pueden variar. Por ejemplo, podrían ser las
columnas de una tabla, información secundaria como la diferencia entre dos columnas, o bien algo
más sutil como el color de una imagen.

Modelado

Para el huerto de lechugas, es probable que algunos aspectos del entorno sean más importantes
que otros. Por ejemplo, la humedad del suelo es más importante que el nivel de ruido. Pero en el
caso de otras características, puede ser difícil evaluar si una característica tiene una correlación
más estrecha que otra con el resultado deseado. Por ejemplo, ¿la humedad del suelo es un mejor
indicador del crecimiento en el tiempo que la temperatura? La ingeniería de características es una
técnica que usa el modelo de aprendizaje automático para ayudarle a entender qué características
se correlacionan más estrechamente con el resultado.

En el caso del lanzamiento de un cohete, no tiene acceso a algunos datos posiblemente muy
correlacionados, como la forma, el tamaño y la clasificación de las nubes previstas en una fecha
específica dentro de tres años. Pero tendrá tres fragmentos de datos principales que
probablemente estén muy correlacionados: la temperatura, las precipitaciones y la humedad. En
esta ruta de aprendizaje, el objetivo es usar datos de lanzamientos anteriores, datos
meteorológicos anteriores y datos meteorológicos previstos para predecir si es probable que un
lanzamiento se realice correctamente.

Hoja de referencia rápida de algoritmos de aprendizaje automático

Un recurso práctico para determinar qué tipo de algoritmo de aprendizaje automático será útil
para un análisis es la hoja de referencia rápida de algoritmos de aprendizaje automático.

Diagrama de estilo del diagrama de flujo de la hoja de referencia rápida de algoritmos.

Elección del algoritmo de aprendizaje automático correcto

Una vez más, la pregunta central es ¿Permitirán las condiciones meteorológicas de un día concreto
realizar con éxito el lanzamiento de un cohete?
La pregunta se responde con un sí o un no. Por lo tanto, es un problema en el que podría resultar
útil un algoritmo de clasificación de dos clases. Si examina esa categoría en la hoja de referencia
rápida de algoritmos, verá que puede elegir entre muchos. En este caso, un clasificador de árbol
de decisión funcionaría bien. Este tipo de algoritmo toma observaciones sobre un evento, como
las condiciones meteorológicas de un día concreto, y extrae conclusiones sobre el valor de destino.
Su resultado es sí o no a la pregunta planteada.

Entrenamiento y prueba de modelos de Machine Learning

Después de elegir el algoritmo de aprendizaje automático que usará, tiene que proporcionarle
datos basados en la verdad. Cuando escriba datos complejos, querrá que el modelo genere la
opción correcta. En este paso, se usa un conjunto de datos existente para entrenar el modelo.

En la unidad siguiente, veremos un ejemplo de identificación de frutos del bosque para describir
cómo se puede entrenar a personas para aprender información nueva. Los modelos de
aprendizaje automático son similares al experimento de identificación de frutos del bosque. Para
entrenar el modelo, debe proporcionarle una entrada y una salida. Pero no le proporciona todos
los datos porque, de lo contrario, el modelo se sobreajusta. En este caso, solo sabría identificar un
subconjunto de datos posibles. No sería capaz de generalizar a nuevos elementos que son
similares, pero diferentes. Por ese motivo, debe guardar algunos datos para probar el modelo.
Para ello, solo debe proporcionarle los datos de entrada. Los datos de salida reales se usan para
"evaluar" o "puntuar" el modelo.

Afortunadamente, los algoritmos de aprendizaje automático que necesita ya están escritos.

También están disponibles las herramientas necesarias para dividir los datos, entrenar el modelo y
probarlo. Puede acceder a estas herramientas y usarlas como un servicio, por lo que no necesita
instalarlas en el equipo.

Implementación del modelo de aprendizaje automático

Completado

100 XP

1 minuto

El paso 4 del ciclo de vida de la ciencia de datos consiste en implementar el modelo de aprendizaje
automático.

Por último, cuando el modelo esté entrenado y probado, podrá implementarlo no solo para usarlo
en sus propios proyectos de ciencia de datos, sino para compartirlo con otros usuarios.
Cuando implemente el modelo, está disponible para su uso con otro software. Por ejemplo, puede
crear un sitio web en el que un usuario cargue una imagen de un fruto del bosque y el sitio
identifique de qué tipo se trata. Las posibilidades son enormes.

Siguiente unidad: Procedimiento de aprendizaje de las personas y los modelos de aprendizaje

automático

Procedimiento de aprendizaje de las

personas y los modelos de aprendizaje
automático
Completado100 XP
 6 minutos

Un modelo de aprendizaje automático se entrena de forma similar a como se

entrenan las personas. Pero ¿cómo aprende un ser humano?

Imagine que pasea por una zona en la que hay cinco tipos diferentes de frutos del
bosque que nunca había visto. Le piden que recoja 100 ejemplares aleatorios,
incluido un fruto del bosque de cada una de las cinco especies nuevas. Le indican
el nombre de los cinco tipos diferentes: frambuesa, arándano azul, mora, fresa y
arándano rojo. Los otros 95 ejemplares que ha recogido pertenecen a uno de estos
tipos.

Como puede asignar un nombre a los cinco tipos de frutos del bosque diferentes,
está convencido de que podrá identificar los tipos de los 95 frutos del bosque
restantes que ha recogido aleatoriamente. Es posible que algunas moras no estén
maduras, por lo que serán más pequeñas y parecerán frambuesas, y que algunos
arándanos azules no estén tan maduros y parezcan arándanos rojos. Aun así, cree
que podría distinguir a qué tipo pertenece cada ejemplar y que sería capaz de
clasificar los 100 frutos del bosque por tipo.

Después, le piden que recoja solo frambuesas en un campo nuevo adyacente. No

duda del aspecto que tienen las frambuesas:
Completa esta tarea y consigue 10 frambuesas sin problema.

En resumen, los primeros 100 frutos del bosque se encontraban en su conjunto de

datos inicial. Le proporcionaron una entrada (los 100 frutos del bosque) y una
salida (los tipos de frutos del bosque incluidos) y le entrenaron para que pudiera
identificar los ejemplares que recogió.

Después, le sometieron a una prueba. En un campo nuevo con frutos del bosque,
dada cualquier entrada, debía identificar el tipo de fruto del bosque y seleccionar
solo una salida: las frambuesas. Mientras caminaba entre las plantas, examinaba
otros frutos del bosque (la entrada). Puso a prueba su modelo mental de frutos del
bosque y solo eligió frambuesas. Llegado a este punto, está convencido de que su
modelo mental de los frutos del bosque tiene una precisión del 100 %.

Pero en ese momento, detecta un fruto del bosque que tiene un aspecto similar a
una frambuesa, pero ligeramente diferente. Lo que no sabía es que, en realidad,
había seis tipos de frutos del bosque en el nuevo campo. Encuentra más
frambuesas, pero también recoge algunos de los otros frutos del bosque,
pensando que podrían ser frambuesas, aunque tienen un aspecto algo diferente:
Tanto el nuevo ejemplar como la frambuesa son diferentes a los otros cuatro tipos
de frutos del bosque, pero tienen un aspecto similar entre sí. Pero no son el mismo
tipo de baya. El nuevo tipo de fruto del bosque que ha recogido es una frambuesa
salvaje.

En este caso, el conjunto de datos no es lo suficientemente amplio. Sería poco

preciso situar una frambuesa salvaje con las frambuesas simplemente porque cree
que debería encajar en uno de los tipos de frutos del bosque y no sabe que hay
más de cinco tipos diferentes. Cree que identifica los frutos del bosque con más
precisión de la que demuestra en la realidad porque no sabe todo lo que necesita
saber para ser preciso.

La identificación de los frutos del bosque podría parecer trivial, pero sus
implicaciones se aplican a las soluciones de aprendizaje automático. Cuando estos
tipos de soluciones afectan a la vida de las personas, como en el lanzamiento de un
cohete, es necesario evitar estos tipos de errores en el análisis de datos.
Siguiente unidad: La ética en la ciencia de datos y el
aprendizaje automático

La ética en la ciencia de datos y el aprendizaje automático

Completado

100 XP

4 minutos

Es importante comprender el papel que desempeña la ética en cada parte del ciclo de vida de la
ciencia de los datos. Debe considerar la ética de las decisiones en cada paso. Comienza con una
pregunta central y progresa a través de la disponibilidad del modelo.

En el ejemplo de los frutos del bosque, ha descubierto que en los conjuntos de datos de
entrenamiento y prueba faltaba un fragmento de datos importante. No sabía nada de las
frambuesas salvajes ni que había seis tipos de frutos del bosque, en lugar de solo cinco. Aunque la
identificación de frutos del bosque puede parecer trivial, el fenómeno representa un problema
mucho mayor. Además de la seguridad del lanzamiento de un cohete, la ausencia de estos datos
puede sesgar los resultados e incluso poner vidas en riesgo. Por ejemplo, ¿sabía que hombres y
mujeres presentan síntomas de ataques cardíacos totalmente distintos? En los estudios sanitarios
recientes, se omitieron grandes poblaciones de personas de la recopilación de datos inicial, lo que
afectó a los modelos de los síntomas de infarto que se usaban en la atención sanitaria.

La ética y la seguridad del lanzamiento de cohetes

Los conocimientos y la experiencia de los colaboradores y los científicos de la NASA ayudan a

garantizar la máxima probabilidad de que el lanzamiento de un cohete sea seguro y exitoso. Es
posible que no tenga acceso a los mismos recursos, pero puede intentar ser lo más ético posible
con los datos limitados disponibles.

En los módulos restantes de esta ruta de aprendizaje, verá cómo pueden ayudarle los datos
meteorológicos disponibles públicamente a entender qué día es el adecuado para un lanzamiento
correcto. El conjunto de datos con el que trabajará contiene información sobre 64 lanzamientos de
cohetes con y sin tripulación. Con estos datos, puede consultar el tiempo durante esos 64 días
para intentar obtener una descripción exacta de cuáles serían las condiciones meteorológicas
adecuadas para garantizar el éxito del lanzamiento.
El conjunto de datos que usará solo contiene un lanzamiento incorrecto que se canceló debido al
tiempo. Piense en el ejemplo de las frambuesas salvajes. Si no tiene una representación completa
de los datos, no sabrá cuándo buscar nuevas categorías. En el ejemplo de los frutos del bosque, no
sabía que había seis tipos diferentes y no identificó las frambuesas salvajes. En los datos de la
NASA, faltan fechas de lanzamientos cancelados.

Los problemas de ciencia de datos requieren rigor e iteraciones. Con cada nuevo nivel de
conocimiento que se obtiene de los datos, se descubre cuáles podrían faltar, qué preguntas
nuevas formular y cómo se podrían priorizar los datos para entender con más precisión el mundo.

Los análisis que solo tienen en cuenta un ejemplo de factores negativos no aportan el tipo de
datos que la NASA usaría cuando hay vidas en riesgo. Se necesitarán más datos y experiencia en la
materia antes de que se pueda usar para cualquier tipo de toma de decisiones real. El conjunto de
información con el que trabajará en los siguientes módulos de la ruta de aprendizaje proporciona
una introducción al tipo de análisis que podría usarse como punto de partida.

Siguiente unidad: Prueba de conocimiento

Resumen

Completado

100 XP

1 minuto

En este módulo, ha obtenido información sobre los datos y cómo se usan para predecir resultados:

Ha echado un vistazo al ciclo de vida de la ciencia de datos y a la hoja de referencia rápida de

algoritmos de aprendizaje automático.

Ha descubierto en qué consisten los datos meteorológicos y cómo se usan para predecir cuál es el
mejor día para programar el lanzamiento de un cohete.

En el ejemplo de identificación de frutos del bosque, aprendió que el entrenamiento de un modelo

de aprendizaje automático es similar al entrenamiento de personas.

Ha aprendido que el sobreajuste de un modelo de aprendizaje automático o el uso de datos

incompletos pueden dar lugar a resultados inexactos.

Créditos de las imágenes

Todas las imágenes provienen de commons.wikimedia.org. Estos son los vínculos y las
atribuciones:

Frambuesa, fotografía compartida por Pro2

Frambuesa salvaje, fotografía compartida por Jesse Taylor

Pasos siguientes

Continúe con la recopilación y la manipulación de los datos en la serie inspirada en la NASA.

Módulo completado: