Enseñanza del aprendizaje automático utilizando las competiciones de Kaggle

Abstract

[ES] La ciencia de datos es una de las disciplinas más atractivas en la actualidad tanto desde el punto de vista académico como empresarial. Una de las áreas fundamentales es el aprendizaje automático. La enseñanza de este tópico es, por lo general, muy académica tanto en grado como en máster. Habitualmente, se presentan de forma teórica diferentes algoritmos de aprendizaje automático, acompañados de prácticas, con conjuntos de datos convenientemente preprocesados para la aplicación del algoritmo concreto. Una de las desventajas de esta aproximación es que cuando los alumnos se enfrentan a problemas reales no han desarrollado las herramientas adecuadas para establecer un modelo de datos correcto, elegir el preprocesado adecuado, tratar con los problemas asociados a los datos reales, ni tener que elegir entre los diferentes algoritmos ni sus hiperparámetros, es decir, no han entrenado suficientemente la parte de artesanía del aprendizaje automático. Proponemos en este trabajo utilizar las competiciones de ciencia de datos, estilo Kaggle, en la que los alumnos se enfrentan a un problema real, de forma que tienen que realizar todos los pasos necesarios en un proyecto real de aprendizaje automático. Adicionalmente, los alumnos compiten por quedar los primeros en el ranking, recibiendo un premio los dos equipos ganadores. En este trabajo, participaron 20 alumnos de grado de Ingeniería de Telecomunicación y 4 de máster. Los conocimientos iniciales de los alumnos fueron variados, desde alumnos sin exposición al aprendizaje automático hasta alumnos que habían cursado alguna asignatura con conocimientos introductorios. En todos los casos, los alumnos identificaron un aumento en los conocimientos de aprendizaje automático, sobre todo incidiendo en el aumento de las habilidades prácticas de aplicación a datos reales.

[EN] Data science is one of the most attractive disciplines nowadays both from an academic and business point of view. One of the key areas is machine learning. Machine learning teaching is usually very academic. Different machine learning algorithms are presented from a theoretic point of view, and then a lab for each algorithm is developed, with data sets conveniently preprocessed for the application of the specific algorithm. However, this approach is not that useful when students face real problems since they have not developed the right skills to establish a correct data model, choose the right preprocessing, deal with data problems, or choose between different algorithms and their hyperparameters, that is, they have not sufficiently trained the practical part of the machine learning. We propose in this work to use the data science competitions, as in Kaggle competitions, in which students face a real problem, having to carry out all the necessary steps in a real machine learning project. In addition, students compete for being the first in the ranking, with a prize for the winner and the second team. In this work, 20 students participated from telecommunication engineering degree and 4 in master's degree. The previous knowledge on the topic was variable among the students, from students without exposure to machine learning to students who had taken an introductory course on the topic. In all cases the students identified an improvement in the knowledge of machine learning, mainly an improvement in the practical skills of applying machine learning to real data.