Nombre: Kit de Experimentos para Nivel Avanzado
Edad Recomendada: Grados 10 a 12
Introducción del Producto: El Kit de Experimentos para Nivel Avanzado presenta un diseño integrado y está desarrollado sobre el sistema Linux, ofreciendo una experiencia lista para usar. Soporta aprendizaje de inteligencia artificial, procesamiento y análisis de datos, así como gestión de datos. Equipado con una gran variedad de módulos sensores que incluyen luz, temperatura y humedad, infrarrojos, ultrasónicos y potenciómetros, también admite dispositivos externos como servomotores, displays de siete segmentos y módulos de pantalla LCD, permitiendo un control flexible del hardware y diversos escenarios experimentales.
Introducción del Curso: El currículo adjunto proporciona una ruta de aprendizaje completa, que va desde los fundamentos de programación en Python hasta aplicaciones de inteligencia artificial. En la etapa inicial, los estudiantes comienzan con la sintaxis de Python y experimentos básicos de hardware, completando proyectos prácticos como el control de servomotores, sistemas de alarma infrarrojos, detección de luz y monitoreo de temperatura y humedad. En la etapa intermedia, avanzan hacia la medición de distancia ultrasónica, comunicación IoT, web scraping, procesamiento de datos y visualización, desarrollando habilidades en análisis de datos y desarrollo de aplicaciones de red. En la etapa avanzada, los estudiantes se adentran en el aprendizaje automático y el aprendizaje profundo, explorando scikit-learn y redes neuronales para construir proyectos como reconocimiento de voz, reconocimiento facial, reconocimiento de dígitos manuscritos y predicción de publicidad, logrando finalmente una integración perfecta de las tecnologías de IA e IoT.
Catálogo del Curso
| No. | Nombre del Curso | No. | Nombre del Curso |
| Lección 1 | Sintaxis Básica de Python | Lección 20 | Fundamentos de Python: Numpy |
| Lección 2 | Operadores en Python | Lección 21 | Fundamentos de Python: Pandas |
| Lección 3 | Condiciones y Bucles | Lección 22 | Fundamentos de Python: Visualización de Datos |
| Lección 4 | Cadenas y Listas | Lección 23 | Fundamentos de Python: Rastreador Web |
| Lección 5 | Diccionarios | Lección 24 | Conocimientos Básicos de Aprendizaje Automático |
| Lección 6 | Aplicación de Funciones | Lección 25 | Biblioteca scikit-learn |
| Lección 7 | Procesamiento de Archivos | Lección 26 | Algoritmo de Regresión Lineal |
| Lección 8 | Experimento con Luz LED | Lección 27 | Árbol de Decisión |
| Lección 9 | Experimento con Tecla | Lección 28 | Algoritmo de los K Vecinos Más Cercanos (KNN) |
| Lección 10 | Experimento con Servomotor | Lección 29 | Agrupamiento K-Means |
| Lección 11 | Experimento de Alarma Infrarroja | Lección 30 | Reconocimiento de Voz |
| Lección 12 | Experimento con Sensor de Luz | Lección 31 | Aplicación de Reconocimiento de Imágenes |
| Lección 13 | Experimento con Sensor de Temperatura y Humedad | Lección 32 | Aplicación de Reconocimiento Facial |
| Lección 14 | Experimento con Potenciómetro | Lección 33 | Aplicación de Reconocimiento de Texto |
| Lección 15 | Experimento Ultrasónico | Lección 34 | Redes Neuronales y Aprendizaje Profundo |
| Lección 16 | Experimento con Display de Siete Segmentos | Lección 35 | Redes Neuronales y Aprendizaje Automático: Generador de Poesía Antigua |
| Lección 17 | Experimento con Pantalla de Matriz de Puntos | Lección 36 | Redes Neuronales y Aprendizaje Automático: Predicción de Publicidad |
| Lección 18 | Experimento de Internet de las Cosas (IoT) | Lección 37 | Redes Neuronales y Aprendizaje Automático: Reconocimiento de Gestos |
| Lección 19 | Experimento de Internet | Lección 38 | Redes Neuronales y Aprendizaje Automático: Reconocimiento de Dígitos Manuscritos |
| Lección 39 | Redes Neuronales y Aprendizaje Automático: Agrupamiento de Imágenes |