Información 2024 Semestre 1 - Universidad de Antioquia

Esta es información para los matriculados en el curso ofrecido por el Departamento de Ingeniería de Sistemas, Facultad de Ingeniería, Universidad de Antioquia, Medellín.


Plataforma de autocorrectores para los laboratorios

Revisa estos dos vídeos para ver cómo se interacciona con los materiales del curso:


Sesiones temáticas

SEMESTRE 2024-1

SEMESTRE 2023-2


Horario de clases

    MARTES 10:00-12:00          JUEVES 10:00-12:00

Las sesiones se realizarán por Zoom a través del siguiente enlace compteción

https://udea.zoom.us/j/98409764603

Grabaciones: Accede en este enlace al repositorio de grabaciones de las sesiones sincrónicas del curso.

Discusiones, Q&A, Incidencias

Indícanos cualquier duda, sugerencia o incidencia, o inicia una discusión con la comunidad del curso en el siguiente foro. Las discusiones son en abierto. Si quieres participar tendrás que utilizar tu usuario Github.

FORO DE DISCUSIONES DEL CURSO

Cualquier asunto personal escribidnos a ambos Felipe y a mì raul.ramos@udea.edu.co y felipe.rodrigueza@udea.edu.co

Plantea tu cuestión o inquietud en la categoría del módulo pertinente. Aspectos generales, administrativos, fechas, evaluaciones, etc. los puedes formular en la categoría GENERAL.

Durante las sesiones le daremos prioridad A LAS PREGUNTAS que se FORMULEN PREVIAMENTE por EL FORO en el orden en el que aparezcan.


Whatsapp de estudiantes (enlace) : este grupo es para comunicaciòn entre estudiantes, las preguntas al profesor o monitor habrán de formularse en el foro.


NORMAS DE DESARROLLO DE LA MATERIA y ENTREGAS

  • Todas las preguntas han de hacerse en el foro. NO SE RESPONDERÁN PREGUNTAS o INQUETUDES SOBRE EL CURSO POR CORREO ELECTRÓNICO. SOLO POR EL FORO de DISCUSIONES

  • Cada estudiante ha de ser responsable de sus entregas de proyecto. CADA MIEMBRO DE UN EQUIPO HA DE DEPOSITAR LAS ENTREGAS EN SU RESPECTIVAS REPOSITORIO GITHUB y RELLENAR ADECUADAMENTE EL FORMULARIO DE CADA ENTREGA. No se harán excepciones. Si un estudiante no realiza las entregas en un repositorio propio de github, no tendrá calificación, independientemente de lo que hayan entregado o no los otros miembros del equipo.

  • Las solicitudes de cambio de fechas habrán de hacerse AL MENOS 5 DÍAS ANTES DE LA FECHA de la que se quiere solicitar el cambio. Necesitarán tener el consenso de al menos un tercio de los matriculados en la materia (es decir, de al menos 64 estudiantes al inicio del semestre). La solicitud deberá de realizarse mediante correo electrónico a raul.ramos@udea.edu.co, felipe.rodrigueza@udea.edu.co, CON COPIA a los estudiantes que formen parte del consenso.

  • Cualquier entrega fuera de fechas será penalizada con el 50% de la calificación.

Evaluación

40% (2.0 puntos) LABS

10% (0.5 puntos) EVALUACIONES SOBRE LABS 
                 1/2: módulos 3-4
                 1/2: módulos 5-6-7

10% (0.5 puntos) PROYECTO ENTREGA 1 (0.1 puntos) 
                 PROYECTO ENTREGA 2 (0.4 puntos)

40% (2.0 puntos) PROYECTO ENTREGA FINAL
                 30% (1.5 puntos): GITHUB. claridad y compleción de la entrega en Github
                 10% (0.5 puntos): KAGGLE. posición en el ranking de la competición

Criterios de calificación por la posición en el ranking de la competición en Kaggle

  • tendrá un 5 quien quede primero

  • tendrá un 1 quien quede de último

  • el puntaje del resto será entre 1 y 5, linealmente proporcional a la posición obtenida

  • tendrá un cero quien no haya enviado ninguna solución

  • tendrá un cero quien no tenga en su repositorio github el notebook correspondiente para generar la solución enviada a Kaggle, según se describe más abajo

  • no se permitirán dos puntuaciones exactamente iguales, en cuyo caso prevalecerá la que haya sido enviada primero y cualquier otra quedará en última posición. Excepto si son entre miembros del mismo equipo.

  • se revisarán detalladamente los notebooks con las soluciones por indicios de plagio. Cualquier sospecha de plagio será penalizada con un cero a todas las personas implicadas. Excepto entre componentes del mismo equipo.

  • se analizarán las distribuciones de puntuaciones por programa académico de proveniencia. Si el promedio de la puntuaciones de algún programa es distinto del promedio global más una desviación estándar (por arriba o por abajo), se realizará un ranking separado para ese programa.

Fechas de entregas

    17/mar/2024    LABS MODULOS 1-2
    28/mar/2024    PROYECTO ENTREGA 1
     7/abr/2024    LABS MODULO 3
    14/abr/2024    LABS MODULO 4
    28/abr/2024    PROYECTO ENTREGA 2
    12/may/2024    LABS MODULOS 5-6-7
    26/may/2024    PROYECTO ENTREGA FINAL

Calendario oficial

           5/feb/2024  Inicio de clases
           8/abr/2024  Evaluación al 40%
           1/jun/2024  Finalización clases
   4/jun - 8/jun/2024  Exámenes finales
           9/jun/2024  Fecha límite cierre de notas
 11/jun - 15/jun/2024  Habilitación y validación
          17/jun/2024  Terminación oficial

Proyecto

Tendrás que participar en esta competición de Kaggle

UDEA/ai4eng 20241 - Pruebas Saber Pro Colombia

Para ello tendrás que

  1. Desarrollar una solución sobre un repositorio github privado implementada en varios notebooks.

  2. Compartirlo invitando en github a los usuarios rramosp y Felipe-RA (profe y monitor)

  3. Realizar 3 entregas durante el curso como se describe a continuación

  4. Enviar tu solución a Kaggle para que aparezcas en el ranking de la competición.

Reglamentación del proyecto

  • Podrá hacerse individual o formarse grupos de 2 o 3 estudiantes.

  • Tendrás que hacer las entregas en en un repositorio github privado y personal y rellenar un formulario donde indicarás tus datos y cuál es tu repositorio.

  • En la última entrega es cuando tendrás que someter tu solución a Kaggle. Durante el curso podrás enviar a Kaggle tantas soluciones como quieras. La que sea mejor es la que se tendrá en cuenta.

  • Cada miembro de un grupo tendrá entrega en un repositorio github propio tuyo. TODOS LOS MIEMBROS DE CADA EQUIPO HAN DE DEPOSITAR UNA COPIA DE CADA ENTREGA EN UN REPOSITORIO GITHUB PROPIO DE CADA MIEMBRO.

  • Cada miembro de cada equipo tiene que hacer su propia submisión a Kaggle en la entrega final

  • Los repositorios han de ser privados y compartidos con los usuarios rramosp y Felipe-RA. Si no es así, no se considerará la entrega y tendrá calificación cero.

  • Usa los nombres y formatos indicados más abajo. SI USAS OTRO NOMBRE O FORMATO LA ENTREGA NO SERÁ VÁLIDA.

  • Los videos de las distintas entregas han de subirse a YouTube y enlazarse desde el README.md de github de tu repositorio. No es necesario que todos los miembros suban todos los videos. Una copia de cada video en YouTube es suficiente, pero el enlace debe de aparecer en el README.md del repositorio de cada estudiante.

  • La duración del video ha de ser la indicada más abajo. Si te excedes en más de 10segs o es corto de más de 10segs se te penalizará con el 50% de la calificación de la entrega.

  • El nombrado de archivos en cualquier entrega es estricto según las instrucciones y el ejemplo de entrega más abajo. CUALQUIER ARCHIVO CON UN NOMBRE o FORMATO DISTINTO SERÁ IGNORADO, aunque sea entregado antes de las fechas límite.

Entregas del proyecto

Cada entrega se hace a través de un formulario donde indicarás tu repositorio github con los contenidos de la misma. CADA MIEMBRO DE UN EQUIPO HA DE RELLENAR CADA FORMULARIO DE CADA ENTREGA CON SU PROPIO REPOSITORIO GITHUB

Los contenidos de cada entrega son los siguientes:

ENTREGA 1 – Formulario para la entrega 1

Esta primera entrega sólo consta de dos archivos que han de estar en tu repositorio github:

  • README.md con los nombres, cédulas y progama en el que está inscrito cada participante

  • 01 - exploración.ipynb donde se muestra cómo cargas el archivo train.csv de la competencia y muestras alguna exploración de datos (por ejemplo, cuantos estudiantes hay de cada clase, por localidades, etc.). Esta exploración no tiene que ser exhaustiva, tan sólo que muestres que eres capaz de cargar los datos e inspeccionarlos.

ENTREGA 2 – Formulario para la entrega 2

además del contenido de la entrega 1 en github:

  • Video subido a YouTube y enlazado en README.md

    • Elabora un vídeo de entre 3mins y 4mins.

    • En los primeros 20 segs del vídeo todos los miembros del equipo han de presentarse con la cámara, enunciando su nombre y el programa en el que están matriculados.

    • En el video ha de explicar brevemente el estado de avance del proyecto, dificultades actuales, etc.

    • Todos los miembros del equipo han de participar en la explicación.

  • README.md con los nombres, cédulas y progama en el que está inscrito cada participante y con el enlace la video en YouTube de esta entrega.

  • 02 - preprocesado.ipynb donde se muestra cómo cargas el archivo train.csv de la competencia y realizas las operaciones de limpieza y preprocesado de datos que necesites (p.ej. convertir columnas en one-hot, normalizar valores de rangos, imputar datos faltantes, etc.)

ENTREGA FINAL (Formulario de entrega pendiente de publicar)

en este entrega tendrás que someter tu solución a Kaggle. CADA MIEMBRO DE CADA GRUPO TIENE QUE SOMETER SU PROPIA SOLUCIÓN, aunque sea la misma que la del resto de componentes del grupo.

además del contenido de las entregas anteriores tendrás que añadir a tu repositorio github

  • README.md con los nombres, cédulas y progama en el que está inscrito cada participante y con los siguientes enlacesy con el enlace al video de la entrega 2 y el enlace al video de esta entrega.

  • Video subido a YouTube y enlazado en README.md

    • Elabora un vídeo de entre 3mins y 4mins.

    • En los primeros 20 segs del vídeo todos los miembros del equipo han de presentarse con la cámara, enunciando su nombre y el programa en el que están matriculados.

    • En el video ha de explicar brevemente la aproximación a la solución enviada a Kaggle y ha de mostrar vuestra posición en el ranking compartiendo la pantalla mientras se consulta el leaderboard de Kaggle. Esta posición, por supuesto, puede que no sea la definitiva si hay equipos que envian sus soluciones después.

    • Todos los miembros del equipo han de participar en la explicación. Quien no participe en el video se considerará que no ha realizado esta entrega.

  • 99 - modelo solución.ipynb - Un notebook con tu solución completa, desde cargar train.csv hasta generar el archivo que se envía a Kaggle. Mira las NOTES 05.03 para tener un ejemplo.

  • al menos dos notebooks adicionales con aproximaciones distantas a la de la solución, porque usan distintos modelos, o estrategias de limpieza o preprocesado, etc.

los criterios de evaluación son los siguientes:

  • CLARIDAD: los notebooks contienen textos que explican brevemente lo que se está haciendo

  • COMPLECIÓN: la entrega contiene todos los notebooks que se describieron justo arriba.

  • REPRODUCIBILIDAD: la solución que genera el notebook 99 - modelo solución.ipynb coincide con la enviada a Kaggle.

Al final tu repositorio habrá de tener la siguiente estructura

    |
    +-  README-md
    +-  01 - exploración.ipynb
    +-  02 - preprocesado.ipynb
    +-  03 - modelo con preprocesado de tal forma y SVM.ipynb
    +-  04 - modelo con preprocesado de otra forma y Random Forest.ipynb
    +-  99 - modelo solución.ipynb

  • El nombrado de los archivos ES ESTRICTO. Tiene que haber un fichero README.md y los notebooks 01, 02 y 99 nombrados EXACTAMENTE IGUAL que se indica arriba. Los notebooks 03, 04 y posteriores (si tienes más), han de ser nombrados con ese esquema (número consecutivo - nombre_que_escojes.ipynb). Cualquier archivo con otro nombre será ignorado.

  • Cada miembro del grupo ES RESPONSABLE DE SU PROPIA ENTREGA, independientemente de si sus compañeros de grupo entregan o no. Esto incluye rellenar el formulario y tener un github personal, aunque el contenido sea el mismo que el del resto de los compañeros de grupo.

  • Si cambias de grupo o te añades a un grupo que ya exista tienes que enviar un correo a raul.ramos@udea.edu.co, felipe.rodrigueza@udea.edu.co informándolo con copia a tus nuevos compañeros indicando las razones del cambio y cuál será tu rol en el nuevo grupo. Tus nuevos compañeros deberán de responder ese correo autorizandote a que formes parte del grupo.

AI for Everyone

Te recomendamos completar o visualizar el curso AI for Everyone