https://github.com/fralfaro/mat281_2023

Clases MAT281, segundo semestre del 2023 (UTSFM- Campus San Joaquín)
https://github.com/fralfaro/mat281_2023

python university-courses

Last synced: 7 months ago
JSON representation

Clases MAT281, segundo semestre del 2023 (UTSFM- Campus San Joaquín)

• Host: GitHub
• URL: https://github.com/fralfaro/mat281_2023
• Owner: fralfaro
• License: mit
• Created: 2023-07-31T02:35:16.000Z (almost 2 years ago)
• Default Branch: main
• Last Pushed: 2023-11-23T12:03:13.000Z (over 1 year ago)
• Last Synced: 2023-11-23T13:27:25.317Z (over 1 year ago)
• Topics: python, university-courses
• Homepage: https://fralfaro.github.io/MAT281_2023/
• Size: 28 MB
• Stars: 16
• Watchers: 3
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE

Awesome Lists containing this project

README

        
# MAT281 - Aplicaciones de la Matemática en la Ingeniería

![example workflow](https://github.com/fralfaro/MAT281_2023/actions/workflows/documentation.yml/badge.svg)







## Identificación de la asignatura

* **Asignatura**: Aplicaciones a la Matemática

* **Sigla**: MAT281

* **Prerrequisitos**: Ninguno

* **Unidad Académica que lo imparte**: Deparatamento de matemáticas

* **Eje formativo**: Ingeniería Aplicada e Integración

## Descripción de la Asignatura

El estudiante adquiere competencias/destrezas básicas como Data Scientist (ocupando el lenguaje de programación Python).

## Requisitos de entrada

* Utiliza/comprende conceptos básicos de Cálculo-Algebra, Probabilidad-Estadística y Optimización.

* Utiliza/comprende conceptos básicos de Python.

## Contenidos temáticos

* Toolkit básico del curso

* Computación científica

* Manipulación de datos

* Visualización

* Machine Learning

## Recursos para el aprendizaje

* **Texto Guía**:  

  * **Python Data Science Handbook** - Jake VanderPlas

  

* **Complementaria/Opcional**:  

  * **Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow** - Aurélien Géron

  * **Data Science from Scratch** - Joel Grus

  * **Python for Data Analysis** - Wes McKinney

## Evaluación

### Laboratorios 

- Semanal.

- Individual.

- Notas: 0, 25, 50, 75, 100.

- Plazo: final del día de clases.

- Entregas fuera del plazo tienen nota cero (0).  

    

### Tareas 

- Mensual.

- Individual.

- Plazo:

  - $T_1$: 14 de Septiembre 2023.

  - $T_2$: 04 de Diciembre 2023.

- Entregas fuera del plazo descuentan 25 puntos por día (parte entera). 

    - Por ejemplo, un retraso de 15 minutos cuenta como un día y descuenta 25 puntos.  

      

### Proyecto 

- Semestral.

- Plazo: final del curso (04 de Diciembre 2023).

- Individual.

- Entregas fuera del plazo descuentan 25 puntos por día (parte entera).  

### Nota Final

La nota final será el promedio ponderado entre los laboratorios, tareas y el proyecto final del curso.

$$

N_f = 0.3\bar{n_l} + 0.35\bar{n_t} + 0.35n_p

$$

> **¡Importante!**: Todos los entregables se deben subir al repositorio personal del estudiante (en GitHub). Las notas se trataran de actualizar al final de cada mes.