Código Revisión:

INSTRUMENTO DE EVALUACIÓN
F-SGC-033 00

DATOS GENERALES DEL INSTRUMENTO.

División: TI
FDC*/Carrera: Ingeniería en Desarrollo y Gestión de Software
Asignatura: Extracción de conocimiento en bases de datos
Cuat.-Gpo(s): 9A, 9B Fecha de aplicación: Julio/2022
Unidad(es) de aprendizaje y/o tema(s) a evaluar.
IV. Análisis no supervisado
V. Presentación y visualización
Especificar con una “X” el tipo de instrumento de evaluación a utilizar (señalar sólo uno).
Tec. evaluación para el SABER Tec. evaluación para el SABER HACER + SER
Prueba oral (entrevista) Otro (Especificar): Proyectos Otro (Especificar):
Prueba escrita X Prácticas, ejercicios, demostraciones
Trabajo investigación Rúbrica
Ensayo, informe Lista de cotejo
Guía de observación
Profesor(es) de la asignatura: Ing. Mirian Magaly Canché Caamal, Ing. Laura Angelina Castillo Salazar
Hacer referencia a la lista de asistencia junio – julio del
Nombre del alumno:
2022
Calificación (puntaje): 20%

CONTENIDO DEL INSTRUMENTO DE EVALUACIÓN

TERCER PARCIAL

PRÁCTICAS 1

UNIDAD IV. Análisis no supervisado

Tema 4.1.- Algoritmos de aprendizaje no supervisado.
Tema 4.2.- Métricas de evaluación de modelos de procesamiento de datos.

Duración estimada: 4:00 Hr.

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

Fecha de entrega lunes 27/Julio/2021

Equipo: 4 integrantes

INSTRUCCIONES. Realiza lo que se indica

Entrega un documento con base en un caso práctico que incluya:

▪ Planteamiento del caso de estudio, mencionando los datos a utilizar, que se quiere hacer con
estos datos, que se quiere obtener con este análisis.
▪ Justificación del algoritmo utilizado.
▪ Descripción de los resultados del algoritmo.
▪ Identificación de los datos (variables) a utilizar, fórmulas necesarias según algoritmo,
representación de los datos o resultados devuelto al aplicar el algoritmo.
▪ Reporte de evaluación y optimización de la implementación del algoritmo.
Entrega el modelo de agrupación y reducción de dimensionalidad en un repositorio según la herramienta
de software utilizada.

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/#

Criterios a evaluar (Valor: 100 puntos)

• Documento en formato Pdf, con la siguiente estructura:
- Portada (10 puntos)
o Logo de la escuela,
o Nombre de la escuela,

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

UNIDAD V. Presentación y visualización

Tema 5.1.- Técnicas de visualización y representación del conocimiento.
Tema 5.2.- Herramientas de visualización de datos.
Tema 5.3.- Bibliotecas para la visualización de datos: API's.

Duración estimada: 4:00 Hr.

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.

Fecha de entrega lunes 27/Julio/2022

INSTRUCCIONES. Realiza lo que se indica

Elabora un dashboard a partir de un caso práctico que incluya:

▪ Planteamiento del caso de estudio, mencionando los datos a utilizar, que se quiere hacer con
estos datos, que se quiere obtener con este análisis y visualización.
▪ Identificación de los datos (variables) a utilizar
▪ Gráficas personalizadas.
▪ Interpretación de resultados.
Entrega en un repositorio el código fuente para creación de gráficas según la herramienta o biblioteca
seleccionada.

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

- Guía completa de visualización de datos con Python

https://todoia.es/guia-completa-de-visualizacion-de-datos-con-python/
- VISUALIZACIÓN DE DATOS CON PYTHON SEABORN Y PANDAS
https://es.acervolima.com/visualizacion-de-datos-con-python-seaborn-y-pandas/

Criterios a evaluar (Valor: 100 puntos)

• Documento en formato Pdf, con la siguiente estructura:
- Portada (10 puntos)
o Logo de la escuela,
o Nombre de la escuela,
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 (60 puntos)
o Incluir investigación relacionado con los incisos indicados en los objetivos
o Incluye, planteamiento del problema. 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), utiliza 5 como mínimo
o Utilizar mínimo un libro de referencia, es válido sitios web, artículos confiables

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*

Nombre de los integrantes de la academia Firma

Ing. Mirian Magaly Canché Caamal, MGTI
Ing. Laura Angelina Castilllo Salazar

* Este apartado solo se llenará para la entrega de este instrumento a la División correspondiente.

Página 6 de 6