Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00
PRÁCTICAS 1
Equipo: 4 integrantes
Objetivo (*)
1. Identificar los algoritmos de agrupación y reducción de dimensionalidad.
2. Comprender el proceso de implementación de los modelos de agrupación y reducción de
dimensionalidad.
3. Identificar las métricas de evaluación de modelos de agrupación y reducción de
dimensionalidad.
4. Comprender el proceso de evaluación de modelos de agrupación y reducción de
dimensionalidad.
*FDC: familia de carreras
Código Revisión:
INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00
Equipo: 4 integrantes
Referencias de apoyo:
Aprendizaje Supervisado y No Supervisado
http://www.cs.us.es/~fsancho/?e=77
https://healthdataminer.com/data-mining/aprendizaje-supervisado-y-no-supervisado/
8 algoritmos de agrupación en clústeres en el aprendizaje automático que todos los científicos de datos
deben conocer
https://www.freecodecamp.org/espanol/news/8-algoritmos-de-agrupacion-en-clusteres-en-el-
aprendizaje-automatico-que-todos-los-cientificos-de-datos-deben-conocer/
- Aprendizaje no supervisado: Reducción de dimensiones
https://medium.com/analyst-ryma/aprendizaje-no-supervisado-reducci%C3%B3n-de-dimensiones-
67d3aa2385f3
- Algoritmo t-SNE: Introducción
https://sitiobigdata.com/2018/08/27/algoritmo-t-sne-con-python/#
Página 2 de 6
Código Revisión:
INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00
o Carrera
o Asignatura, maestra (o),
o Nombre de la actividad,
o Integrantes
o Cuatrimestre
o Grupo
o Parcial
o Fecha de entrega
- Introducción (10 puntos)
- Desarrollo (80 puntos)
o Incluir investigación relacionado con los incisos indicados en los objetivos (*)
o Describe paso a paso e incluye evidencias de la realización de cada uno de los puntos
indicados en las instrucciones (es válido utilizar videos para demostración incluyendo el
link correspondiente)
- Conclusiones individuales (10 puntos)
- Bibliografía con formato APA (10 puntos), utilizar 5 como mínimo
o Utilizar mínimo un libro de referencia, es válido sitios web, artículos confiables
Página 3 de 6
Código Revisión:
INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00
PRÁCTICAS 2
Objetivo (*)
1. Identificar técnicas de visualización y representación de información.
2. Explicar el proceso de Storytelling.
3. Comprender el proceso de elaboración de gráficas con herramientas de visualización de datos.
4. Comprender el proceso de elaboración de gráficas con la implementación de bibliotecas de
visualización de datos.
5. Relacionar la presentación de información con el proceso de extracción del conocimiento.
Referencias de apoyo:
- 15 Librerías de Python para Machine Learning
https://www.iartificial.net/librerias-de-python-para-machine-learning/
- Análisis y visualización de datos usando Python
https://datacarpentry.org/python-ecology-lesson-es/
- Visualización de Datos con Python
https://joserzapata.github.io/courses/python-ciencia-datos/visualizacion/
Página 4 de 6
Código Revisión:
INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00
CRITERIOS DE EVALUACION
NOTA: Indispensable la entrega de la práctica para derecho a promedio del parcial. La calificación asignada es en
base a 10.
SUBIR EN MOODLE: Documento PDF para cada actividad, en fecha indicada. Sólo un integrante del equipo sube.
Las prácticas tienen un total de 10 puntos que se reflejará con un valor con escala de 1-10 de calificación del
parcial equivalente al 20% para el HACER + SER del alumno.
Página 5 de 6
Código Revisión:
INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00
VALIDACION DE LA ACADEMIA*
* Este apartado solo se llenará para la entrega de este instrumento a la División correspondiente.
Página 6 de 6