Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 37 vistas

    EvaluacionFinal BigData PDF

    Cargado por

    Stay
    El documento presenta una evaluación final para el curso de Big Data Machine Learning. Incluye instrucciones para los estudiantes sobre la presentación de identificación, conducta durante el examen, prohibiciones como el plagio o intercambio de materiales, así como indicaciones sobre la revisión de calificaciones. El examen contiene un problema de aprendizaje supervisado usando regresión logística en un dataset de impacto por Covid-19, donde se pide realizar tareas como imputación de valores faltantes, detección y tratamiento de valores atípicos,

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    EvaluacionFinal BigData PDF

    Cargado por

    Stay
    37 vistas4 páginas
    El documento presenta una evaluación final para el curso de Big Data Machine Learning. Incluye instrucciones para los estudiantes sobre la presentación de identificación, conducta durante el examen, prohibiciones como el plagio o intercambio de materiales, así como indicaciones sobre la revisión de calificaciones. El examen contiene un problema de aprendizaje supervisado usando regresión logística en un dataset de impacto por Covid-19, donde se pide realizar tareas como imputación de valores faltantes, detección y tratamiento de valores atípicos,

    Descripción original:

    Título original

    EvaluacionFinal_BigData.pdf

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento presenta una evaluación final para el curso de Big Data Machine Learning. Incluye instrucciones para los estudiantes sobre la presentación de identificación, conducta durante el examen, prohibiciones como el plagio o intercambio de materiales, así como indicaciones sobre la revisión de calificaciones. El examen contiene un problema de aprendizaje supervisado usando regresión logística en un dataset de impacto por Covid-19, donde se pide realizar tareas como imputación de valores faltantes, detección y tratamiento de valores atípicos,

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    37 vistas4 páginas

    EvaluacionFinal BigData PDF

    Cargado por

    Stay
    El documento presenta una evaluación final para el curso de Big Data Machine Learning. Incluye instrucciones para los estudiantes sobre la presentación de identificación, conducta durante el examen, prohibiciones como el plagio o intercambio de materiales, así como indicaciones sobre la revisión de calificaciones. El examen contiene un problema de aprendizaje supervisado usando regresión logística en un dataset de impacto por Covid-19, donde se pide realizar tareas como imputación de valores faltantes, detección y tratamiento de valores atípicos,

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 4

    Facultad de Ingeniería

    UG (Lima Centro)
    EVALUACIÓN FINAL
    CURSO:
    BIG DATA MACHINE LEARNING
    SEMESTRE 2022-2

    CÓDIGO DEL ESTUDIANTE: ______________________ NÚMERO DE CLASE:


    APELLIDOS Y NOMBRES DEL ESTUDIANTE : ______________________________________ FECHA:
    DOCENTE: Duración del examen:

    INDICACIONES IMPORTANTES QUE DEBE LEER EL Y FIRMAR EL ESTUDIANTE


    1. Identificarse con la presentación de su ID Card (colocarlo encima de su carpeta para la verificación)
    2. Escribir con letra legible y cuidar la redacción en la resolución del examen.
    3. Una vez iniciada la evaluación, queda prohibido salir del aula..
    4. Cumplir con lo establecido en los siguientes artículos del Reglamento de Disciplina del estudiante:
    Art. 12° Constituyen faltas muy graves:
    A, inciso i: Intentar o realizar un plagio parcial o total, al rendir una evaluación, una práctica o durante la elaboración o
    presentación de un trabajo o asignación académica, usando cualquier medio, modalidad, objeto o equipos para tal fin, en
    forma directa o a través de terceros.
    A, inciso iii: Presentar un mismo trabajo, en todo o parte, en más de una asignatura sin el conocimiento y consentimiento
    expreso de los docentes involucrados.
    A, inciso vii: La suplantación de identidad (suplantar y/o ser suplantado) al momento de rendir una evaluación o actividad
    académica, de cualquier tipo, en beneficio propio o ajeno.

    Art. 21° Las faltas leves son sancionadas, preferentemente, con amonestación escrita; salvo decisión distinta de la
    Autoridad competente.
    Art. 22° Las faltas graves son sancionadas, preferentemente, con separación temporal; salvo decisión distinta de la
    Autoridad competente.
    Art. 20° Las faltas muy graves referidas a las faltas contra la probidad académica, listadas en el literal a) del Art. 12 del
    presente, serán sancionadas con la desaprobación con calificación de cero en el curso. En caso de reincidencia, la sanción a
    aplicar será la separación definitiva. Las faltas muy graves en general, serán sancionadas, preferentemente, con la
    separación definitiva; salvo decisión distinta de la Autoridad competente.

    5. Cumplir con lo establecido en los siguientes artículos del Reglamento de Estudios:


    Art. 29° Revisión de calificación, plazos y procedimientos
    a) Una vez cargada la nota en el sistema, el estudiante puede solicitar la recalificación del examen o rectificaciones
    de notas al docente del curso, debiendo presentar y sustentar el caso con la evidencia que corresponda en un
    plazo máximo de 48 horas de cargada la nota en el sistema, para evaluaciones parciales, continuas y
    evaluaciones finales; y de 24 horas de cargada la nota, para el examen sustitutorio. Una vez cerrado el periodo
    académico, ya no hay lugar a reclamos o rectificaciones de notas.
    b) La solicitud de recalificación solo es admitida en los siguientes casos: • Error en registro de nota u olvido por
    parte del docente. • Si hay error de suma en el puntaje del examen. • Hay evidencia de que el docente dejó de
    leer accidentalmente parte de la respuesta del examen.
    c) La revisión del examen puede implicar una corrección con una nota menor, igual o mayor a la nota original.
    d) El docente tiene la obligación de resolver la recalificación o rectificación de nota de forma escrita, atendiendo o
    no la solicitud del estudiante, en un plazo máximo de 48 horas.
    e) Si el estudiante no está de acuerdo con la recalificación o rectificación puede elevar el caso al responsable de
    carrera, quien responde en un plazo máximo de 48 horas, y cuyo fallo es inimpugnable. No aplica para exámenes
    sustitutorios.
    f) Por ningún motivo proceden las solicitudes de rectificación que estén fuera de los plazos establecidos por la
    Universidad.
    6. Se prohíbe el intercambio de materiales de clase como copias, lapiceros, cuadernos, etc.
    7. Escribir con lapicero. Se rechazará las solicitudes de revisión de exámenes si estos han sido desarrollados con lápiz.
    8. Apagar y guardar los celulares
    9. No usar hojas adicionales.

    ________________________
    Firma del estudiante
    DNI: ______________

    1
    Facultad de Ingeniería
    UG (Lima Centro)

    Observaciones o incidencias registradas por el docente:

    _______________________________________________________________________________________

    _______________________________________________________________________________________

    _______________________________________________________________________________________

    _______________________________________________________________________________________

    _______________________________________________________________________________________

    _______________________________________________________________________________________

    HE RECIBIDO, LEÍDO Y REVISADO EL PUNTAJE OBTENIDO Y:

    ES CONFORME
    NO ES CONFORME

    ________________________
    Firma del estudiante
    DNI: ______________

    2
    Facultad de Ingeniería
    UG (Lima Centro)
    EVALUACIÓN FINAL
    CURSO:
    BIG DATA MACHINE LEARNING
    SEMESTRE 2022-2

    CÓDIGO DEL ESTUDIANTE: ______________________ NÚMERO DE CLASE:


    APELLIDOS Y NOMBRES DEL ESTUDIANTE : ________________________________________ FECHA:
    DOCENTE: Duración del examen:

    1.- Aprendizaje Supervisado con el data set: Data_covid.csv

    Importar las librerías correspondientes

    Contexto: Información ficticia de clientes impactados por el Covid19 de una empresa


    comercial.

    Variable Objetivo (Impactado): impactado: 1 / no impactado: 0

    Variables
    Sector Sector donde trabaja la empresa
    Dep departamento
    Impactado target
    Saldo deuda de la empresa
    Desembolso_mes nueva deuda del mes de la empresa
    Saldo Promedio deuda promedio de la empresa
    Deuda Sistea, deuda que reporta en todo el sistema financiero
    Pasivo ahorros de la empresa
    Turismo pertenece a turismo?
    Sector de Impacto actividades económicas más impactadas por las empresas
    Venta ventas de la empresa
    Venta Formal venta formal de la empresa
    Pasivo_desembolso pasivo - desembolso
    Deuda rezagada va variación de deuda absoluta
    Deuda rezagada vr variación de deuda relativa
    pasivo rezagada va variación de ahorros absoluta
    pasivo rezagada vr variación de ahorros relativa
    Pasivo_desembolso da ahorros menos desembolso diferencia absoluta
    Pasivo_desembolso dr ahorros menos desembolso diferencia relativa

    • Efectuar la imputación de las variables que contengan valores perdidos. Comentar por qué utilizó
    el método de imputación (moda, media, mediana).
    • Efectuar el tratamiento de valores atípicos de la variable Venta. Comentar el gráfico de caja
    mejorado que se obtiene.
    • Efectuar la separación de datos de entrenamiento y prueba
    • Aplicar la regresión logística e interpretar el resultado
    • Elaborar la matriz de confusión y determinar la cantidad de observaciones al modelo

    Copiar y pegar el script del Notebook al examen

    3
    Facultad de Ingeniería
    UG (Lima Centro)

    Rúbrica
    Puntos Excelente: 16 puntos Bueno: 12 puntos Regular: 8 puntos Deficiente: 4 puntos
    Carga el data set en el Carga el data set en el Carga el data set en el Carga el data set en el
    Notebook y efectúa el Notebook y efectúa el Notebook y efectúa el Notebook, no efectúa el
    16 tratamiento de missing tratamiento de missing y tratamiento de missing u tratamiento solicitado
    y outliers, realiza outliers, no realiza outliers, no realiza
    Puntos
    comentarios de comentarios de comentarios de
    resultados
    resultados resultados

    2.- Comente sobre las diferencias entre el aprendizaje supervisado y el aprendizaje no


    supervisado en machine learning.

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    Puntos Excelente: 2 puntos Bueno: 1 puntos Deficiente: 0 puntos


    Responde Responde correctamente No responde
    2 correctamente y lo
    Puntos sustenta / cita
    ejemplos.

    3.- Comente sobre el método del codo para el uso del algoritmo K means.

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    ……………………………………………………………………………………………………………….

    Puntos Excelente: 2 puntos Bueno: 1 puntos Deficiente: 0 puntos


    Responde Responde correctamente No responde
    2 correctamente y lo
    Puntos sustenta / cita
    ejemplos.

    También podría gustarte