En la quinta jornada del año, el programa llevó a estudiantes y docentes a resolver, con matemáticas y aprendizaje automático, retos inspirados en problemas reales.
Por: José Luis Rodríguez R.
Un ‘escuadrón antimosquito’ contratado, en la ficción del ejercicio, por la Secretaría de Salud Pública y un grupo de estudiantes puesto a entrenar modelos capaces de distinguir una compra legítima de una fraudulenta, protagonizaron la quinta sesión de Sábado del Docente, programa de la División de Ciencias Básicas de la Universidad del Norte que esta vez giró en torno a la ciencia de datos, la inteligencia artificial, la salud y las finanzas.
Los dos retos de la jornada: “Misión Anti-Dengue: Probabilidad en Acción” y “Transacciones legítimas o fraudulentas: ¿qué modelo las clasifica mejor?”, buscaron mostrarles el 22 de agosto a los asistentes que la probabilidad y el machine learning (el aprendizaje automático mediante el cual un modelo aprende a reconocer patrones en los datos), tiene aplicaciones que van mucho más allá del salón de clase.
Los retos de esta quinta sesión estuvieron a cargo de tres docentes del Departamento de Matemáticas, Física y Ciencia de Datos: Karen Flórez Lozano, Keyla Alba Molina y Endy Salon Acosta.
El reto de salud pública quedó en manos de Flórez, quien organizó a los estudiantes en grupos con el fin de actuar como un escuadrón antimosquito contratado por el Distrito y evitar que los casos de dengue siguieran en aumento.
“La idea es llevar el mensaje de cómo se utilizan la ciencia de datos y las matemáticas en diferentes contextos y áreas de desarrollo. La idea es combinar teoría y práctica para que los estudiantes sean conscientes de que todo lo que aprenden durante su formación académica, tanto en el colegio como en la universidad, tiene un uso y una aplicación”, explicó Flórez.
Para cumplir la misión, los grupos identificaron primero los factores económicos, sociodemográficos y ambientales que inciden en la aparición de nuevos casos de dengue, y luego resolvieron ejercicios de probabilidad simple, reglas de probabilidad y probabilidad condicional.
“¿Qué probabilidad existe de que una persona que vive en una zona donde no hay agua potable y debe recolectarla en vasijas adquiera dengue? Fueron ejercicios sencillos, basados en conceptos de probabilidad básica y probabilidad condicional, para que los estudiantes puedan interactuar y comprender de una manera práctica cómo las matemáticas pueden utilizarse para analizar situaciones reales de salud pública”, planteó la docente, quien investiga desde hace varios años las enfermedades transmitidas por vectores, con un enfoque particular en el zika.
Actualmente trabaja en un modelo de clasificación para estudiar el comportamiento de la enfermedad renal crónica en población afrodescendiente e indígena, con el que busca establecer grupos de riesgo a partir del perfil de cada paciente.
Detectives de datos contra el fraude bancario
El segundo reto, “Misión Data”, estuvo a cargo de Keyla Alba Molina y Endy Salon Acosta, también docentes del Departamento de Matemáticas, Física y Ciencia de Datos, y mostraron a los estudiantes cómo los modelos de machine learning pueden usarse para identificar transacciones bancarias fraudulentas o legítimas.
“El objetivo es que los estudiantes conozcan, de una manera sencilla, cómo se entrenan estos modelos que hoy son bastante robustos y requieren un alto costo computacional. Queremos acercarlos a estos conceptos mediante una experiencia práctica, para que puedan comprender la idea fundamental de cómo funcionan”, explicó Alba.
Para situar el ejercicio en la vida cotidiana, la docente recurrió a un escenario que la mayoría de los estudiantes reconoce: la alerta que un banco envía para confirmar si una compra por determinado monto, a cierta hora y desde un país específico fue realizada por el propio usuario, un mecanismo que permite identificar comportamientos que podrían corresponder a una transacción fraudulenta. “Los datos traen consigo patrones que debemos aprender a identificar. A partir de ellos podemos revelar y comprender diferentes fenómenos de la vida cotidiana, en este caso, relacionados con el sector bancario”.
Alba, candidata a doctora en Ciencias Naturales en la División de Ciencias Básicas, enfoca su investigación en técnicas de machine learning y deep learning aplicadas a series de tiempo, y ha trabajado estos modelos en el contexto del sector bancario. Para ella, esa transversalidad es justamente la razón por la que las nuevas generaciones deberían acercarse a la ciencia de datos.
Para Olga Patricia Plata, docente de la Institución Educativa Sagrado Corazón de Soledad, quien ha participado en ediciones anteriores de Sábado del Docente sobre física interactiva, estadística y ciencia con enfoque de género, estos espacios “se han vuelto más necesarios en un contexto de sobreestimulación digital”.
“Estamos en un espacio académico muy importante que se debe continuar, porque en este momento hay demasiadas distracciones con las redes sociales, y aquí vienen los jóvenes a aprender, a compartir de una manera divertida, lúdica y con conocimiento, que es lo principal”, afirmó Plata.