Exámenes - Enero Junio 2023
Examen 1: Búsqueda y recolección de información
Hacer un programa en Python que esté conectado con MongoDB y que haga las siguientes operaciones:
- Crear la coleccion "motor" (equivalente a tablas en un sistema relacional).
- La colección "motor" debe tener los siguientes documentos:
Material de apoyo para hacer el Examen:
MongoDB (Instalación):
MongoDB (Códigos de Ejemplo):
WebScraping (Códigos de Ejemplo):
Hilos (Códigos de Ejemplo):
Examen 1: Revisión
Calificaciones:
1 - AVALOS VILLA RODRIGO
11 - QUEVEDO RODRÍGUEZ JORGE ALEJANDRO
Muy bien, aunque faltó mejorar el manejo de hilos
Calificación: 95
2 - BARRERA OROZCO KENNETH OSVALDO
Muy completo y buen manejo de hilos.
Calificación: 100
3 - GARCIA SANTANA MARIA FERNANDA
6 - LOPEZ CARRANZA IVAN ALEJANDRO
Buen manejo de los enlaces
Calificación: 100
4 - GONZÁLEZ PÉREZ WILLIAM ALEJANDRO
No entregó
Calificación: 0
5 - JACOBO AGUSTIN JAQUELINE
Faltó el manejo del Ranking
Calificación: 90
7 - ORNELAS GAMERO KARLA GUADALUPE
Quedó musy simple, faltó extraer mas cosas, el Ranking y el manejo de hilos
Calificación: 80
8 - ORTIZ SALINAS LUIS ANGEL
Excelente la forma y estructura del motor, considerando varios casos posibles.
Calificación: 100
9 - PLASCENCIA SILVA AXEL DAVID
Muy bien documentado y detallado el funcionamiento del código, muy modular y excelentemente construida la aplicación.
Calificación: 100
10 - PÁRAMO MASCOTE JENNIFER
Quedó muy compleja y estática la forma de manejar los hilos.
Calificación: 95
12 - TORRES GALLEGOS JESSICA JAZMIN
Muy bien el procesamiento de las páginas y el ranking.
Calificación: 100
13 - VIEYRA OROZCO OCTAVIO
Sencillo pero muy bien el código.
Calificación: 100
Examen 2.- Modelos de datos estructurados y no estructurados
El examen consistirá en una presentación individual del "Proyecto Final a Realizar", con las siguientes características:
- El miércoles 15 de marzo se entregará un archivo por alumno en formato PowerPoint (pero exportado a PDF) al iniciar la hora de clase.
- El archivo a entregar tendrá 1 HOJA EXACTAMENTE por cada una de las siguientes categorías:
- Nombre del Proyecto (incluyendo nombre del alumno).
- Área de investigación
- Proyectos Parecidos
- Proyecto Propuesto.
- Descripción del Proyecto.
- Herramientas a utilizar en el Proyecto.
- Diagrama a bloques del Proyecto.
- Retos a resolver.
- Importancia del Proyecto.
- El Profesor indicará el orden de las presentaciones.
- La presentación tendrá una duración de 5 a 10 minutos máxima por alumno.
- Al término de la presentación el Profesor realizará una serie de preguntas al alumno acerca del proyecto.
- Asistencia obligatoria de todo el grupo mientras duren las presentaciones.
Examen 2: Revisión
Calificaciones
Todos los alumnos cumplieron con los requisitos de la exposición, por lo tanto la calificación de todos es:
Calificación: 100
Examen 3: Avance del Proyecto
El Examen 3 será el día martes 23 y miércoles 24 de mayo a la hora y lugar de clase normal y los puntos a evaluar y su correspondiente ponderación serán los siguientes:
- 33% Dataset (ya preprocesado).
- 33% Avance de Programación (análiisis de datos, modelo, resultados, etc.).
- 33% Avance de Programación de la interface de visualización de resultados.
Notas:
- Para este Examen 3, cada uno de los puntos anteriores deben de tener un 50% de avance con respecto al "Proyecto Final Terminado" .
- El día martes 23 "TODOS" deberán entregar en una memoria USB su dataset y código de avance al Profesor al inicio de la clase.
- El martes 23 y miércoles 24 cada alumno expondrá frente al grupo el avance de su proyecto.
Datasets de Ejemplo:
Códigos de Ejemplo:
- Predecir los costos de las casas en California (código python, python_ml_california_housing.py).
- Regresión Lineal: Predecir la temperatura promedio para el mes de julio del año 2023 en Nueva York (código python, python_data_science_predecir_temperatura.py).
- K-Means: Clasifica 10 puntos en 2 clases usando K-Means (código python, python_ml_kmeans.py).
- KNN: Dados 10 puntos etiquetados en 2 Clusters predice a qué categoría pertenece un nuevo punto usando KNN (código python, python_ml_knn.py).
- SVM: Clasificador de flores "iris" de acuerdo a la longitud de sus pétalos usando SVM (código python, python_ml_svm.py).
- Decision Trees: Genera el árbol de decisiones para analizar las características de las flores "iris" en formato ".dot" (código python, python_ml_decision_trees.py).
- Random Forest: Compara 3 técnicas para determinar su eficiencia al predecir lanzamientos de una moneda (código python, python_ml_random_forest.py).
- Predice SI una persona sobreviviría al naufragio del Titanic comparando 3 diferentes modelos de Machine Learning (codigo python, python_ml_titanic.py).
- Detecta si una noticia es falsa (Fake News) (codigo python, python_ml_fake_news.py).
- Predice SI una persona es Diabética o NO es Diabética (codigo python, python_ml_diabetes.py).
- Reconocimiento de números escritos a mano usando redes neuronales (código python, python_redes_neuronales_reconocimiento_numeros.py).
Examen 3: Revisión
Calificaciones:
1 - AVALOS VILLA RODRIGO
Faltaron mas datos para poder hacer mas relaciones.
Calificación: 80
2 - BARRERA OROZCO KENNETH OSVALDO
Participó en INNOVATEC
Calificación: 100
3 - GARCIA SANTANA MARIA FERNANDA
Hubo cambio de proyecto y por lo tanto poco avance
Calificación: 70
4 - GONZÁLEZ PÉREZ WILLIAM ALEJANDRO
Muy bien la información aunque faltó empezar a hacer las predicciones.
Calificación: 90
5 - JACOBO AGUSTIN JAQUELINE
Faltaron mas datos para poder hacer mas relaciones.
Calificación: 80
6 - LOPEZ CARRANZA IVAN ALEJANDRO
Participó en INNOVATEC
Calificación: 100
7 - ORNELAS GAMERO KARLA GUADALUPE
Interesante el concepto del proyecto pero faltan mas datos y relaciones entre ellos.
Calificación: 85
8 - ORTIZ SALINAS LUIS ANGEL
Proyecto casi terminado, muy bien!
Calificación: 100
9 - PLASCENCIA SILVA AXEL DAVID
Participó en INNOVATEC
Calificación: 100
10 - PÁRAMO MASCOTE JENNIFER
Faltan mas datos para poder hacer mas relaciones.
Calificación: 80
11 - QUEVEDO RODRÍGUEZ JORGE ALEJANDRO
Muy bien los datos y su análisis
Calificación: 100
12 - TORRES GALLEGOS JESSICA JAZMIN
Muy bien la información aunque faltó empezar a hacer las recomendaciones.
Calificación: 90
13 - VIEYRA OROZCO OCTAVIO
Muy bien la información aunque faltó empezar a hacer las recomendaciones.
Calificación: 90
Portal de Tecnología desarrollado por: Rogelio Ferreira Escutia