VASS: herramienta docente web para la visualización y enseñanza de algoritmos de aprendizaje semisupervisado

• Autores: David Martínez Acha, José Luis Garrido Labrador, Álvar Arnaiz González , César García Osorio
• Localización: Actas de las Jornadas sobre la Enseñanza Universitaria de la Informática (JENUI), ISSN 2531-0607, Nº. 9 (Actas de las XXX Jornadas sobre Enseñanza Universitaria de la Informática (La Coruña, 19, 20 y 21 de), 2024, págs. 319-326
• Idioma: español
• Enlaces
  • Texto Completo Ejemplar
• Resumen
  • español

    En este artículo se presenta la herramienta docente VASS, una aplicación web diseñada para facilitar la enseñanza de algoritmos de aprendizaje semisupervisado. El aprendizaje semisupervisado es una técnica, relativamente novedosa dentro del aprendizaje automático, que, además de los datos etiquetados, utiliza datos no etiquetados para mejorar el rendimiento de los modelos de aprendizaje automático. Esto es especialmente necesario en los contextos en los que la adquisición de datos etiquetados es laboriosa o muy costosa.

    VASS (visualizador de algoritmos semisupervisados) tiene una interfaz intuitiva que permite a los usuarios entrenar y visualizar el funcionamiento interno de cuatro algoritmos semisupervisados clave: SelfTraining, Co-Training, Tri-Training y Democratic CoLearning. La aplicación se ha desarrollado pensando en su utilidad en entornos educativos, proporcionando a estudiantes y profesores una herramienta valiosa para explorar y comprender estos conceptos fundamentales.

    VASS no solo busca mejorar la accesibilidad a los algoritmos semisupervisados, sino también fomentar una comprensión más profunda de su funcionalidad.

  • English

    This article presents the VASS teaching tool, a web application designed to facilitate the teaching of semisupervised learning algorithms, a relatively new technique in machine learning that, in addition to labeled data, uses unlabeled data to improve the performance of machine learning models. This is especially necessary in those contexts where the acquisition of labeled data is laborious or very expensive.

    VASS (Visualizer of semisupervised Algorithms) has an intuitive interface that allows users to train and visualize the inner workings of four key semisupervised algorithms: Self-Training, Co-Training, TriTraining and Democratic Co-Learning. The application has been developed with its usefulness in educational environments in mind, providing students and teachers with a valuable tool to explore and understand these fundamental concepts. VASS not only seeks to improve the accessibility of semisupervised algorithms, but also to foster a deeper understanding of their functionality