Regístrate aquí. Algunos vídeos de clases en ediciones anteriores del curso están disponibles en YouTube
Usaremos esta máquina virtual que tiene instalado un entorno Python Anaconda con Jupyter Notebooks disponibles en localhost:8008/tree 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 cone el que se comparte sea
share
(aunque el nombre de la carpeta en la máquina física puede ser distinto)
Para montar la carpeta compartida ejecuta lo siguiente en un terminal y la carpeta aparecerá en /home/user/share:
sudo mount share
Si la máquina arranca en modo mantenimiento, edita el fichero /etc/fstab
como root
:
sudo nano /etc/fstab
y actualiza la linea con la definición de share
para que quede así
share /home/user/share vboxsf uid=1000,rw,auto,x-systemd.automount 0 1
40% Problemsets
30% Quizes
30% Online courses (MOOC)
Habrás de realizar algún MOOC online que habrá de tratar un tecnológica y ha de cubrir aproximadamente 15 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.
Tendrs que hacer un informe de tu seguimiento del MOOC. La entrega ha de constar de:
- Un archivo PDF llamado MOOC_descripcion.pdf donde se describa el MOOC (primera entrega)
- Un archivo PDF llamado MOOC_completado.pdf donde se incluya la evidencia de la realizacin del MOOC
- Un directorio llamado MOOC_materiales donde se incluyan los materiales pertinentes (scripts, datos, etc.) que apoyen la evidencia mostrada en el archivo PDF.
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:
- COMPLEJIDAD DEL MOOC
- COMPLECIÓN
- CLARIDAD DEL REPORTE
SESSION 1 SESSION 2 STUDENT DEADLINES
W05 Ene29-Feb02 1.PYTHON 2.PANDAS
W06 Feb05-Feb09 PSETS PSETS
W07 Feb12-Feb16 3.STATS 4.BAYES
W08 Feb19-Feb23 PSETS PSETS Feb 25 PSETS 1 2
W09 Feb26-Mar02 QUIZPREP QUIZ Mar 04 MOOC DATASET
W10 Mar05-Mar09 5.ML INTRO 6.ML METHODS
W11 Mar12-Mar16 7.NAIVE PSETS
W12 Mar19-Mar23 PROJECT PROJECT
W13 Mar26-Mar30 8.IMGINTRO 9.IMGCLASS
W14 Abr02-Abr06 PSETS PSETS Abr 01 PSETS 3 4 5
W15 Abr09-Abr13 QUIZPREP QUIZ
W16 Abr16-Abr20 10.PLAN PSETS
W17 Abr23-Abr27 11.GA PSETS
W18 Abr30-May04 12.SA PSETS MAY 06 PSETS 7 8 9
W19 May07-May11 QUIZPREP QUIZ
W20 May14-May18 PROJECT PROJECT
W21 May21-May25 SEMINAR SEMINAR MAY 27 MOOC FINAL
Mar09 - Registro primera calificación
Mar11 - Último día cancelación materias
May28-Jun06 Evaluaciones finales
Jun08 - Registro calificaciones finales
CUALQUIER ENTREGA FUERA DE PLAZO SERÁ PENALIZADA CON UN 50%