Portafolio docente
Introducción a la Inteligencia Artificial
Evidencias, planificación y filosofía de mi práctica docente en la Escuela de Ciencias Informáticas de la USAP: centrada en la asignatura Introducción a la Inteligencia Artificial y extensiva a otras asignaturas afines a mi perfil profesional.
- Docente
- Lesby Francisco Torres García
- Grado académico
- Licenciado en Informática Administrativa
- Escuela / Facultad
- Ciencias Informáticas
- Asignatura
- Introducción a la Inteligencia Artificial
- Período
- I · Año 2026
- Enfoque
- Evaluar para mejorar
Contenido del portafolio
Sobre este portafolio
Este portafolio reúne las evidencias, la planificación y la postura pedagógica de mi práctica docente en la Escuela de Ciencias Informáticas de la Universidad de San Pedro Sula. Toma como eje la asignatura Introducción a la Inteligencia Artificial —que imparto actualmente— y se extiende a otras asignaturas afines a mi perfil profesional. Su propósito es documentar cómo integro la tecnología a la vez como contenido de estudio y como herramienta didáctica al servicio del aprendizaje.
A lo largo de estas secciones presento la identidad institucional y personal que enmarca mi labor, mi filosofía de enseñanza, el diseño curricular de las asignaturas —con su guion metodológico, carta descriptiva y jornalización— y los instrumentos con los que evalúo el aprendizaje: evaluación sumativa y formativa, listas de cotejo y rúbricas. Se complementa con recursos digitales desarrollados para la asignatura de Introducción a la IA.
El material está dirigido a la coordinación del Diplomado de Formación Pedagógica en Educación Superior de la UPNFM y a cualquier colega interesado en una propuesta que busca un aprendizaje significativo, aplicado y centrado en el estudiante.
Universidad de San Pedro Sula
Primera universidad privada de Honduras, fundada el 15 de noviembre de 1977. Hoy ofrece 32 programas y opera «powered by ASU®» junto a Arizona State University, reconocida como la universidad más innovadora de Estados Unidos.
Logotipo institucional de la Universidad de San Pedro Sula, en cuya Escuela de Ciencias Informáticas se enmarca mi labor docente.
Educación superior con visión global
La asignatura Introducción a la Inteligencia Artificial, eje de este portafolio, se enmarca en la Escuela de Ciencias Informáticas, dentro de una propuesta moderna, bilingüe y centrada en el estudiante que integra estándares académicos internacionales.
- Misión
- Formar profesionales innovadores y reconocidos por la sociedad, por su liderazgo, responsabilidad social y ambiental.
- Visión
- Ser reconocida como líder en innovación y calidad educativa en Honduras.
- Política de calidad
- Mejora continua de los procesos para formar profesionales emprendedores, competitivos y socialmente responsables.
- Ubicación
- Ave. Circunvalación, San Pedro Sula, Honduras, C.A.
Sobre el docente
Lesby Francisco Torres García es Licenciado en Informática Administrativa (USAP), con más de veinte años de experiencia en consultoría tecnológica, nube, ciberseguridad e implementación de sistemas ERP. Actualmente se desempeña como Gerente de Operaciones en Turing Consultores y cursa el Diplomado de Formación Pedagógica en Educación Superior de la UPNFM, con el propósito de profesionalizar su labor docente universitaria.
- Licenciatura en Informática Administrativa — USAP.
- Bachiller en Ciencias y Letras y Técnico en Computación — INTECYC.
- Diplomado de Formación Pedagógica en Educación Superior — UPNFM (en curso).
- Inteligencia artificial y analítica de datos (Amazon Bedrock, LLM, machine learning).
- Nube e infraestructura (AWS, Azure, virtualización, redes).
- Sistemas ERP, ciberseguridad y dirección de proyectos. Certificaciones: ITIL 4, CCNA, VMware.
Cómo entiendo la docencia
Sobre la evaluación asumo una postura clara: evaluar para mejorar, no para controlar.
Concibo la enseñanza en la educación superior como un proceso centrado en el estudiante, orientado al aprendizaje significativo y a la resolución de problemas reales. Mi trayectoria en tecnología me ha demostrado que el conocimiento cobra sentido cuando se aplica; por eso diseño experiencias en las que el estudiante construye su aprendizaje haciendo, no solo escuchando.
Adopto un enfoque constructivista: el estudiante es un sujeto activo que vincula la información con sus conocimientos previos, mientras el docente actúa como facilitador que organiza contenidos, promueve conflictos cognitivos y respeta los distintos ritmos y estilos de aprendizaje. En un campo tan dinámico como la IA, priorizo la capacidad de aprender a aprender por encima de la memorización.
La evaluación formativa y la retroalimentación continua son herramientas al servicio del aprendizaje, no instrumentos de sanción. Combino evaluación diagnóstica, formativa y sumativa con criterios explícitos —rúbricas, listas de cotejo y autoevaluación— para que el estudiante sepa de antemano qué se espera de él y pueda regular su progreso. Entiendo, además, la inteligencia artificial como una herramienta pedagógica que, bien empleada, prepara a los estudiantes para un entorno profesional donde estas tecnologías ya son cotidianas.
Guion metodológico y carta descriptiva
Diseño curricular de las asignaturas y de sus sesiones modelo. La pestaña Introducción a la IA desarrolla el guion metodológico completo con jornalización y diagnóstico; las demás pestañas presentan la carta descriptiva de otras asignaturas afines a mi perfil dentro de la oferta de USAP.
| Asignatura | Introducción a la Inteligencia Artificial |
| Unidad / sesión | Unidad 1 · Sesión modelo: «La inteligencia artificial en la vida diaria» |
| Duración | 25 minutos |
| Competencia | Comprender el impacto de la IA en la vida cotidiana y laboral, reconociendo ejemplos de uso y su importancia. |
| Recursos | Proyector, presentación, pizarra, ejemplos multimedia y guía de participación. |
| Docente | Lesby Francisco Torres García |
Contenidos
- Qué es la IA
- Ejemplos cotidianos
- Cómo funciona (forma simple)
- Beneficios y riesgos
- Uso responsable
Actividades
- Exploración de saberes previos
- Lluvia de ideas sobre tecnología
- Explicación conceptual
- Ejemplos cotidianos
- Actividad participativa y reflexión
Metodología
- Lluvia de ideas
- Charla interactiva
- Explicación magistral breve
- Participación guiada
- Discusión grupal
Evaluación
- Participación activa
- Preguntas orales
- Identificación de ejemplos
- Reflexión grupal final
| Momento | Tiempo | Actividad del docente | Actividad del estudiante | Recursos | Evaluación |
|---|---|---|---|---|---|
| Inicio Exploración de saberes previos |
5 min | Plantea la pregunta detonadora: «¿Dónde ha usado usted inteligencia artificial hoy sin darse cuenta?» y modera una lluvia de ideas. | Responde, aporta ejemplos de su entorno y participa en la construcción colectiva de ideas. | Pizarra o Mentimeter | Diagnóstica: registro de participación |
| Desarrollo Construcción conceptual |
8 min | Desarrolla una explicación magistral breve: qué es la IA, cómo funciona en forma simple, beneficios y riesgos. | Toma notas, formula preguntas y contrasta la explicación con sus ideas previas. | Presentación e infografía (Genially) | Formativa: preguntas orales |
| Desarrollo Aplicación |
7 min | Presenta casos cotidianos (recomendaciones, asistentes, filtros) y organiza el trabajo en parejas. | En parejas identifica tres ejemplos de IA en su vida diaria y los clasifica según beneficio o riesgo. | Guía de trabajo | Formativa: identificación correcta de ejemplos |
| Cierre Reflexión y transferencia |
5 min | Modera la puesta en común, enfatiza el uso responsable de la IA y anticipa la siguiente sesión. | Comparte sus conclusiones y responde: «¿Qué uso responsable haré de la inteligencia artificial?». | Pizarra | Formativa: reflexión grupal final |
La sesión funciona además como diagnóstico de entrada de la Unidad 1: los ejemplos recogidos se retoman en el mapa conceptual evaluado con rúbrica.
| Unidad | Semanas | Contenidos | Estrategias metodológicas | Recursos | Evidencia | Instrumento |
|---|---|---|---|---|---|---|
| I. Fundamentos de la IA | 1–3 | Definición, historia y tipos de IA; la IA en la vida diaria; ética y uso responsable. | Lluvia de ideas, charla interactiva, elaboración de mapa conceptual. | Infografía Genially, video Powtoon | Mapa conceptual | Rúbrica |
| II. Aprendizaje automático | 4–7 | Datos y preparación; regresión lineal; árbol de decisión; métricas de desempeño. | Aprendizaje basado en problemas, laboratorio guiado, trabajo en parejas. | Python, scikit-learn, Jupyter, dataset | Notebook ejecutable | Lista de cotejo |
| III. Modelos fundacionales | 9–12 | Modelos de lenguaje, prompting, APIs (OpenAI, Gemini, Claude), limitaciones y sesgos. | Demostración, práctica dirigida, discusión guiada. | Credenciales de API, documentación | Ejercicios guiados | Lista de cotejo |
| IV. Proyecto integrador | 13–15 | Diseño, desarrollo, despliegue y documentación de una aplicación con IA. | Aprendizaje basado en proyectos, asesoría individual, defensa oral. | Repositorio y plataforma de despliegue | Aplicación + informe técnico | Rúbrica analítica |
Datos
Carga e inspección del dataset.
Preparación
Limpieza y partición train/test.
Modelo
Regresión y árbol de decisión.
Evaluación
Accuracy, F1 o RMSE.
Despliegue
App que consume la API del modelo.
| Semanas | Unidad / contenido | Producto o evidencia |
|---|---|---|
| 1–3 | Unidad 1 · Fundamentos de la IA: definición, historia y tipos | Mapa conceptual (rúbrica) |
| 4–7 | Unidad 2 · Aprendizaje automático: regresión lineal y árbol de decisión en Python | Práctica de laboratorio (lista de cotejo) |
| 8 | Examen parcial I y retroalimentación | Prueba objetiva |
| 9–12 | Unidad 3 · Modelos fundacionales y APIs de lenguaje | Ejercicios guiados |
| 13–14 | Desarrollo del proyecto final (asesorías) | Avances del proyecto |
| 15 | Presentación y defensa del proyecto final | Aplicación + informe técnico (rúbrica analítica) |
Al inicio del curso se aplica una evaluación diagnóstica breve para identificar los conocimientos previos, expectativas y el nivel de familiaridad de los estudiantes con la tecnología y la programación. Consta de un cuestionario corto de opción múltiple y preguntas abiertas, complementado con una técnica SQA (qué Sé, qué Quiero saber, qué Aprendí).
Sus resultados no tienen valor sumativo: orientan la profundidad de los contenidos, la conformación de equipos y los apoyos que requerirá el grupo, de modo que la planificación se ajuste a la realidad de cada sección.
- Docente de Introducción a la Inteligencia Artificial en la USAP.
- Diseño de procesos de reclutamiento asistidos por IA (análisis y ranking automatizado de CVs) para el sector agroindustrial.
- Analítica de datos y modelos de lenguaje con Amazon Bedrock y APIs de LLM en proyectos de consultoría.
- Diseño de un Data Lakehouse (SAP Business One → AWS Redshift/Glue/S3, visualización en Power BI) para analítica empresarial.
| Asignatura | Seguridad Informática (Ciberseguridad) |
| Carrera afín (USAP) | Ing. en Tecnologías Computacionales · Ing. en Tecnologías de la Información y las Comunicaciones |
| Unidad / sesión modelo | Unidad 1 · «Fundamentos de la seguridad de la información» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Identificar amenazas y aplicar controles para proteger la confidencialidad, integridad y disponibilidad de la información. |
| Recursos | Laboratorio, herramientas de protección de endpoints (EDR/XDR/MDR), casos reales de incidentes. |
| Respaldo profesional | Proyectos de ciberseguridad y propuestas de protección de endpoints (Sophos MDR, EDR/XDR) en Turing Consultores. |
| Docente | Lesby Francisco Torres García |
Tríada CIA (confidencialidad, integridad, disponibilidad); tipos de amenazas y malware; controles de seguridad (firewall, antivirus, EDR/XDR, MDR); gestión de vulnerabilidades y hardening; políticas de seguridad y normativa; respuesta ante incidentes.
- Propuestas de protección de endpoints con EDR/XDR y MDR gestionado para los sectores salud y privado.
- Análisis técnico de licitaciones de seguridad (EDR/XDR, DDI) para entidades públicas.
- Evaluación de exposición de credenciales y superficie de ataque para organizaciones hondureñas.
- Diseño de soluciones de videovigilancia y control de acceso para el sector aduanero y logístico.
| Asignatura | Redes y Comunicación de Datos |
| Carrera afín (USAP) | Ing. en Tecnologías Computacionales · Ing. en Tecnologías de la Información y las Comunicaciones |
| Unidad / sesión modelo | Unidad 1 · «Modelos de referencia OSI y TCP/IP» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Diseñar, configurar y administrar redes de datos aplicando los modelos OSI y TCP/IP. |
| Recursos | Laboratorio de redes, simuladores (Packet Tracer/GNS3), equipos de conmutación y enrutamiento. |
| Respaldo profesional | Certificación CCNA y experiencia en infraestructura de redes, telefonía IP y comunicación de datos. |
| Docente | Lesby Francisco Torres García |
Modelos OSI y TCP/IP; medios y topologías; direccionamiento IP y subredes; conmutación (VLAN) y enrutamiento; redes inalámbricas; telefonía IP; monitoreo y resolución de problemas de red.
- Diseño y administración de infraestructura de redes, telefonía IP y comunicación de datos.
- Configuración de clústeres de conmutación por error (WSFC) sobre servidores empresariales Dell PowerEdge.
- Despliegue de fibra óptica y servicios de conectividad como parte de la oferta de Turing Consultores.
- Gestión de registros DNS (CAA) para la emisión de certificados SSL wildcard.
| Asignatura | Cómputo en la Nube e Infraestructura de TI |
| Carrera afín (USAP) | Ing. en Tecnologías Computacionales · Lic. en Administración de Tecnologías de Información |
| Unidad / sesión modelo | Unidad 1 · «De la virtualización a la nube» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Diseñar e implementar soluciones de infraestructura on-premise y en la nube (AWS, Azure) según las necesidades de la organización. |
| Recursos | Cuentas educativas de nube, laboratorio de virtualización (VMware/Hyper-V), servidores de práctica. |
| Respaldo profesional | Más de 20 años en infraestructura, virtualización y nube (AWS, Azure, VMware); administración de servidores y clústeres. |
| Docente | Lesby Francisco Torres García |
Virtualización (VMware/Hyper-V); servidores, almacenamiento y respaldo; modelos de servicio de nube (IaaS, PaaS, SaaS); AWS y Azure; alta disponibilidad y clústeres; continuidad del negocio y costos de infraestructura.
- Estimación de arquitectura y costos en AWS para infraestructura de TI de gran escala en el sector público.
- Diseño de Data Lakehouse en AWS (Redshift, Glue, S3) con visualización en Power BI.
- Virtualización con VMware/Hyper-V y clústeres de alta disponibilidad (WSFC) en servidores empresariales.
- Despliegue de servicios de correo empresarial (iRedMail) sobre AWS.
| Asignatura | Sistemas de Información Gerencial y ERP |
| Carrera afín (USAP) | Lic. en Informática Administrativa · Lic. en Administración de Tecnologías de Información |
| Unidad / sesión modelo | Unidad 1 · «El sistema de información en la organización» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Analizar, seleccionar e implementar sistemas de información y ERP para apoyar la gestión y la toma de decisiones empresariales. |
| Recursos | Instancia ERP de práctica (Odoo), casos empresariales, plantillas de procesos de negocio. |
| Respaldo profesional | Implementaciones ERP (Odoo, SAP B1) y proyectos de transformación digital para clientes públicos y privados. |
| Docente | Lesby Francisco Torres García |
Sistemas de información en la empresa; procesos de negocio; ciclo de implementación de un ERP; módulos (finanzas, inventario, ventas, compras); ERP en la práctica (Odoo/SAP); gestión del cambio y analítica para la decisión.
- Implementaciones y migraciones de Odoo (v16 → v19) para empresas de los sectores comercial, industrial y público.
- Prueba de concepto (PoC) de Odoo 19 Enterprise para una entidad público-privada.
- Desarrollo de módulos a medida (reportes de inventario FIFO/AVCO con componentes OWL) y configuración contable y analítica.
- Migración de SAP Business One hacia una arquitectura de datos en AWS.
Instrumentos y postura evaluativa
Entiendo la evaluación como un proceso para medir el aprendizaje y la efectividad de la enseñanza, identificar fortalezas y oportunidades de mejora, y orientar tanto al estudiante como a la metodología. Combino instrumentos diagnósticos, formativos y sumativos con criterios explícitos.
Nota: los instrumentos que se muestran a continuación constituyen un modelo de ejemplo; ilustran el enfoque y el formato de evaluación, y se ajustan a cada asignatura, unidad y grupo.
| Evaluación | Instrumento | Ponderación |
|---|---|---|
| Examen parcial I (Unidad 1) | Prueba objetiva (opción múltiple + respuesta corta) | 20 % |
| Examen parcial II (Unidad 2) | Prueba mixta + práctica en Python | 20 % |
| Proyecto final | Rúbrica analítica | 30 % |
| Prácticas de laboratorio | Lista de cotejo | 15 % |
| Participación y asistencia | Registro / observación | 15 % |
| Indicador | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| Comprendo los conceptos fundamentales de IA vistos en la unidad. | ○ | ○ | ○ | ○ |
| Participo activamente en las actividades y discusiones. | ○ | ○ | ○ | ○ |
| Cumplo con las entregas en tiempo y forma. | ○ | ○ | ○ | ○ |
| Aplico lo aprendido a problemas de mi área profesional. | ○ | ○ | ○ | ○ |
| Identifico mis dificultades y busco cómo mejorar. | ○ | ○ | ○ | ○ |
Escala: 1 = nunca · 4 = siempre. Complementada con coevaluación de equipo (aportes, responsabilidad, colaboración, respeto).
| N° | Indicador | Sí | No |
|---|---|---|---|
| 1 | Configura correctamente el entorno de trabajo (Python + scikit-learn / Jupyter). | ☐ | ☐ |
| 2 | Carga e inspecciona el conjunto de datos proporcionado. | ☐ | ☐ |
| 3 | Implementa el algoritmo de regresión lineal. | ☐ | ☐ |
| 4 | Implementa el algoritmo de árbol de decisión. | ☐ | ☐ |
| 5 | Divide los datos en conjuntos de entrenamiento y prueba. | ☐ | ☐ |
| 6 | Entrena ambos modelos sin errores de ejecución. | ☐ | ☐ |
| 7 | Calcula al menos una métrica de desempeño (accuracy, F1 o RMSE). | ☐ | ☐ |
| 8 | Compara el desempeño de los dos algoritmos. | ☐ | ☐ |
| 9 | El código está comentado y es legible. | ☐ | ☐ |
| 10 | Entrega el archivo/notebook ejecutable en la fecha establecida. | ☐ | ☐ |
| 11 | Explica con claridad las decisiones técnicas tomadas. | ☐ | ☐ |
| 12 | Cita las fuentes o referencias utilizadas. | ☐ | ☐ |
Cada indicador = 1 punto (total /12). 11–12 Excelente · 9–10 Muy bueno · 7–8 Satisfactorio · ≤6 Requiere mejora.
| Criterio | Excelente (4) | Bueno (3) | Satisfactorio (2) | Insuficiente (1) | Peso |
|---|---|---|---|---|---|
| Funcionalidad | Funciona sin errores y resuelve un problema real. | Funciona con fallos menores. | Funciona parcialmente. | No ejecuta o no cumple el propósito. | 25 % |
| Integración del modelo/API | Integración correcta, segura y bien parametrizada. | Correcta con detalles menores. | Básica y con errores. | No logra integrar el modelo. | 25 % |
| Utilidad profesional | Aporte claro y pertinente a su área. | Aporte pertinente. | Utilidad limitada. | Sin aplicación real. | 15 % |
| Informe técnico | Claro, completo (~1000 palabras) y bien estructurado. | Completo con detalles menores. | Incompleto o poco claro. | Ausente o deficiente. | 20 % |
| Exposición/defensa | Explica con dominio y responde con solvencia. | Explica bien. | Explicación básica. | No sustenta el trabajo. | 15 % |
Conversión: puntaje = Σ(nivel × peso) ÷ 4 × 100.
Documentos de respaldo
Materiales completos del portafolio, disponibles como documentos descargables. Cada anexo enlaza al archivo correspondiente subido al sitio.
Ensayo académico «Evaluar para controlar o para mejorar» (Pedagogía Universitaria). ↓ descargar
Resumen «El aprendizaje: teorías, estilos y factores que influyen en el aprendizaje». ↓ descargar
Hoja de trabajo — Objetivos de aprendizaje con metodología SMART. ↓ descargar
Planificación didáctica completa (guion metodológico). ↓ descargar
Instrumentos de evaluación (lista de cotejo, rúbrica, autoevaluación y coevaluación). ↓ descargar
Recursos digitales del curso
Herramientas desarrolladas para la asignatura de Introducción a la IA, incrustadas para su consulta directa.
Portafolio docente
Introducción a la Inteligencia Artificial
Evidencias, planificación y filosofía de mi práctica docente en la Escuela de Ciencias Informáticas de la USAP: centrada en la asignatura Introducción a la Inteligencia Artificial y extensiva a otras asignaturas afines a mi perfil profesional.
- Docente
- Lesby Francisco Torres García
- Grado académico
- Licenciado en Informática Administrativa
- Escuela / Facultad
- Ciencias Informáticas
- Asignatura
- Introducción a la Inteligencia Artificial
- Período
- I · Año 2026
- Enfoque
- Evaluar para mejorar
Contenido del portafolio
Sobre este portafolio
Este portafolio reúne las evidencias, la planificación y la postura pedagógica de mi práctica docente en la Escuela de Ciencias Informáticas de la Universidad de San Pedro Sula. Toma como eje la asignatura Introducción a la Inteligencia Artificial —que imparto actualmente— y se extiende a otras asignaturas afines a mi perfil profesional. Su propósito es documentar cómo integro la tecnología a la vez como contenido de estudio y como herramienta didáctica al servicio del aprendizaje.
A lo largo de estas secciones presento la identidad institucional y personal que enmarca mi labor, mi filosofía de enseñanza, el diseño curricular de las asignaturas —con su guion metodológico, carta descriptiva y jornalización— y los instrumentos con los que evalúo el aprendizaje: evaluación sumativa y formativa, listas de cotejo y rúbricas. Se complementa con recursos digitales desarrollados para la asignatura de Introducción a la IA.
El material está dirigido a la coordinación del Diplomado de Formación Pedagógica en Educación Superior de la UPNFM y a cualquier colega interesado en una propuesta que busca un aprendizaje significativo, aplicado y centrado en el estudiante.
Universidad de San Pedro Sula
Primera universidad privada de Honduras, fundada el 15 de noviembre de 1977. Hoy ofrece 32 programas y opera «powered by ASU®» junto a Arizona State University, reconocida como la universidad más innovadora de Estados Unidos.
Logotipo institucional de la Universidad de San Pedro Sula, en cuya Escuela de Ciencias Informáticas se enmarca mi labor docente.
Educación superior con visión global
La asignatura Introducción a la Inteligencia Artificial, eje de este portafolio, se enmarca en la Escuela de Ciencias Informáticas, dentro de una propuesta moderna, bilingüe y centrada en el estudiante que integra estándares académicos internacionales.
- Misión
- Formar profesionales innovadores y reconocidos por la sociedad, por su liderazgo, responsabilidad social y ambiental.
- Visión
- Ser reconocida como líder en innovación y calidad educativa en Honduras.
- Política de calidad
- Mejora continua de los procesos para formar profesionales emprendedores, competitivos y socialmente responsables.
- Ubicación
- Ave. Circunvalación, San Pedro Sula, Honduras, C.A.
Sobre el docente
Lesby Francisco Torres García es Licenciado en Informática Administrativa (USAP), con más de veinte años de experiencia en consultoría tecnológica, nube, ciberseguridad e implementación de sistemas ERP. Actualmente se desempeña como Gerente de Operaciones en Turing Consultores y cursa el Diplomado de Formación Pedagógica en Educación Superior de la UPNFM, con el propósito de profesionalizar su labor docente universitaria.
- Licenciatura en Informática Administrativa — USAP.
- Bachiller en Ciencias y Letras y Técnico en Computación — INTECYC.
- Diplomado de Formación Pedagógica en Educación Superior — UPNFM (en curso).
- Inteligencia artificial y analítica de datos (Amazon Bedrock, LLM, machine learning).
- Nube e infraestructura (AWS, Azure, virtualización, redes).
- Sistemas ERP, ciberseguridad y dirección de proyectos. Certificaciones: ITIL 4, CCNA, VMware.
Cómo entiendo la docencia
Sobre la evaluación asumo una postura clara: evaluar para mejorar, no para controlar.
Concibo la enseñanza en la educación superior como un proceso centrado en el estudiante, orientado al aprendizaje significativo y a la resolución de problemas reales. Mi trayectoria en tecnología me ha demostrado que el conocimiento cobra sentido cuando se aplica; por eso diseño experiencias en las que el estudiante construye su aprendizaje haciendo, no solo escuchando.
Adopto un enfoque constructivista: el estudiante es un sujeto activo que vincula la información con sus conocimientos previos, mientras el docente actúa como facilitador que organiza contenidos, promueve conflictos cognitivos y respeta los distintos ritmos y estilos de aprendizaje. En un campo tan dinámico como la IA, priorizo la capacidad de aprender a aprender por encima de la memorización.
La evaluación formativa y la retroalimentación continua son herramientas al servicio del aprendizaje, no instrumentos de sanción. Combino evaluación diagnóstica, formativa y sumativa con criterios explícitos —rúbricas, listas de cotejo y autoevaluación— para que el estudiante sepa de antemano qué se espera de él y pueda regular su progreso. Entiendo, además, la inteligencia artificial como una herramienta pedagógica que, bien empleada, prepara a los estudiantes para un entorno profesional donde estas tecnologías ya son cotidianas.
Guion metodológico y carta descriptiva
Diseño curricular de las asignaturas y de sus sesiones modelo. La pestaña Introducción a la IA desarrolla el guion metodológico completo con jornalización y diagnóstico; las demás pestañas presentan la carta descriptiva de otras asignaturas afines a mi perfil dentro de la oferta de USAP.
| Asignatura | Introducción a la Inteligencia Artificial |
| Unidad / sesión | Unidad 1 · Sesión modelo: «La inteligencia artificial en la vida diaria» |
| Duración | 25 minutos |
| Competencia | Comprender el impacto de la IA en la vida cotidiana y laboral, reconociendo ejemplos de uso y su importancia. |
| Recursos | Proyector, presentación, pizarra, ejemplos multimedia y guía de participación. |
| Docente | Lesby Francisco Torres García |
Contenidos
- Qué es la IA
- Ejemplos cotidianos
- Cómo funciona (forma simple)
- Beneficios y riesgos
- Uso responsable
Actividades
- Exploración de saberes previos
- Lluvia de ideas sobre tecnología
- Explicación conceptual
- Ejemplos cotidianos
- Actividad participativa y reflexión
Metodología
- Lluvia de ideas
- Charla interactiva
- Explicación magistral breve
- Participación guiada
- Discusión grupal
Evaluación
- Participación activa
- Preguntas orales
- Identificación de ejemplos
- Reflexión grupal final
| Momento | Tiempo | Actividad del docente | Actividad del estudiante | Recursos | Evaluación |
|---|---|---|---|---|---|
| Inicio Exploración de saberes previos |
5 min | Plantea la pregunta detonadora: «¿Dónde ha usado usted inteligencia artificial hoy sin darse cuenta?» y modera una lluvia de ideas. | Responde, aporta ejemplos de su entorno y participa en la construcción colectiva de ideas. | Pizarra o Mentimeter | Diagnóstica: registro de participación |
| Desarrollo Construcción conceptual |
8 min | Desarrolla una explicación magistral breve: qué es la IA, cómo funciona en forma simple, beneficios y riesgos. | Toma notas, formula preguntas y contrasta la explicación con sus ideas previas. | Presentación e infografía (Genially) | Formativa: preguntas orales |
| Desarrollo Aplicación |
7 min | Presenta casos cotidianos (recomendaciones, asistentes, filtros) y organiza el trabajo en parejas. | En parejas identifica tres ejemplos de IA en su vida diaria y los clasifica según beneficio o riesgo. | Guía de trabajo | Formativa: identificación correcta de ejemplos |
| Cierre Reflexión y transferencia |
5 min | Modera la puesta en común, enfatiza el uso responsable de la IA y anticipa la siguiente sesión. | Comparte sus conclusiones y responde: «¿Qué uso responsable haré de la inteligencia artificial?». | Pizarra | Formativa: reflexión grupal final |
La sesión funciona además como diagnóstico de entrada de la Unidad 1: los ejemplos recogidos se retoman en el mapa conceptual evaluado con rúbrica.
| Unidad | Semanas | Contenidos | Estrategias metodológicas | Recursos | Evidencia | Instrumento |
|---|---|---|---|---|---|---|
| I. Fundamentos de la IA | 1–3 | Definición, historia y tipos de IA; la IA en la vida diaria; ética y uso responsable. | Lluvia de ideas, charla interactiva, elaboración de mapa conceptual. | Infografía Genially, video Powtoon | Mapa conceptual | Rúbrica |
| II. Aprendizaje automático | 4–7 | Datos y preparación; regresión lineal; árbol de decisión; métricas de desempeño. | Aprendizaje basado en problemas, laboratorio guiado, trabajo en parejas. | Python, scikit-learn, Jupyter, dataset | Notebook ejecutable | Lista de cotejo |
| III. Modelos fundacionales | 9–12 | Modelos de lenguaje, prompting, APIs (OpenAI, Gemini, Claude), limitaciones y sesgos. | Demostración, práctica dirigida, discusión guiada. | Credenciales de API, documentación | Ejercicios guiados | Lista de cotejo |
| IV. Proyecto integrador | 13–15 | Diseño, desarrollo, despliegue y documentación de una aplicación con IA. | Aprendizaje basado en proyectos, asesoría individual, defensa oral. | Repositorio y plataforma de despliegue | Aplicación + informe técnico | Rúbrica analítica |
Datos
Carga e inspección del dataset.
Preparación
Limpieza y partición train/test.
Modelo
Regresión y árbol de decisión.
Evaluación
Accuracy, F1 o RMSE.
Despliegue
App que consume la API del modelo.
| Semanas | Unidad / contenido | Producto o evidencia |
|---|---|---|
| 1–3 | Unidad 1 · Fundamentos de la IA: definición, historia y tipos | Mapa conceptual (rúbrica) |
| 4–7 | Unidad 2 · Aprendizaje automático: regresión lineal y árbol de decisión en Python | Práctica de laboratorio (lista de cotejo) |
| 8 | Examen parcial I y retroalimentación | Prueba objetiva |
| 9–12 | Unidad 3 · Modelos fundacionales y APIs de lenguaje | Ejercicios guiados |
| 13–14 | Desarrollo del proyecto final (asesorías) | Avances del proyecto |
| 15 | Presentación y defensa del proyecto final | Aplicación + informe técnico (rúbrica analítica) |
Al inicio del curso se aplica una evaluación diagnóstica breve para identificar los conocimientos previos, expectativas y el nivel de familiaridad de los estudiantes con la tecnología y la programación. Consta de un cuestionario corto de opción múltiple y preguntas abiertas, complementado con una técnica SQA (qué Sé, qué Quiero saber, qué Aprendí).
Sus resultados no tienen valor sumativo: orientan la profundidad de los contenidos, la conformación de equipos y los apoyos que requerirá el grupo, de modo que la planificación se ajuste a la realidad de cada sección.
- Docente de Introducción a la Inteligencia Artificial en la USAP.
- Diseño de procesos de reclutamiento asistidos por IA (análisis y ranking automatizado de CVs) para el sector agroindustrial.
- Analítica de datos y modelos de lenguaje con Amazon Bedrock y APIs de LLM en proyectos de consultoría.
- Diseño de un Data Lakehouse (SAP Business One → AWS Redshift/Glue/S3, visualización en Power BI) para analítica empresarial.
| Asignatura | Seguridad Informática (Ciberseguridad) |
| Carrera afín (USAP) | Ing. en Tecnologías Computacionales · Ing. en Tecnologías de la Información y las Comunicaciones |
| Unidad / sesión modelo | Unidad 1 · «Fundamentos de la seguridad de la información» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Identificar amenazas y aplicar controles para proteger la confidencialidad, integridad y disponibilidad de la información. |
| Recursos | Laboratorio, herramientas de protección de endpoints (EDR/XDR/MDR), casos reales de incidentes. |
| Respaldo profesional | Proyectos de ciberseguridad y propuestas de protección de endpoints (Sophos MDR, EDR/XDR) en Turing Consultores. |
| Docente | Lesby Francisco Torres García |
Tríada CIA (confidencialidad, integridad, disponibilidad); tipos de amenazas y malware; controles de seguridad (firewall, antivirus, EDR/XDR, MDR); gestión de vulnerabilidades y hardening; políticas de seguridad y normativa; respuesta ante incidentes.
- Propuestas de protección de endpoints con EDR/XDR y MDR gestionado para los sectores salud y privado.
- Análisis técnico de licitaciones de seguridad (EDR/XDR, DDI) para entidades públicas.
- Evaluación de exposición de credenciales y superficie de ataque para organizaciones hondureñas.
- Diseño de soluciones de videovigilancia y control de acceso para el sector aduanero y logístico.
| Asignatura | Redes y Comunicación de Datos |
| Carrera afín (USAP) | Ing. en Tecnologías Computacionales · Ing. en Tecnologías de la Información y las Comunicaciones |
| Unidad / sesión modelo | Unidad 1 · «Modelos de referencia OSI y TCP/IP» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Diseñar, configurar y administrar redes de datos aplicando los modelos OSI y TCP/IP. |
| Recursos | Laboratorio de redes, simuladores (Packet Tracer/GNS3), equipos de conmutación y enrutamiento. |
| Respaldo profesional | Certificación CCNA y experiencia en infraestructura de redes, telefonía IP y comunicación de datos. |
| Docente | Lesby Francisco Torres García |
Modelos OSI y TCP/IP; medios y topologías; direccionamiento IP y subredes; conmutación (VLAN) y enrutamiento; redes inalámbricas; telefonía IP; monitoreo y resolución de problemas de red.
- Diseño y administración de infraestructura de redes, telefonía IP y comunicación de datos.
- Configuración de clústeres de conmutación por error (WSFC) sobre servidores empresariales Dell PowerEdge.
- Despliegue de fibra óptica y servicios de conectividad como parte de la oferta de Turing Consultores.
- Gestión de registros DNS (CAA) para la emisión de certificados SSL wildcard.
| Asignatura | Cómputo en la Nube e Infraestructura de TI |
| Carrera afín (USAP) | Ing. en Tecnologías Computacionales · Lic. en Administración de Tecnologías de Información |
| Unidad / sesión modelo | Unidad 1 · «De la virtualización a la nube» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Diseñar e implementar soluciones de infraestructura on-premise y en la nube (AWS, Azure) según las necesidades de la organización. |
| Recursos | Cuentas educativas de nube, laboratorio de virtualización (VMware/Hyper-V), servidores de práctica. |
| Respaldo profesional | Más de 20 años en infraestructura, virtualización y nube (AWS, Azure, VMware); administración de servidores y clústeres. |
| Docente | Lesby Francisco Torres García |
Virtualización (VMware/Hyper-V); servidores, almacenamiento y respaldo; modelos de servicio de nube (IaaS, PaaS, SaaS); AWS y Azure; alta disponibilidad y clústeres; continuidad del negocio y costos de infraestructura.
- Estimación de arquitectura y costos en AWS para infraestructura de TI de gran escala en el sector público.
- Diseño de Data Lakehouse en AWS (Redshift, Glue, S3) con visualización en Power BI.
- Virtualización con VMware/Hyper-V y clústeres de alta disponibilidad (WSFC) en servidores empresariales.
- Despliegue de servicios de correo empresarial (iRedMail) sobre AWS.
| Asignatura | Sistemas de Información Gerencial y ERP |
| Carrera afín (USAP) | Lic. en Informática Administrativa · Lic. en Administración de Tecnologías de Información |
| Unidad / sesión modelo | Unidad 1 · «El sistema de información en la organización» |
| Duración | Sesión modelo · 45 minutos |
| Competencia | Analizar, seleccionar e implementar sistemas de información y ERP para apoyar la gestión y la toma de decisiones empresariales. |
| Recursos | Instancia ERP de práctica (Odoo), casos empresariales, plantillas de procesos de negocio. |
| Respaldo profesional | Implementaciones ERP (Odoo, SAP B1) y proyectos de transformación digital para clientes públicos y privados. |
| Docente | Lesby Francisco Torres García |
Sistemas de información en la empresa; procesos de negocio; ciclo de implementación de un ERP; módulos (finanzas, inventario, ventas, compras); ERP en la práctica (Odoo/SAP); gestión del cambio y analítica para la decisión.
- Implementaciones y migraciones de Odoo (v16 → v19) para empresas de los sectores comercial, industrial y público.
- Prueba de concepto (PoC) de Odoo 19 Enterprise para una entidad público-privada.
- Desarrollo de módulos a medida (reportes de inventario FIFO/AVCO con componentes OWL) y configuración contable y analítica.
- Migración de SAP Business One hacia una arquitectura de datos en AWS.
Instrumentos y postura evaluativa
Entiendo la evaluación como un proceso para medir el aprendizaje y la efectividad de la enseñanza, identificar fortalezas y oportunidades de mejora, y orientar tanto al estudiante como a la metodología. Combino instrumentos diagnósticos, formativos y sumativos con criterios explícitos.
Nota: los instrumentos que se muestran a continuación constituyen un modelo de ejemplo; ilustran el enfoque y el formato de evaluación, y se ajustan a cada asignatura, unidad y grupo.
| Evaluación | Instrumento | Ponderación |
|---|---|---|
| Examen parcial I (Unidad 1) | Prueba objetiva (opción múltiple + respuesta corta) | 20 % |
| Examen parcial II (Unidad 2) | Prueba mixta + práctica en Python | 20 % |
| Proyecto final | Rúbrica analítica | 30 % |
| Prácticas de laboratorio | Lista de cotejo | 15 % |
| Participación y asistencia | Registro / observación | 15 % |
| Indicador | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| Comprendo los conceptos fundamentales de IA vistos en la unidad. | ○ | ○ | ○ | ○ |
| Participo activamente en las actividades y discusiones. | ○ | ○ | ○ | ○ |
| Cumplo con las entregas en tiempo y forma. | ○ | ○ | ○ | ○ |
| Aplico lo aprendido a problemas de mi área profesional. | ○ | ○ | ○ | ○ |
| Identifico mis dificultades y busco cómo mejorar. | ○ | ○ | ○ | ○ |
Escala: 1 = nunca · 4 = siempre. Complementada con coevaluación de equipo (aportes, responsabilidad, colaboración, respeto).
| N° | Indicador | Sí | No |
|---|---|---|---|
| 1 | Configura correctamente el entorno de trabajo (Python + scikit-learn / Jupyter). | ☐ | ☐ |
| 2 | Carga e inspecciona el conjunto de datos proporcionado. | ☐ | ☐ |
| 3 | Implementa el algoritmo de regresión lineal. | ☐ | ☐ |
| 4 | Implementa el algoritmo de árbol de decisión. | ☐ | ☐ |
| 5 | Divide los datos en conjuntos de entrenamiento y prueba. | ☐ | ☐ |
| 6 | Entrena ambos modelos sin errores de ejecución. | ☐ | ☐ |
| 7 | Calcula al menos una métrica de desempeño (accuracy, F1 o RMSE). | ☐ | ☐ |
| 8 | Compara el desempeño de los dos algoritmos. | ☐ | ☐ |
| 9 | El código está comentado y es legible. | ☐ | ☐ |
| 10 | Entrega el archivo/notebook ejecutable en la fecha establecida. | ☐ | ☐ |
| 11 | Explica con claridad las decisiones técnicas tomadas. | ☐ | ☐ |
| 12 | Cita las fuentes o referencias utilizadas. | ☐ | ☐ |
Cada indicador = 1 punto (total /12). 11–12 Excelente · 9–10 Muy bueno · 7–8 Satisfactorio · ≤6 Requiere mejora.
| Criterio | Excelente (4) | Bueno (3) | Satisfactorio (2) | Insuficiente (1) | Peso |
|---|---|---|---|---|---|
| Funcionalidad | Funciona sin errores y resuelve un problema real. | Funciona con fallos menores. | Funciona parcialmente. | No ejecuta o no cumple el propósito. | 25 % |
| Integración del modelo/API | Integración correcta, segura y bien parametrizada. | Correcta con detalles menores. | Básica y con errores. | No logra integrar el modelo. | 25 % |
| Utilidad profesional | Aporte claro y pertinente a su área. | Aporte pertinente. | Utilidad limitada. | Sin aplicación real. | 15 % |
| Informe técnico | Claro, completo (~1000 palabras) y bien estructurado. | Completo con detalles menores. | Incompleto o poco claro. | Ausente o deficiente. | 20 % |
| Exposición/defensa | Explica con dominio y responde con solvencia. | Explica bien. | Explicación básica. | No sustenta el trabajo. | 15 % |
Conversión: puntaje = Σ(nivel × peso) ÷ 4 × 100.
Documentos de respaldo
Materiales completos del portafolio, disponibles como documentos descargables. Cada anexo enlaza al archivo correspondiente subido al sitio.
Ensayo académico «Evaluar para controlar o para mejorar» (Pedagogía Universitaria). ↓ descargar
Resumen «El aprendizaje: teorías, estilos y factores que influyen en el aprendizaje». ↓ descargar
Hoja de trabajo — Objetivos de aprendizaje con metodología SMART. ↓ descargar
Planificación didáctica completa (guion metodológico). ↓ descargar
Instrumentos de evaluación (lista de cotejo, rúbrica, autoevaluación y coevaluación). ↓ descargar
Recursos digitales del curso
Herramientas desarrolladas para la asignatura de Introducción a la IA, incrustadas para su consulta directa.