1
00:00:00,240 --> 00:00:05,780
Buenas a todos, voy a presentar la actividad de inteligencia artificial propuesta para los alumnos.

2
00:00:06,299 --> 00:00:15,080
Como pueden ver, ya tenemos aquí la actividad planteada, que significa reconocer distintos tipos de memoria RAM alimentando a Teachable Machine.

3
00:00:16,039 --> 00:00:24,620
Aquí tenemos, en este caso, un alumno que ha utilizado fotografías del taller y de distintos tipos de memoria RAM, como se pueden ver aquí.

4
00:00:24,620 --> 00:00:29,420
Y entonces ha creado sus clases utilizando las muestras en cada una de las clases.

5
00:00:30,239 --> 00:00:50,600
¿Cómo se evalúa esta actividad? Bueno, pues él entrega aquí en el Moodle una URL que es el resultado de Teachable Machine haberle enseñado, haberle clasificado todas sus clases con las muestras necesarias.

6
00:00:50,600 --> 00:00:52,640
¿Cómo funciona Teachable Machine?

7
00:00:52,640 --> 00:00:57,939
Pues mira, creamos un proyecto de imagen, modelo de imagen estándar, creamos las clases

8
00:00:57,939 --> 00:01:05,560
Y aquí cada clase subimos, en este caso serían las memorias RAM que tiene el profesor

9
00:01:05,560 --> 00:01:08,280
Para que la máquina aprenda

10
00:01:08,280 --> 00:01:15,540
El mínimo de muestras será 35, mezclando memorias tanto de Google, de páginas como PC Componentes

11
00:01:15,540 --> 00:01:45,519
y de otras urls así como las fotografías realizadas en el taller una vez que el alumno ha hecho el esfuerzo de preparar y de enseñar a la máquina vale lo que hace es el docente es ver la efectividad vale de las imágenes subiendo un banco de muestras propio del docente para ver si es capaz de reconocer los distintos modelos vale en este caso la aplicación va un poco lenta pero ha funcionado bastante bien es una ddr5

12
00:01:45,540 --> 00:01:56,140
y ha dado una precisión del 98, ¿vale? Entonces, cada cierto, ¿vale? Cada tipo de memoria bien clasificada, pues sería un punto en el examen, teniendo en cuenta

13
00:01:56,140 --> 00:02:08,400
que el banco de muestras del docente son 10, ¿vale? Entonces, en base a la precisión que da la inteligencia artificial, se permite saber si el alumno primero

14
00:02:08,400 --> 00:02:17,860
ha sido capaz de identificar las memorias RAM, de clasificarlas, que es uno de los resultados de aprendizaje necesarios en esta asignatura de Fundamentos de Hardware

15
00:02:17,860 --> 00:02:31,240
del ciclo de grado superior de ASIR, y en ese aspecto le permite ver al docente si ha hecho bien las muestras, en este caso es una DDR2, efectivamente ha dado una precisión

16
00:02:31,240 --> 00:02:33,240
bastante digna, como quien quiere

17
00:02:33,240 --> 00:02:35,360
y luego por ejemplo

18
00:02:35,360 --> 00:02:37,360
pues así con todos

19
00:02:37,360 --> 00:02:39,539
los tipos de memoria RAM, en este caso

20
00:02:39,539 --> 00:02:40,699
vale

21
00:02:40,699 --> 00:02:43,020
ha sido una actividad

22
00:02:43,020 --> 00:02:45,259
con un porcentaje de acierto bastante

23
00:02:45,259 --> 00:02:46,719
bueno y

24
00:02:46,719 --> 00:02:49,259
sobre todo cuando ha fallado ha sido porque

25
00:02:49,259 --> 00:02:50,900
los alumnos han usado un banco

26
00:02:50,900 --> 00:02:52,719
bastante escaso, vale

27
00:02:52,719 --> 00:02:55,280
entonces pues bueno, ha sido una buena experiencia

28
00:02:55,280 --> 00:02:57,500
y espero que os haya gustado

29
00:02:57,500 --> 00:02:58,680
como la he aplicado