Semanas 1–2
Cómo aprende una máquina
Diferenciamos instrucciones programadas de modelos entrenados y reconocemos ejemplos cotidianos, límites y decisiones humanas.
Todas las clases
AFTER SCHOOL · Tecnología
Inteligencia Artificial para Niños
Experimentos visuales para entrenar modelos sencillos y comprender cómo los datos influyen en las decisiones de una IA.
Inscribirme · USD 650
PROYECTO FINALUn clasificador de imágenes, bot o juego interactivo con IA.
Duración12 semanas
Encuentro semanal2 horas por semana
Precio totalUSD 650
Grados3.º–5.º
PLAN DEL PROGRAMA
Objetivos, módulos y evidencias.
Objetivos4 competencias
- 01
Crear conjuntos de ejemplos claros
- 02
Entrenar y probar modelos visuales
- 03
Reconocer errores, sesgos y límites
- 04
Entrenar y evaluar un modelo sencillo, interpretar sus errores y usarlo responsablemente dentro de una experiencia interactiva.
Syllabus6 módulos
- 01
Semanas 1–2 · Cómo aprende una máquina
Diferenciamos instrucciones programadas de modelos entrenados y reconocemos ejemplos cotidianos, límites y decisiones humanas.
- 02
Semanas 3–4 · Datos y categorías
Recolectamos ejemplos adecuados, definimos etiquetas claras y revisamos qué información conviene o no compartir.
- 03
Semanas 5–6 · Entrenar un modelo visual
Entrenamos un clasificador sencillo y observamos cómo la cantidad y variedad de ejemplos afectan sus resultados.
- 04
Semanas 7–8 · Errores, sesgos y nuevas pruebas
Probamos casos conocidos y nuevos, registramos fallos y equilibramos los datos para mejorar sin ocultar limitaciones.
- 05
Semanas 9–10 · IA dentro de una experiencia
Conectamos el modelo con un juego, bot o interacción que responda de forma visible a sus predicciones.
- 06
Semanas 11–12 · Demostración responsable
Terminamos el proyecto y explicamos qué datos usa, cuándo funciona, cuándo falla y qué debe revisar una persona.
Proyectos1 evidencias de aplicación
- 01
Un clasificador de imágenes, bot o juego interactivo con IA.
Evaluación3 criterios
- 01
Conjunto de datos organizado y explicado por el estudiante
- 02
Registro de pruebas que distingue aciertos, errores y posibles sesgos
- 03
Proyecto funcional acompañado de una explicación responsable de sus límites
OBJETIVOS DE APRENDIZAJE
Lo que el estudiante podrá hacer.
Entrenar y evaluar un modelo sencillo, interpretar sus errores y usarlo responsablemente dentro de una experiencia interactiva.
- 01
Crear conjuntos de ejemplos claros
- 02
Entrenar y probar modelos visuales
- 03
Reconocer errores, sesgos y límites
- 04
Entrenar y evaluar un modelo sencillo, interpretar sus errores y usarlo responsablemente dentro de una experiencia interactiva.
SYLLABUS DE 12 SEMANAS
Seis módulos, de la exploración al proyecto final.
6 módulos · 24 horas
Semanas 3–4
Datos y categorías
Recolectamos ejemplos adecuados, definimos etiquetas claras y revisamos qué información conviene o no compartir.
Semanas 5–6
Entrenar un modelo visual
Entrenamos un clasificador sencillo y observamos cómo la cantidad y variedad de ejemplos afectan sus resultados.
Semanas 7–8
Errores, sesgos y nuevas pruebas
Probamos casos conocidos y nuevos, registramos fallos y equilibramos los datos para mejorar sin ocultar limitaciones.
Semanas 9–10
IA dentro de una experiencia
Conectamos el modelo con un juego, bot o interacción que responda de forma visible a sus predicciones.
Semanas 11–12
Demostración responsable
Terminamos el proyecto y explicamos qué datos usa, cuándo funciona, cuándo falla y qué debe revisar una persona.
CÓMO SE APRENDE
Metodología
Experimentos guiados con datos pequeños y visibles, predicciones comprobables y pausas de reflexión sobre privacidad, sesgos y supervisión humana.
MATERIALES Y HERRAMIENTAS
Lo que usamos en clase
- Computadora o tableta con acceso a una herramienta educativa de IA
- Banco de imágenes u objetos seguros para clasificar
- Hoja de registro de datos, predicciones y errores
ANTES DE COMENZAR
Requisitos
No se requiere experiencia en IA ni programación. Se trabaja con ejemplos no sensibles; no se solicitan datos personales para entrenar modelos.
INFORMACIÓN PRÁCTICA
Antes de comenzar.
Metodología
Experimentos guiados con datos pequeños y visibles, predicciones comprobables y pausas de reflexión sobre privacidad, sesgos y supervisión humana.
Materiales y herramientas
- Computadora o tableta con acceso a una herramienta educativa de IA
- Banco de imágenes u objetos seguros para clasificar
- Hoja de registro de datos, predicciones y errores
Requisitos
No se requiere experiencia en IA ni programación. Se trabaja con ejemplos no sensibles; no se solicitan datos personales para entrenar modelos.
PROYECTO FINAL
Una creación que se puede presentar.
Un clasificador de imágenes, bot o juego interactivo con IA.
EVALUACIÓN
Cómo se demuestra el progreso.
- Conjunto de datos organizado y explicado por el estudiante
- Registro de pruebas que distingue aciertos, errores y posibles sesgos
- Proyecto funcional acompañado de una explicación responsable de sus límites
INSCRIPCIÓN AFTER SCHOOL
Inscríbete en IA para Niños.
12 semanas · 2 horas por semana · USD 650. Elige uno de los grados disponibles y continúa directamente al pago seguro.