Evaluaciones

El curso contempla las siguientes evaluaciones:

Si cumple alguna de las siguientes condiciones, deberá además rendir una prueba final:

En ese caso las ponderaciones para el cálculo del promedio final serán: Tareas (20%), proyecto (40%), prueba final (40%).

Tareas

Las tareas serán publicadas en el enlace.

La entrega de las tareas debe realizarse hasta las 23:59 horas de la fecha indicada. Recuerde que, si por algún motivo se retrasa en la entrega en la fecha y hora indicada, puede hacer uso de sus “días de retraso”.

Las tareas deben entregarse vía Aula Virtual siguiendo estrictamente las instrucciones dadas en cada una de las tareas.

Proyectos

Los proyectos deben desarrollarse durante el transcurso del semestre (no al final). Los hitos relacionados a los proyectos están disponibles en el enlace. Puede trabajar en grupos de uno, dos o tres personas.

Para las presentaciones finales no puede hacer uso de sus “días de retraso” disponibles.

Al final del semestre deberá hacer una presentación de 15 min, entregar un informe escrito y poner a disposición del curso un video explicativo del proyecto, el informe escrito y la implementación realizada.

Los temas son a elección de los estudiantes. Algunos temas posibles son:

  • Análisis causal usando Machine Learning, contrastive learning, …
  • Manifold learning.
  • NLP / knowledge graph usando OMIM.
  • Análisis de redes cerebrales en ASD (Autism Spectrum Disorders) - fMRI.
  • Implementación de una red difusa profunda.

Definición de los temas de proyecto.

La entrega de los temas de proyecto tiene como propósito verificar que el trabajo que será realizado posee la “dificultad apropiada”. Usted recibirá retroalimentación que le permitirá hacer los ajustes necesarios a su proyecto de tal manera de no resolver problemas muy simples o muy complejos. Considere modular la extensión o dificultad de su propuesta en función del número de integrantes del grupo.

En la fecha indicada debe entregar un documento de no más de dos páginas vía Aula Virtual lo siguiente:

  • Título del tema.

  • Tipo de problema. Corresponde al tipo de problema de aprendizaje a abordar, por ejemplo, aprendizaje supervisado, no supervisado, por refuezo, activo, contrastivo, etc.

  • Descripción. Esto incluye un breve contexto del tema a abordar de manera simple y concreta. Por ejemplo,

    • “Se quiere predecir la variable (…) en base a los datos de entrada (…). En la literatura se han alcanzado accuracies entre el 60-70% en el problema descrito”.

  • Problema a abordar por el grupo. Debe explicitar el objetivo del trabajo de manera simple y concreta. Por ejemplo,

    • “Mi/nuestro objetivo es superar las medidas de desempeño obtenidas en los artículos …”.
    • “Varios artículos que resuelven el problema descrito emplean el modelo X. Mi/nuestro objetivo es evaluar el modelo Y y comparar los resultados obtenidos al usar el enfoque tradicional”.
    • “No existen implementaciones disponibles públicamente del método propuesto en el artículo X. Mi/nuestro objetivo es implementar el método propuesto en ese artículo y reproducir los resultados obtenidos”.

  • Punto de partida. Debe indicar si hay implementaciones disponibles de lo que usted propone desarrollar o si lo que propone hacer en este curso es la continuación de un proyecto desarrollado en otra asignatura. Debe establecer de manera clara la diferencia de lo que usted hará con lo hecho por otras personas o en su trabajo previo. Esta diferencia no necesariamente la tendrá clara en este momento, pero es algo que deberá indicar en la entrega parcial o final del proyecto.

  • Dataset(s). Breve descripción de los datos a utilizar, incluyendo enlaces a las bases de datos, etc.

  • Artículo(s) relacionado(s). Mencione el o los artículos que de una u otra manera se relacionen con el proyecto que abordará.

Productos a entregar en los proyectos.

La entrega de los proyectos contempla lo siguiente:

  • Presentación presencial (21 y 28 de noviembre durante el horario de clases). Tendrán una duración de 10 minutos. Dado el tiempo disponible, no todos los grupos deberán exponer presencialmente. Los grupos que presentarán serán elegidos al azar y otros podrán hacerlo de manera voluntaria. Los grupos que opten por presentar voluntariamente recibirán una bonificación de 5 puntos en la nota final y deberán inscribirse en el siguiente enlace: inscripciones.

  • Presentación grabada (28 de noviembre). Todos los grupos deben grabar su presentación (duración máxima 15 minutos). Para la entrega de esto, no debe subir videos directamente al Aula Virtual, sino copiar un enlace en el informe escrito desde YouTube, Google Drive u otro mecanismo de su preferencia.

  • Implementación (28 de noviembre). La implementación debe incluir todos los códigos fuente con un archivo explicativo sobre su uso. Puede subir los códigos directamente al Aula Virtual o puede copiar un enlace en el informe escrito desde GitHub, Google Drive u otro mecanismo de su preferencia.

    • No debe adjuntar los datos utilizados a menos que sea estrictamente necesario, para ejecutar un demo, por ejemplo.

    • Asegúrese de configurar los permisos apropiados para acceder a los códigos en caso de usar Google Drive.

  • Informe escrito (28 de noviembre vía aula virtual). El informe escrito, posee un formato libre y debe incluir:

    • Título del proyecto.

    • Nombre, apellido y carrera de los integrantes.

    • Enlaces a la presentación grabada y al código con la implementación del proyecto (si corresponde).

    • La descripción del problema y datos utilizados.

    • La solución implementada, las métricas de desempeño y los experimentos realizados.

    • El análisis de los resultados y, si corresponde, la comparación con otros métodos.

  • Bibliografía relevante a su trabajo y las citas correspondientes.

Criterios de evaluación.

Los criterios de evaluación son los siguientes:

  1. Claridad del informe escrito y presentación (20 puntos).
  2. Descripción de la solución (25 puntos).
  3. Pertinencia de la solución (15 puntos).
  4. Claridad y pertinencia de la implementación (25 puntos).
  5. Experimentación y análisis de los resultados (15 puntos).

1. Claridad del informe escrito y presentación (20 puntos).

  • El informe y la presentación son claros, bien redactados y estructurados.
  • Las figuras son explicativas y nítidas.
  • Los datos/problemas están bien explicados.
  • Se presenta la bibliografía relevante y se cita apropiadamente.
Puntaje Descripción
20 Informe y presentación claros, bien elaborados y sin errores. Referencias relevantes, bien citadas y pertinentes.
10 Informe y presentación buenos en general, pero con pequeñas deficiencias o detalles por mejorar. Referencias presentes, pero algunas no son relevantes o pertinentes.
0 Texto repetitivo, poco fluido, o presencia recurrente de patrones de IA.

2. Descripción de la solución (25 puntos).

  • La solución está claramente explicada y se evidencia dominio de los elementos que componen la solución. Se incluyen ejemplos, diagramas o pseudocódigo si es necesario.
  • La descripción de la solución es completa.
  • El trabajo es proporcional al tamaño del grupo y duración del proyecto.
Puntaje Descripción
25 Solución clara, completa y coherente. Evidencia trabajo grupal adecuado y nivel de dominio apropiado.
10 Solución clara, pero con detalles faltantes.
5 Descripción incompleta o sin congruencia con n° de integrantes/duración.
0 Solución no descrita o irrelevante.

3. Pertinencia de la solución (15 puntos).

  • La justificación de la solución es clara y coherente con el problema descrito.
Puntaje Descripción
15 La solución es altamente pertinente. Explicación y justificación adecuadas.
10 Detalles técnicos presentes, pero con omisiones menores.
5 Detalles técnicos insuficientes o justificación débil.
0 No hay detalles técnicos relevantes al problema.

4. Claridad y pertinencia de la implementación (25 puntos).

  • La implementación es clara y adecuada al problema.
Puntaje Descripción
25 Implementación clara, adecuada y bien explicada.
15 Implementación clara, pero con detalles menores faltantes.
5 Implementación poco clara o no adecuada al problema.
0 No se presenta implementación o es irrelevante.

5. Experimentación y análisis de resultados (15 puntos).

  • Se definen y reportan métricas de desempeño relevantes.
  • El análisis de resultados es claro, profundo y evidencia aporte propio.
Puntaje Descripción
15 Métricas claras y bien cuantificadas. Análisis profundo y creativo.
5 Métricas claras, pero el análisis es superficial.
0 Poca claridad o análisis repetitivo. Predominan patrones de IA.