https://github.com/fralfaro/mat281_2019

Clases MAT281, segundo semestre del 2019 (UTSFM- Campus San Joaquín)

https://github.com/fralfaro/mat281_2019

Science Score: 13.0%

This score indicates how likely this project is to be science-related based on various indicators:

  • CITATION.cff file
  • codemeta.json file
    Found codemeta.json file
  • .zenodo.json file
  • DOI references
  • Academic publication links
  • Academic email domains
  • Institutional organization owner
  • JOSS paper metadata
  • Scientific vocabulary similarity
    Low similarity (4.1%) to scientific vocabulary

Keywords

python university-courses
Last synced: 5 months ago · JSON representation

Repository

Clases MAT281, segundo semestre del 2019 (UTSFM- Campus San Joaquín)

Basic Info
  • Host: GitHub
  • Owner: fralfaro
  • Language: Jupyter Notebook
  • Default Branch: master
  • Homepage:
  • Size: 23.9 MB
Statistics
  • Stars: 1
  • Watchers: 1
  • Forks: 1
  • Open Issues: 0
  • Releases: 0
Topics
python university-courses
Created over 6 years ago · Last pushed almost 3 years ago
Metadata Files
Readme

README.md

UTFSM DMAT






MAT281 - 2° Semestre 2019 (versión antigua)

Aplicaciones de la Matemática en la Ingeniería

Contenidos

Equipo de trabajo

Francisco Alfaro Medina - Profesor clases teóricas/laboratorio * Ingeniero Civil Matemático - UTFSM, Chile (2011-2017). * Magister en Ciencias, Mención Matemáticas - UTFSM, Chile (2017-2019). * Empresas: Uplanner, Iconstruye, Cencosud. * Universidades: UTFSM, PUCV. * Actualmente: Data Science (Cencosud)

Horario

  • Clases teóricas: Lunes, 14:00 a 15:30.
  • Clases de laboratorio: Lunes, 15:40 a 17:10.
  • Ayudantías: Viernes, 15:40 a 17:10.
  • Trabajo individual: 2-3 horas por semana.

Aspectos generales

Programa del curso

  • Módulo 1 Introducción: Planificación del curso, reglas, herramientas, setup, consejos y otros temas introductorios.

  • Módulo 2 Análisis de datos: Tipos de datos, obtención de datos, detección de errores, análisis.

  • Módulo 3 Visualización: tipos de visualización, librerías más comunes, graficos dinámicos, etc.

  • Módulo 4 Machine Learning: Datasets, métricas, algoritmos de regresión, clasificación y clustering. Resolución de problemas ingenieriles.

El programa de asignatura tiene los siguientes resultados de aprendizaje.

  1. Desarrollar competencias básicas en herramientas de programación como Python o R.
  2. Determinar la complejidad en la manipulación de datos (pequeños-grandes volúmenes de datos)
  3. Aplicar técnicas y herramientas de visualización de datos para identificar patrones de forma visual o presentar los resultados de una forma clara y concisa.
  4. Aplicar técnicas estadístico/matemáticas para resolución de problemas ingenieriles.

Los resultados de aprendizaje se encuentran correlacionados con las necesidades ingenieriles del mundo real. Por ejemplo, * Mejor utilización de recursos. * Garantizar calidad y reproducibilidad. * Detectar malas prácticas e ineficiencias. * Utilizar las mejores herramientas para el problema. * Definir métricas para determinar, controlar y mejorar el estado de un sistema.

Reglas del juego

  • Evaluaciones: Tareas(T), laboratorios(L) y proyectos(P). Pondereción: $NF = 0.4\ T + 0.4 \ L + 0.2 \ P$.
  • Asistencia: 85% de asistencia mínima para pasar el curso.

Referencias

  • Introduction to Statistical Learning, Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani.
  • Elements of Statistical Learning, Trevor Hastie, Robert Tibshirani and Jerome Friedman.
  • The Hundred-Page Machine Learning Book, Andriy Burkov.
  • Introduction To Machine Learning With Python, Andreas C. Müller,sarah Guido.

Consejos

HowToCode

Owner

  • Name: Francisco
  • Login: fralfaro
  • Kind: user

GitHub Events

Total
Last Year

Issues and Pull Requests

Last synced: 12 months ago

All Time
  • Total issues: 0
  • Total pull requests: 0
  • Average time to close issues: N/A
  • Average time to close pull requests: N/A
  • Total issue authors: 0
  • Total pull request authors: 0
  • Average comments per issue: 0
  • Average comments per pull request: 0
  • Merged pull requests: 0
  • Bot issues: 0
  • Bot pull requests: 0
Past Year
  • Issues: 0
  • Pull requests: 0
  • Average time to close issues: N/A
  • Average time to close pull requests: N/A
  • Issue authors: 0
  • Pull request authors: 0
  • Average comments per issue: 0
  • Average comments per pull request: 0
  • Merged pull requests: 0
  • Bot issues: 0
  • Bot pull requests: 0
Top Authors
Issue Authors
Pull Request Authors
Top Labels
Issue Labels
Pull Request Labels