Masterclass Pensamiento Computacional: Fundamentos de Programación en Python

MasterClass Pensamiento Computacional
Fundamentos de Programación en Python


¿Qué es pensamiento computacional?
El pensamiento computacional tiene como finalidad desarrollar en los
estudiantes y profesionales el pensamiento crítico en colaboración con los
conceptos claves de la computación, como abstracción, algoritmos,
programación y simulación.
Cuando el pensamiento computacional se aplica en situaciones de la vida

diaria, las personas empiezan a darse cuenta de la utilidad del pensamiento
crítico y de los conceptos de la computación en el proceso de resolución de
problemas y se vuelven conscientes de su importancia para mejorar su
calidad de vida.
Ejemplos de aplicación de pensamiento
Computacional
• El emprendedor que realiza un estudio de mercado sobre un producto y realiza
estadísticas con una hoja de cálculo con base en datos del censo de su país.
• El individuo que expone con claridad, profundidad y amplitud un tema de índole

científico, moral, religioso o político en un debate. Por ejemplo: los pros y contras
acerca de la legalización de las drogas o el aborto.
• El científico que desarrolla modelos y simulaciones para representar sistemas

biológicos o artificiales complejos.
Aplicaciones del Pensamiento
Computacional en la cotidianidad
• Búsqueda en internet: los motores de búsqueda utilizan algoritmos sofisticados
para recopilar, clasificar y ordenar información de millones de sitios web,
permitiendo a los usuarios encontrar la información que buscan en cuestión de
segundos.
Aplicaciones del Pensamiento
Computacional en la cotidianidad
• Reconocimiento de voz y lenguaje natural: los asistentes virtuales como Siri o
Alexa, utilizan técnicas de procesamiento del lenguaje natural para entender y
responder a las preguntas de los usuarios en lenguaje natural.

¿Qué es abstracción?
La abstracción es el proceso de concentrarse en los aspectos esenciales de
un sistema o problema, ignorando los detalles irrelevantes. En el
pensamiento computacional, la abstracción se utiliza para simplificar
problemas complejos y facilitar su solución mediante algoritmos y programas
informáticos.
Abstracción
En informática la abstracción se aplica para ocultar la complejidad de los sistemas y
facilitar la solución de problemas mediante algoritmos y programas informáticos,
permitiendo trabajar con problemas complejos de manera más eficiente y clara.

¿Qué es generalización?
La generalización es el proceso mediante el cual un algoritmo o modelo
aprende a hacer predicciones precisas sobre datos nuevos, basándose en lo
que ha aprendido de los datos de entrenamiento. En otras palabras, se
refiere a la capacidad de un modelo de aplicar lo que ha aprendido en un
conjunto de datos de entrenamiento a un conjunto de datos de prueba, que
no ha visto antes.
Ejemplos de Abstracción
Algoritmos de búsqueda: Cuando se busca un elemento en una lista, se utiliza un
algoritmo de búsqueda, como el algoritmo de búsqueda binaria. Este algoritmo abstrae el
problema de buscar un elemento en una lista, ignorando los detalles de cómo se
almacenan los datos y se accede a ellos, y se concentra en cómo se comparan los
elementos.
Programación orientada a objetos: La programación orientada a objetos proporciona una
forma de abstraer los datos y las operaciones de un sistema en objetos, que son instancias
de una clase. Esto permite pensar en un sistema como un conjunto de objetos
interconectados, en lugar de una serie de líneas de código.
Interfaz de usuario: Las interfaz de usuario son un ejemplo de abstracción en el
pensamiento computacional. Una interfaz de usuario abstrae la complejidad de una
aplicación o programa, presentando una forma simple e intuitiva de interactuar con él.

¿Qué es modelación?
En el pensamiento computacional, la modelación se utiliza para crear
algoritmos y programas informáticos que pueden simular o imitar el
comportamiento de un sistema. Esto permite a los investigadores y los
desarrolladores de software comprender mejor cómo funciona un sistema y
cómo pueden mejorarlo. Al crear modelos computacionales, también se
pueden simular escenarios y situaciones para evaluar su efectividad y
mejorar la toma de decisiones.

¿modelación y abstracción se parecen?
¡Los dos conceptos son diferentes pero están muy relacionados!
La modelación se refiere a la creación de una representación simplificada de

un sistema o proceso para entender y predecir su comportamiento, mientras
que la abstracción se refiere a la identificación de los aspectos esenciales
de un sistema o proceso y la ignorancia de los detalles no relevantes, ambas
son herramientas importantes para el pensamiento computacional.

Ejemplos
Aprendizaje automático: El aprendizaje automático es una técnica de
modelado que se utiliza para encontrar patrones en datos y utilizarlos para
hacer predicciones. Por ejemplo, se pueden utilizar modelos de aprendizaje
automático para predecir los precios de acciones o detectar spam en correos
electrónicos.

Ejemplos
Simulación de sistemas: La simulación es una técnica de modelado que se
utiliza para imitar el comportamiento de sistemas complejos. Por ejemplo, se
pueden crear modelos de sistemas de transporte para simular el tráfico y
evaluar la eficacia de diferentes estrategias de tráfico.

Modelación:
Cuando modelamos, creamos una representación que se utiliza para
entender y predecir el comportamiento del sistema o proceso en cuestión. En
el ámbito de la inteligencia artificial, la modelación se refiere al proceso de
construir un modelo matemático o computacional que represente un
problema o un conjunto de datos.

Abstracción:
La abstracción se refiere al proceso de identificar los aspectos esenciales de
un sistema o proceso y ignorar los detalles no relevantes. La abstracción es
importante en el pensamiento computacional ya que permite simplificar
problemas complejos y hacerlos más fáciles de entender y resolver.
Generalización y reconocimiento de patrones
La generalización y el reconocimiento de patrones son dos conceptos
relacionados en el pensamiento computacional, mientras que la
generalización se refiere a la capacidad de un modelo de aplicar lo
aprendido en un conjunto de datos a otro desconocido, el reconocimiento
de patrones se refiere a la capacidad de identificar patrones o tendencias en
los datos, lo cual es esencial en el aprendizaje automático y la inteligencia
artificial.
¿Preguntas?
Espacio destinado para preguntas sobre la unidad.

Masterclass Pensamiento Computacional: Fundamentos de Programación en Python

Cargado por

Copyright:

Formatos disponibles

Masterclass Pensamiento Computacional: Fundamentos de Programación en Python

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Masterclass Pensamiento Computacional: Fundamentos de Programación en Python

Cargado por

Copyright:

Formatos disponibles

MasterClass Pensamiento Computacional

Fundamentos de Programación en Python

Cuando el pensamiento computacional se aplica en situaciones de la vida

• El individuo que expone con claridad, profundidad y amplitud un tema de índole

• El científico que desarrolla modelos y simulaciones para representar sistemas

La modelación se refiere a la creación de una representación simplificada de

También podría gustarte