rramosp / 20181.ai

Inteligencia Artificial I 2018-1

Regístrate aquí. Algunos vídeos de clases en ediciones anteriores del curso están disponibles en YouTube

Máquina Virtual

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

Calificación

40% Problemsets
30% Quizes
30% Online courses (MOOC)

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

Calendario y plazos

                   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%

Calendario academico