Probabilidad Discreta y Sistemas de Recomendación
Una aplicación práctica de los principios de probabilidad discreta, probabilidad condicional y el Teorema de Bayes en el diseño de un algoritmo clasificador de recomendación.
Detalles de la Unidad
Actividad 1: Conceptos Matemáticos
Objetivo: El alumno comprenderá los conceptos básicos de teoría de probabilidad discreta y repaso de reglas de conteo.
Modalidad: Trabajo en equipos de 5 personas.
Entregable (Producto): Resumen escrito (formulario).
Recursos: Libro de texto de referencia: Johnsonbaugh, R. (2005). Matemáticas Discretas (6ª Ed). Pearson.
Indicaciones paso a paso
-
Recuperación de saberes previos: Responder por escrito en plenaria a las siguientes preguntas iniciales:
- ¿Qué es probabilidad?
- ¿Qué es una función de probabilidad?
- ¿Qué significa que dos eventos sean mutuamente excluyentes?
-
Lectura colaborativa: Realizar en equipo la lectura de las secciones 6.4 y 6.5 del libro de texto. Anotar las dudas teóricas que surjan.
Nota: Esta lectura sirve a modo de repaso, ya que estos conceptos coinciden con la materia de Probabilidad y Estadística que se imparte en el mismo semestre.
- Discusión grupal: Compartir conclusiones en grupo con la moderación del profesor para resolver las dudas sobre las lecturas.
- Resumen Formulario: Elaborar de forma colaborativa un formulario/resumen que sirva de guía rápida de referencia para las secciones 6.4 y 6.5.
Actividad 2: Desarrollo del Proyecto
Objetivo: El alumno aplicará los conceptos de teoría de probabilidad discreta y Teorema de Bayes en la implementación de un sistema de recomendación sencillo.
Modalidad: Trabajo en equipos de 5 personas.
Entregable (Producto): Código fuente del sistema de recomendación.
Recursos: Guía: Rodríguez García, A. & Chimal Mosso, J. E. (2020). Aplicaciones del Teorema de Bayes en Aprendizaje de Máquinas: creación de un sistema de recomendaciones (Proyecto PAPIME PE107420) | ChatGPT.
Indicaciones paso a paso
- Entendiendo el problema: Realizar la lectura colaborativa de la guía "Aplicaciones del Teorema de Bayes en Aprendizaje de Máquinas: creación de un sistema de recomendaciones".
- Desarrollo en Python: Implementar en equipo el sistema de recomendación detallado en la lectura. Se recomienda fuertemente el uso de Python debido a que la guía base está orientada a este lenguaje.
-
Uso de la IA como tutor de programación: Durante la codificación, hacer consultas específicas a ChatGPT para resolver dudas del lenguaje de programación o sintaxis (por ejemplo, entender una instrucción como
Tabla = pd.read_csv("bebidas.csv", index_col=0)o preguntar cómo realizar una operación en Python).Importante: Solo es válido formular preguntas puntuales y explicaciones del lenguaje; no está permitido solicitar a la IA que genere o resuelva el código completo por el equipo.
Actividad de Aprendizaje Sugerida
Ajusta las probabilidades a priori y condicionales de un detector de correo basura (Spam) y observa cómo el simulador aplica el Teorema de Bayes para calcular la probabilidad posterior en tiempo real.