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
A lightweight library to compare different PyTorch implementations of the same network architecture.

TorchBug is a lightweight library designed to compare two PyTorch implementations of the same network architecture. It allows you to count, and compar

Arjun Krishnakumar 5 Jan 02, 2023
Framework for Spectral Clustering on the Sparse Coefficients of Learned Dictionaries

Dictionary Learning for Clustering on Hyperspectral Images Overview Framework for Spectral Clustering on the Sparse Coefficients of Learned Dictionari

Joshua Bruton 6 Oct 25, 2022
Logistic Bandit experiments. Official code for the paper "Jointly Efficient and Optimal Algorithms for Logistic Bandits".

Code for the paper Jointly Efficient and Optimal Algorithms for Logistic Bandits, by Louis Faury, Marc Abeille, Clément Calauzènes and Kwang-Sun Jun.

Faury Louis 1 Jan 22, 2022
This is an (re-)implementation of DeepLab-ResNet in TensorFlow for semantic image segmentation on the PASCAL VOC dataset.

DeepLab-ResNet-TensorFlow This is an (re-)implementation of DeepLab-ResNet in TensorFlow for semantic image segmentation on the PASCAL VOC dataset. Up

19 Jan 16, 2022
A super lightweight Lagrangian model for calculating millions of trajectories using ERA5 data

Easy-ERA5-Trck Easy-ERA5-Trck Galleries Install Usage Repository Structure Module Files Version iteration Easy-ERA5-Trck is a super lightweight Lagran

Zhenning Li 26 Nov 19, 2022
Implicit Deep Adaptive Design (iDAD)

Implicit Deep Adaptive Design (iDAD) This code supports the NeurIPS paper 'Implicit Deep Adaptive Design: Policy-Based Experimental Design without Lik

Desi 12 Aug 14, 2022
A containerized REST API around OpenAI's CLIP model.

OpenAI's CLIP — REST API This is a container wrapping OpenAI's CLIP model in a RESTful interface. Running the container locally First, build the conta

Santiago Valdarrama 48 Nov 06, 2022
Scalable, event-driven, deep-learning-friendly backtesting library

...Minimizing the mean square error on future experience. - Richard S. Sutton BTGym Scalable event-driven RL-friendly backtesting library. Build on

Andrew 922 Dec 27, 2022
It's like Shape Editor in Maya but works with skeletons (transforms).

Skeleposer What is Skeleposer? Briefly, it's like Shape Editor in Maya, but works with transforms and joints. It can be used to make complex facial ri

Alexander Zagoruyko 1 Nov 11, 2022
Heterogeneous Deep Graph Infomax

Heterogeneous-Deep-Graph-Infomax Parameter Setting: HDGI-A: Node-level dimension: 16 Attention head: 4 Semantic-level attention vector: 8 learning rat

52 Oct 31, 2022
Official PyTorch implementation for paper Context Matters: Graph-based Self-supervised Representation Learning for Medical Images

Context Matters: Graph-based Self-supervised Representation Learning for Medical Images Official PyTorch implementation for paper Context Matters: Gra

49 Nov 23, 2022
Implementing DeepMind's Fast Reinforcement Learning paper

Fast Reinforcement Learning This is a repo where I implement the algorithms in the paper, Fast reinforcement learning with generalized policy updates.

Marcus Chiam 6 Nov 28, 2022
Unsupervised Semantic Segmentation by Contrasting Object Mask Proposals.

Unsupervised Semantic Segmentation by Contrasting Object Mask Proposals This repo contains the Pytorch implementation of our paper: Unsupervised Seman

Wouter Van Gansbeke 335 Dec 28, 2022
Lightweight Python library for adding real-time object tracking to any detector.

Norfair is a customizable lightweight Python library for real-time 2D object tracking. Using Norfair, you can add tracking capabilities to any detecto

Tryolabs 1.7k Jan 05, 2023
The NEOSSat is a dual-mission microsatellite designed to detect potentially hazardous Earth-orbit-crossing asteroids and track objects that reside in deep space

The NEOSSat is a dual-mission microsatellite designed to detect potentially hazardous Earth-orbit-crossing asteroids and track objects that reside in deep space

John Salib 2 Jan 30, 2022
CenterFace(size of 7.3MB) is a practical anchor-free face detection and alignment method for edge devices.

CenterFace Introduce CenterFace(size of 7.3MB) is a practical anchor-free face detection and alignment method for edge devices. Recent Update 2019.09.

StarClouds 1.2k Dec 21, 2022
ILVR: Conditioning Method for Denoising Diffusion Probabilistic Models (ICCV 2021 Oral)

ILVR + ADM This is the implementation of ILVR: Conditioning Method for Denoising Diffusion Probabilistic Models (ICCV 2021 Oral). This repository is h

Jooyoung Choi 225 Dec 28, 2022
A tool to analyze leveraged liquidity mining and find optimal option combination for hedging.

LP-Option-Hedging Description A Python program to analyze leveraged liquidity farming/mining and find the optimal option combination for hedging imper

Aureliano 18 Dec 19, 2022
Controlling Hill Climb Racing with Hand Tacking

Controlling Hill Climb Racing with Hand Tacking Opened Palm for Gas Closed Palm for Brake

Rohit Ingole 3 Jan 18, 2022
Implementation of accepted AAAI 2021 paper: Deep Unsupervised Image Hashing by Maximizing Bit Entropy

Deep Unsupervised Image Hashing by Maximizing Bit Entropy This is the PyTorch implementation of accepted AAAI 2021 paper: Deep Unsupervised Image Hash

62 Dec 30, 2022