Prompt TAG aplicado a mi aprendizaje:
Tarea: Escríbeme diez preguntas clave para identificar mi estilo de aprendizaje.
Acción: Quiero entender cómo identificar mi estilo y preferencia de aprendizaje.
Objetivo: Esta identificación es para mejorar mi proceso de aprendizaje y elegir las mejores maneras de aprender.
He descubierto que aprendo mejor leyendo, practicando, enseñando y repasando al menos una vez por semana. Uso ChatGPT para explorar diferentes estilos de aprendizaje y adaptar los contenidos a mis necesidades.
Análisis personal:
Mis métodos actuales se basan en leer teoría, aplicar en código, y explicar lo aprendido.
Organizo el material en mapas mentales y Notion.
Repaso semanalmente lo más importante.
Me siento más productivo cuando alterno estudio con práctica real (como análisis de datos reales).
Suelo estudiar en ambientes silenciosos, aunque puedo adaptarme si tengo una rutina clara.
Prompt RISE aplicado a mi aprendizaje:
Rol (R): Imagínate que eres un experto en heutagogía y mentor en ciencia de datos.
Entrada (I): Descubrí que mi estilo de aprendizaje es visual, kinestésico y autodirigido.
Pasos (S):
Establece metas semanales con temas específicos de ciencia de datos.
Usa notebooks de Jupyter para practicar y visualizar lo aprendido.
Explica los conceptos como si enseñaras a otros.
Usa datasets reales para experimentar, equivocarte y corregir.
Una vez a la semana, repasa lo aprendido y registra tus avances.
Expectativa (E): Necesito optimizar mi proceso de aprendizaje para aplicar con mi equipo de asistentes en el trabajo y tener claridad en los reportes y decisiones basadas en datos.
Plan de aprendizaje autodirigido para ser Científico de Datos (enfocado en práctica):
Semana 1 a 2 – Fundamentos de Python
Sintaxis básica, estructuras de datos (listas, diccionarios, sets)
Librerías: numpy, pandas
Ejercicios: manipulación de datos de CSV
Semana 3 a 4 – Visualización y análisis exploratorio de datos
matplotlib, seaborn, pandas.plot()
Crear gráficos que respondan preguntas concretas
Hacer análisis descriptivo: media, mediana, moda, desviación estándar
Semana 5 a 6 – Estadística aplicada
Probabilidad básica, distribuciones
Correlaciones y regresión lineal simple
Ejercicios con datasets de Kaggle
Semana 7 a 8 – Proyecto 1 y revisión
Proyecto pequeño: analizar un conjunto de datos y presentar conclusiones visuales
Revisión semanal de todo lo aprendido
Preparar una presentación o informe con gráficos y observaciones
Diez preguntas para repasar y reflexionar:
¿Qué estructuras de datos se usan más en ciencia de datos con Python?
¿Cuál es la diferencia entre loc y iloc en pandas?
¿Qué gráfico usarías para analizar la distribución de una variable numérica?
¿Cómo se interpreta una correlación de 0.85 entre dos variables?
¿Qué significa tener una media y una mediana muy diferentes?
¿Qué pasos sigues para limpiar un dataset?
¿Cuál es la diferencia entre regresión lineal y clasificación?
¿Qué representa una desviación estándar alta en un conjunto de datos?
¿Cómo presentarías datos complejos a un equipo no técnico?
¿Qué aprendiste esta semana que podrías enseñar a otra persona?
Reflexión Final:
Me he dado cuenta que, como autodidacta, debo construir mi camino con claridad. Usar herramientas como ChatGPT me permite acelerar y personalizar el proceso. La heutagogía me permite ser dueño de mi formación. Practico, enseño, repaso y corrijo. Este camino no es lineal, pero es profundamente transformador.
