


Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Prepara tus exámenes
Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity
Prepara tus exámenes con los documentos que comparten otros estudiantes como tú en Docsity
Encuentra los documentos específicos para los exámenes de tu universidad
Estudia con lecciones y exámenes resueltos basados en los programas académicos de las mejores universidades
Responde a preguntas de exámenes reales y pon a prueba tu preparación
Consigue puntos base para descargar
Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium
Comunidad
Pide ayuda a la comunidad y resuelve tus dudas de estudio
Ebooks gratuitos
Descarga nuestras guías gratuitas sobre técnicas de estudio, métodos para controlar la ansiedad y consejos para la tesis preparadas por los tutores de Docsity
es muy bueno tienes que verlo gracias
Tipo: Apuntes
1 / 4
Esta página no es visible en la vista previa
¡No te pierdas las partes importantes!



Apellidos y Nombres: [Tu nombre completo] ID: [Tu ID] Dirección Zonal/CFP: [Tu sede] Carrera: Ingeniería de Software Semestre: [Tu semestre] Curso/Módulo Formativo: PIAD-425 – Módulos y Paquetes para Machine Learning con Python Tema de Trabajo Final: Aplicación de Módulos y Paquetes en Python para Machine Learning en un Contexto Empresarial
Una empresa de análisis de datos financieros desea optimizar sus predicciones de mercado mediante técnicas de Machine Learning. Actualmente, procesan grandes volúmenes de datos en formato CSV sin contar con un flujo estandarizado de preprocesamiento, análisis y visualización. Además, buscan incorporar modelos de aprendizaje automático y profundo, así como técnicas de procesamiento de lenguaje natural (NLP), para mejorar la precisión en la toma de decisiones.
N° Actividad Cronograma 1 Recolección del dataset (Kaggle) Semana 1 2 Limpieza y transformación de datos con Pandas/Numpy Semana 2 3 Implementación de modelos ML (Scikit- learn) Semana 3 4 Análisis NLP de reportes financieros Semana 4 5 Desarrollo de red neuronal (TensorFlow/Keras) Semana 5 6 Generación de Semana 6
Lista de verificación: ¿Se identificó claramente la problemática? ✅ ¿Se desarrollaron los requerimientos? ✅ ¿Se respondieron las preguntas guía? ✅ ¿Se elaboró cronograma? ✅ ¿Se listaron los recursos necesarios? ✅ ¿Se ejecutó la propuesta? ✅ ¿Se describieron operaciones/pasos? ✅ ¿Se consideraron normativas técnicas, seguridad y medio ambiente? ✅ ¿La propuesta es pertinente? ✅ ¿Se evaluó viabilidad? ✅
Criterio de evaluación Descripción Puntaje Máx. Puntaje Identificación del problema Claridad en la identificación
Relevancia de la propuesta Responde al problema planteado
Viabilidad técnica Factible con los recursos disponibles
Cumplimiento de normas Respeta normas técnicas, seguridad y medio ambiente
Total 20 20