Repositorio oficial del curso IIC2233 Programación Avanzada 🚀✨

Overview

IIC2233 - Programación Avanzada

Evaluación

  1. Las evaluaciones serán efectuadas por medio de actividades prácticas en clases y tareas. Se calculará la nota del curso NC como:

    NC = 2/3 * T + 1/3 * AC

    Donde T es el promedio ponderado de las tareas y AC es el promedio de las actividades.

    El promedio ponderado de las tareas se calcula de la siguiente manera:

    T = ( 1xT0 + 2×T1 + 3×T2 + 3×T3 ) / 9

    El promedio de las actividades corresponderá a las 4 mejores notas entre actividades sumativas (son 4) y la nota de actividades formativas, que cuenta como una actividad sumativa más:

    AC = ((ACS1 + ACS2 + ACS3 + ACS4 + EF) - mínimo) / 4, dónde mínimo es la peor nota entre las cinco consideradas (ACS1, ACS2, ACS3, ACS4 y EF).

    La nota de actividades formativas AF toma en consideración la participación del estudiante como meta. Consta de cuatro instancias de actividades formativas, donde el trabajo del estudiante será revisado superficialmente y recibirá un puntaje de cumplimiento acorde: 0 (no logrado), 0,5 (medianamente logrado) y 1 (logrado).

    Se considerará la suma de cumplimientos (A) de las cuatro actividades donde el cálculo de EF es:

    EF = 6 x A / 4 + 1, donde A es la suma de cumplimientos en actividades formativas.

  2. Adicionalmente, para aprobar el curso el alumno debe cumplir con:

    • NC debe ser mayor o igual a 3,950
    • AC debe ser mayor o igual a 3,950
    • T debe ser mayor o igual a 3,950
  3. Este semestre el curso participará de la Encuesta de Carga Académica (ECA), con el objetivo de medir la carga que conlleva el curso y adaptarlo en esta y futuras versiones del curso.

    Para incentivar que a que los estudiantes la respondan, se entregará una bonificación que tendrá efecto en el promedio final del curso, siempre que se cumplan los criterios de aprobación nombrados en el punto anterior.

    Dependiendo de la cantidad de alumnos que responda la ECA cada semana, se podrá ganar:

    • 0,2 décimas: si el alumno responde la ECA y por lo menos el 80% del curso responde la encuesta esa semana.
    • 0,1 décimas: si el alumno responde la ECA y menos del 80% del curso responde la encuesta esa semana.
    • 0 décimas: en cualquier otro caso.

    En total se realizarán 15 encuestas, por lo que, si un estudiante responde todas las ECAs, tendrá una bonificación de 1,5 décimas en su promedio final (si cumple los criterios de aprobación).

  4. Si el alumno cumple con las condiciones nombradas en el punto 2, entonces NF = NC + Décimas ECA. En caso contrario, NF = min(3,9; NC)

  5. La inasistencia a alguna de las evaluaciones (actividades sumativas) se evalúa con nota 1,0.

  6. Solo será aproximada la nota final NF. El resto de las notas serán usadas con dos decimales.

  7. Las notas de todas las evaluaciónes se publicarán en esta planilla (link pendiente). Solo se puede acceder con cuenta UC, no se dará acceso a ninguna otra cuenta.

Recorrección

Para recorregir alguna evaluación, se publicará oportunamente un formulario en el que tendrán que exponer sus motivos.

No se aceptarán recorrecciones del tipo: "Creo que merezco más nota" sin que haya alguna justificación de por medio.

Entregas atrasadas

Deben contestar un formulario que se habilitará en el debido momento. Se recomienda revisar el documento de entregas atrasadas para más detalles.

Foro

La página de Issues se utilizará como foro para preguntas.

Semestres Anteriores

Puedes ver los syllabus de los semestres anteriores en:

Otros

Los contenidos, ayudantes, calendario, cuestionario de recorrecciones y material se encuentran en este link.

Owner
IIC2233 @ UC
IIC2233 Programación Avanzada @ Pontificia Universidad Católica de Chile
IIC2233 @ UC
Convolutional neural network web app trained to track our infant’s sleep schedule using our Google Nest camera.

Machine Learning Sleep Schedule Tracker What is it? Convolutional neural network web app trained to track our infant’s sleep schedule using our Google

g-parki 7 Jul 15, 2022
OpenDILab Multi-Agent Environment

Go-Bigger: Multi-Agent Decision Intelligence Environment GoBigger Doc (中文版) Ongoing 2021.11.13 We are holding a competition —— Go-Bigger: Multi-Agent

OpenDILab 441 Jan 05, 2023
Makes patches from huge resolution .svs slide files using openslide

openslide_patcher Makes patches from huge resolution .svs slide files using openslide Example collage I made from outputs:

2 Dec 23, 2021
"Graph Neural Controlled Differential Equations for Traffic Forecasting", AAAI 2022

Graph Neural Controlled Differential Equations for Traffic Forecasting Setup Python environment for STG-NCDE Install python environment $ conda env cr

Jeongwhan Choi 55 Dec 28, 2022
Geometric Deep Learning Extension Library for PyTorch

Documentation | Paper | Colab Notebooks | External Resources | OGB Examples PyTorch Geometric (PyG) is a geometric deep learning extension library for

Matthias Fey 16.5k Jan 08, 2023
PyTorch implementation of CVPR'18 - Perturbative Neural Networks

This is an attempt to reproduce results in Perturbative Neural Networks paper. See original repo for details.

Michael Klachko 57 May 14, 2021
Prototype-based Incremental Few-Shot Semantic Segmentation

Prototype-based Incremental Few-Shot Semantic Segmentation Fabio Cermelli, Massimiliano Mancini, Yongqin Xian, Zeynep Akata, Barbara Caputo -- BMVC 20

Fabio Cermelli 21 Dec 29, 2022
Code for "PVNet: Pixel-wise Voting Network for 6DoF Pose Estimation" CVPR 2019 oral

Good news! We release a clean version of PVNet: clean-pvnet, including how to train the PVNet on the custom dataset. Use PVNet with a detector. The tr

ZJU3DV 722 Dec 27, 2022
Real time Human Detection Counting

In this python project, we are going to build the Human Detection and Counting System through Webcam or you can give your own video or images. This is a deep learning project on computer vision, whic

Mir Nawaz Ahmad 2 Jun 17, 2022
Predicting a person's gender based on their weight and height

Logistic Regression Advanced Case Study Gender Classification: Predicting a person's gender based on their weight and height 1. Introduction We turn o

1 Feb 01, 2022
A Loss Function for Generative Neural Networks Based on Watson’s Perceptual Model

This repository contains the similarity metrics designed and evaluated in the paper, and instructions and code to re-run the experiments. Implementation in the deep-learning framework PyTorch

Steffen 86 Dec 27, 2022
Running AlphaFold2 (from ColabFold) in Azure Machine Learning

Running AlphaFold2 (from ColabFold) in Azure Machine Learning Colby T. Ford, Ph.D. Companion repository for Medium Post: How to predict many protein s

Colby T. Ford 3 Feb 18, 2022
GEA - Code for Guided Evolution for Neural Architecture Search

Efficient Guided Evolution for Neural Architecture Search Usage Create a conda e

6 Jan 03, 2023
GDSC-ML Team Interview Task

GDSC-ML-Team---Interview-Task Task 1 : Clean or Messy room In this task we have to classify the given test images as clean or messy. - Link for datase

Aayush. 1 Jan 19, 2022
SparseInst: Sparse Instance Activation for Real-Time Instance Segmentation, CVPR 2022

SparseInst 🚀 A simple framework for real-time instance segmentation, CVPR 2022 by Tianheng Cheng, Xinggang Wang†, Shaoyu Chen, Wenqiang Zhang, Qian Z

Hust Visual Learning Team 458 Jan 05, 2023
This repository implements variational graph auto encoder by Thomas Kipf.

Variational Graph Auto-encoder in Pytorch This repository implements variational graph auto-encoder by Thomas Kipf. For details of the model, refer to

DaehanKim 215 Jan 02, 2023
Reading list for research topics in Masked Image Modeling

awesome-MIM Reading list for research topics in Masked Image Modeling(MIM). We list the most popular methods for MIM, if I missed something, please su

ligang 231 Dec 07, 2022
A robotic arm that mimics hand movement through MediaPipe tracking.

La-Z-Arm A robotic arm that mimics hand movement through MediaPipe tracking. Hardware NVidia Jetson Nano Sparkfun Pi Servo Shield Micro Servos Webcam

Alfred 1 Jun 05, 2022
Lite-HRNet: A Lightweight High-Resolution Network

LiteHRNet Benchmark 🔥 🔥 Based on MMsegmentation 🔥 🔥 Cityscapes FCN resize concat config mIoU last mAcc last eval last mIoU best mAcc best eval bes

16 Dec 12, 2022
Code repository for Semantic Terrain Classification for Off-Road Autonomous Driving

BEVNet Datasets Datasets should be put inside data/. For example, data/semantic_kitti_4class_100x100. Training BEVNet-S Example: cd experiments bash t

(Brian) JoonHo Lee 24 Dec 12, 2022