Syllabus del curso IIC2115 - Programación como Herramienta para la Ingeniería 2022/I

Related tags

Deep LearningSyllabus
Overview

IIC2115 - Programación como Herramienta para la Ingeniería

Videos y tutoriales

  1. Tutorial CMD
  2. Tutorial Instalación Python y Jupyter
  3. Tutorial de git-GitHub

Evaluación

  1. Las evaluaciones serán efectuadas por medio de laboratorios y participación en clases. Se calculará la nota del curso N como:

    N = 0,8 x L + 0,2 x P

    Donde L el promedio de los laboratorios y P es la nota de participación.

Calendario

Capítulo 0
Instancia Fecha Recursos
Cátedra Lunes 07/03 Slides
Capítulo 1
Instancia Tópico Fecha Recursos
Cátedra parte a POO Lunes 14/03 Slides - Material - Ejercicio - Ticket
Ayudantía parte a POO Jueves 17/03 Slides - Código
Cátedra parte b Estructuras de datos Lunes 21/03 Slides - Material - Ejercicio - Ticket
Ayudantía parte b Estructuras de datos Jueves 24/03 Slides - Código
Laboratorio 1 Lunes 28/03 a Lunes 04/04 Enunciado - Ticket - Solución
Capítulo 2
Instancia Tópico Fecha Recursos
Cátedra parte a Análisis y visualización de datos Lunes 11/04 Slides - Ejemplos - Material - Ejercicio - Ticket
Ayudantía parte a Análisis y visualización de datos - Slides - Código
Cátedra parte b Modelos predictivos Lunes 18/04 Slides - Material - Ejercicio - Ticket
Ayudantía parte b Modelos predictivos Jueves 21/04 Slides - Código
Laboratorio 2 Lunes 25/04 a Lunes 02/05 Enunciado
Capítulo 3
Instancia Tópico Fecha Recursos
Cátedra parte a Datos geoespaciales y SIG Lunes 09/05 Notebooks - Slides - Ejemplos - Ejercicios - Ticket
Ayudantía parte a Datos geoespaciales y SIG Jueves 12/05 Slides - Código
Cátedra parte b Use de redes/grafos Lunes 16/05 Slides - Material - Ejercicio - Ticket
Ayudantía parte b Uso de redes/grafos Jueves 19/05 Slides - Código
Laboratorio 3 Enunciado

Notas

Las notas oficiales se irán actualizando en Canvas.

Entregas atrasadas de laboratorios

Tienen hasta 12 horas después de la hora de entrega de los laboratorios para llenar este formulario con los datos del commit que desean que sea revisado, en caso que no se llene el form dentro del plazo se revisará el último commit (de la carpeta LX correspondiente) dentro del plazo de entrega.

Recorrección

Si quiere recorregir, contará con una semana desde que se publica el feedback en su repositorio (a menos que se avise otro plazo de forma oficial), es decir, si el feedback se publica un lunes (entre las 0:00 y 23:59) tendrá plazo hasta el próximo lunes a las 23:59.

  • Solo puede mandar a recorregir por este formulario.
  • No se aceptarán correos para solicitar recorrección ni solicitudes fuera de plazo.
  • Sea explícito en lo que desea recorregir, brindando los argumentos correspondientes. Solicitudes del tipo "Revisar todo nuevamente", o "Debiera tener mayor puntaje" no serán consideradas.
  • Tenga en cuenta que al recorregir su nota puede subir, bajar o mantenerse.
  • El profesor/ayudante que revise su solicitud tiene la facultad de modificar puntaje en apartados no solicitados por el alumno.
  • La calificación obtenida luego de la recorrección no es apelable, la nota se actualizará en la planilla oficial y se publicará otro feedback respecto a la recorrección en las issues de su repositorio privado.

Contacto

El correo del curso es: [email protected]. Aquí pueden enviar sus inquietudes sobre el desarrollo del curso. Solicitudes de recorrección pedidas a través de este medio no serán consideradas.

Foro

La página de Issues se utilizará como foro para preguntas.

Otros Semestres

Owner
GitHub Repository
We envision models that are pre-trained on a vast range of domain-relevant tasks to become key for molecule property prediction

We envision models that are pre-trained on a vast range of domain-relevant tasks to become key for molecule property prediction. This repository aims to give easy access to state-of-the-art pre-train

GMUM 90 Jan 08, 2023
Easy-to-use,Modular and Extendible package of deep-learning based CTR models .

DeepCTR DeepCTR is a Easy-to-use,Modular and Extendible package of deep-learning based CTR models along with lots of core components layers which can

浅梦 6.6k Jan 08, 2023
Official Pytorch implementation of "Beyond Static Features for Temporally Consistent 3D Human Pose and Shape from a Video", CVPR 2021

TCMR: Beyond Static Features for Temporally Consistent 3D Human Pose and Shape from a Video Qualtitative result Paper teaser video Introduction This r

Hongsuk Choi 215 Jan 06, 2023
Code for the paper: Fighting Fake News: Image Splice Detection via Learned Self-Consistency

Fighting Fake News: Image Splice Detection via Learned Self-Consistency [paper] [website] Minyoung Huh *12, Andrew Liu *1, Andrew Owens1, Alexei A. Ef

minyoung huh (jacob) 174 Dec 09, 2022
DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort

DatasetGAN This is the official code and data release for: DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort Yuxuan Zhang*, Huan Li

302 Jan 05, 2023
BBB streaming without Xorg and Pulseaudio and Chromium and other nonsense (heavily WIP)

BBB Streamer NG? Makes a conference like this... ...streamable like this! I also recorded a small video showing the basic features: https://www.youtub

Lukas Schauer 60 Oct 21, 2022
Unofficial PyTorch implementation of "RTM3D: Real-time Monocular 3D Detection from Object Keypoints for Autonomous Driving" (ECCV 2020)

RTM3D-PyTorch The PyTorch Implementation of the paper: RTM3D: Real-time Monocular 3D Detection from Object Keypoints for Autonomous Driving (ECCV 2020

Nguyen Mau Dzung 271 Nov 29, 2022
LogDeep is an open source deeplearning-based log analysis toolkit for automated anomaly detection.

LogDeep is an open source deeplearning-based log analysis toolkit for automated anomaly detection.

donglee 279 Dec 13, 2022
Code for our NeurIPS 2021 paper: Sparsely Changing Latent States for Prediction and Planning in Partially Observable Domains

GateL0RD This is a lightweight PyTorch implementation of GateL0RD, our RNN presented in "Sparsely Changing Latent States for Prediction and Planning i

Autonomous Learning Group 16 Nov 03, 2022
JDet is Object Detection Framework based on Jittor.

JDet is Object Detection Framework based on Jittor.

135 Dec 14, 2022
Benchmark datasets, data loaders, and evaluators for graph machine learning

Overview The Open Graph Benchmark (OGB) is a collection of benchmark datasets, data loaders, and evaluators for graph machine learning. Datasets cover

1.5k Jan 05, 2023
SMD-Nets: Stereo Mixture Density Networks

SMD-Nets: Stereo Mixture Density Networks This repository contains a Pytorch implementation of "SMD-Nets: Stereo Mixture Density Networks" (CVPR 2021)

Fabio Tosi 115 Dec 26, 2022
Weakly Supervised Segmentation by Tensorflow.

Weakly Supervised Segmentation by Tensorflow. Implements semantic segmentation in Simple Does It: Weakly Supervised Instance and Semantic Segmentation, by Khoreva et al. (CVPR 2017).

CHENG-YOU LU 52 Dec 27, 2022
Offcial implementation of "A Hybrid Video Anomaly Detection Framework via Memory-Augmented Flow Reconstruction and Flow-Guided Frame Prediction, ICCV-2021".

HF2-VAD Offcial implementation of "A Hybrid Video Anomaly Detection Framework via Memory-Augmented Flow Reconstruction and Flow-Guided Frame Predictio

76 Dec 21, 2022
A scikit-learn-compatible module for estimating prediction intervals.

MAPIE - Model Agnostic Prediction Interval Estimator MAPIE allows you to easily estimate prediction intervals (or prediction sets) using your favourit

588 Jan 04, 2023
Systematic generalisation with group invariant predictions

Requirements are Python 3, TensorFlow v1.14, Numpy, Scipy, Scikit-Learn, Matplotlib, Pillow, Scikit-Image, h5py, tqdm. Experiments were run on V100 GPUs (16 and 32GB).

Faruk Ahmed 30 Dec 01, 2022
PyTorch implementation for Convolutional Networks with Adaptive Inference Graphs

Convolutional Networks with Adaptive Inference Graphs (ConvNet-AIG) This repository contains a PyTorch implementation of the paper Convolutional Netwo

Andreas Veit 176 Dec 07, 2022
[CVPR 2022] Semi-Supervised Semantic Segmentation Using Unreliable Pseudo-Labels

Using Unreliable Pseudo Labels Official PyTorch implementation of Semi-Supervised Semantic Segmentation Using Unreliable Pseudo Labels, CVPR 2022. Ple

Haochen Wang 268 Dec 24, 2022
Implementation of SSMF: Shifting Seasonal Matrix Factorization

SSMF Implementation of SSMF: Shifting Seasonal Matrix Factorization, Koki Kawabata, Siddharth Bhatia, Rui Liu, Mohit Wadhwa, Bryan Hooi. NeurIPS, 2021

Koki Kawabata 9 Jun 10, 2022
Embeds a story into a music playlist by sorting the playlist so that the order of the music follows a narrative arc.

playlist-story-builder This project attempts to embed a story into a music playlist by sorting the playlist so that the order of the music follows a n

Dylan R. Ashley 0 Oct 28, 2021