week LIS DRAI SALON deadlines (domingo 11pm)
23/Jul 1 intro python 1 TAD, lista
30/Jul 2 TALLER TALLER 2 polinomios
6/Aug 3 TALLER TALLER 3 matrices dispersas
13/Aug 4 TALLER TALLER 4 repr in memoria
20/Aug 5 FESTIVO TALLER prep parcial
27/Aug 6 TALLER parcial-1 5 listas generalizadas TALLERES 1-4, MOOC ENTREGA 1 (lunes 27/ag 11pm)
3/Sep 7 TALLER TALLER 6 árboles, binarios
10/Sep 8 TALLER TALLER TALLER
17/Sep 8 TALLER TALLER 7 árboles y búsqueda
24/Sep 9 TALLER TALLER 8 grafos
1/Oct 10 TALLER TALLER prep parcial TALLERES 5-8 (lunes 8/oct 11pm)
8/Oct 11 TALLER parcial-2 9 algos sobre grafos 1
15/Oct 12 TALLER TALLER 10 algos sobre grafos 2
22/Oct 13 FESTIVO TALLER 11 divide y venceras
29/Oct 14 TALLER TALLER 12 prog dinamica y ávida
5/Nov 15 TALLER TALLER prep parcial TALLERES 9-12, MOOC ENTREGA FINAL
12/Nov 16 FESTIVO parcial-3
actualización
- TALLERES 11 y 12 quedan fuera de la calificación global hasta nuevo aviso
- los TALLERES 9 y 10 y el MOOC han de entregarse el domingo 11/Nov 11pm a lo más tardar
calendario
23 Jul inicio clases
15 Sep cancelacion 40%
12 Nov terminación clases
12 nov - 17 nov exámenes finales
18 nov - 24 nov habilitaciones
25 Nov terminación clases
- 40% talleres
- 30% exámenes parciales
- 30% MOOC
Habrás de realizar algún MOOC online que trate sobre un tema STEM (Science, Technology, Engineering, Mathematics) y tendrá que consitituir aproximadamente 20 horas de esfuerzo, que se evaluarán según la definición y dinámica de cada caso. Puedes hacerlo en cualquier plataforma existente, como por ejemplo: Coursera, EDX, Udacity, MiriadaX, etc.
Tendrás que hacer un informe de tu seguimiento del MOOC. La entregas entregas serán de la siguiente manera:
Primera entrega
- Un archivo PDF llamado MOOC_descripcion.pdf donde se describa el MOOC. Habrá de tener una o dos páginas que incluyan la dirección del curso, una descripción del mismo y la lista de lecciones que se propone realizar.
Segunda entrega
- Un archivo PDF llamado MOOC_completado.pdf donde se incluya la evidencia de la realización del MOOC. Habrá de incluir pantallazos, certificados, informes de progreso que genere la plataforma, etc.
- Un directorio llamado MOOC_materiales donde se incluyan los materiales pertinentes (scripts, datos, etc.) que apoyen la evidencia mostrada en el archivo PDF.
- Un archivo PDF llamado MOOC_vision.pdf donde expliques en qué crees que te puede servir el curso que ha realizado en tu vida profesional. Ha de tener entre 2 y 5 páginas, 12pt, single space.
TODA ENTREGA QUE NO CUMPLA CON ESTAS CONVENCIONES SERÁ CONSIDERADA COMO NO REALIZADA
La calificación del curso vendrá dada por los siguientes criterios con el mismo peso cada uno:
- COMPLECIÓN
- CLARIDAD DEL REPORTE DE EVIDENCIA
- COHERENCIA DEL INFORME DE VISIÓN
Usaremos esta máquina virtual que tiene instalado un entorno Python Anaconda con Jupyter Notebooks disponibles en localhost:8008 una vez que la máquina arranca.
Observa la configuración de la máquina
- Si tu máquina física tiene al menos 4GB de memoria configura la máquina virtual con 2GB de memoria
- Aunque casi no necesitarás un terminal, el interfaz de Jupyter Notebooks tiene un terminal para acceder a través del navegador. En cualquier caso, la máquina virtual tiene un servidor SSH en el puerto 2222 con user/user como usuario y pwd. Si tu máquina física es mac o linux usa
ssh -p 2222 user@localhost
para conectarte. Si es Windows, usa putty - Si compartes una carpeta entre la física y virtual asegúrate que el nombre con el que se comparte sea
share
(aunque el nombre de la carpeta en la máquina física puede ser distinto)