# Validación de Entregables — Semana 7
## Proyecto UNIMINUTO — Especialización en Inteligencia Artificial
### Grupo 10 (Integrantes: Alexander Oviedo Fadul - Ponente, Maria Fernanda Ruiz Paipilla, Neheman Samir Jaller Cerchiaro, William David Obando Lopez)

Este documento centraliza la ubicación de los archivos creados y modificados para las actividades de la **Semana 7** en ambas asignaturas de la especialización, validando detalladamente cómo cada trabajo cumple con las directrices, metodologías de análisis y rúbricas solicitadas.

---

## 1. Visión por Computador (NRC-8773)

### Ubicación de los archivos en el repositorio:
* **Directorio de Actividad:** [2do CUATRIMESTRE/NRC-8773-Visión por Computador/ACTIVIDADES/MA Semana 7](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8773-Visión%20por%20Computador/ACTIVIDADES/MA%20Semana%207)
* **Jupyter Notebook (.ipynb):** [Oviedo_Alexander_CNN_Clasificador_S7_VC.ipynb](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8773-Visión%20por%20Computador/ACTIVIDADES/MA%20Semana%207/Oviedo_Alexander_CNN_Clasificador_S7_VC.ipynb)
* **Reporte Escrito (.docx):** [Oviedo_Alexander_Video_VozEnOff_S7_VC.docx](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8773-Visión%20por%20Computador/ACTIVIDADES/MA%20Semana%207/Oviedo_Alexander_Video_VozEnOff_S7_VC.docx)
* **Guión del Video (.md):** [Prompt_Video_VozEnOff_S7.md](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8773-Visión%20por%20Computador/ACTIVIDADES/MA%20Semana%207/Prompt_Video_VozEnOff_S7.md)
* **Scripts de automatización:**
  * [crear_notebook_s7.py](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8773-Visión%20por%20Computador/ACTIVIDADES/MA%20Semana%207/crear_notebook_s7.py) (Generador del notebook)
  * [generar_docx_s7.py](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8773-Visión%20por%20Computador/ACTIVIDADES/MA%20Semana%207/generar_docx_s7.py) (Generador del reporte Word)

### Matriz de Validación del Trabajo vs. Requerimientos:

| Requerimiento Solicitado | Solución Implementada | Justificación y Validación de Cumplimiento |
|:---|:---|:---|
| **Ingesta de datos accesible por la web** | Descarga directa automatizada con la herramienta `gdown` del dataset propio. | Se eliminó el montaje manual de Google Drive. El notebook descarga automáticamente el dataset de imágenes del usuario desde la URL de Google Drive e implementa un descompresor y aplanador de carpetas directamente en memoria, haciéndolo 100% reproducible en Google Colab sin intervención del usuario. |
| **Diseño e Implementación de una CNN** | Red Neuronal Convolucional profunda inspirada en la arquitectura VGG. | La red consta de 3 bloques convolucionales progresivos (con 32, 64 y 128 filtros de $3 \times 3$). Utiliza capas de Batch Normalization en cada convolución para estabilizar el entrenamiento, Dropout (25% y 50%) para mitigar el sobreajuste, optimizador Adam y Categorical Cross-Entropy. |
| **Estrategia de Regularización y Data Augmentation** | Aumento de datos en tiempo real mediante `Sequential` de Keras y callbacks dinámicos. | Se configuraron capas de Data Augmentation (`RandomFlip`, `RandomRotation`, `RandomZoom`). Adicionalmente, se configuraron los callbacks `EarlyStopping` (paciencia = 7 épocas) y `ReduceLROnPlateau` para optimizar automáticamente el learning rate durante el estancamiento. |
| **Validación Cruzada / Externa** | Evaluación exhaustiva en CIFAR-10 y el dataset propio. | El modelo se valida en el test set de CIFAR-10 y se somete a una validación externa con más de 100 imágenes del dataset de autoría propia, graficando las curvas de accuracy/loss, imprimiendo reportes de clasificación detallados (precision, recall, F1) y visualizando matrices de confusión en forma de mapa de calor. |
| **Reporte Académico Formal (Norma APA 7)** | Reporte completo en Word generado automáticamente. | El documento Word generado posee una estructura estricta en formato APA 7 (Calibri 11pt, interlineado doble, márgenes de 2.54 cm). Contiene portada institucional completa, enlaces directos a Google Colab y al video de YouTube ([https://youtu.be/imfwwE4tvMg](https://youtu.be/imfwwE4tvMg)), la descripción del diseño, la metodología, el análisis detallado de resultados y las referencias bibliográficas correspondientes. |
| **Guión del Video** | Guión técnico en formato Markdown de 5 minutos. | El guión está estructurado por marcas de tiempo e instrucciones visuales de storyboard en pantalla y narración en español de Alexander Oviedo Fadul optimizada para lectores TTS o locución. |

---

## 2. Machine Learning Avanzado (NRC-8772)

### Ubicación de los archivos en el repositorio:
* **Directorio de Actividad:** [2do CUATRIMESTRE/NRC-8772-Machine Learning Avanzado/ACTIVIDADES/MA Semana 7](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207)
* **Jupyter Notebook (.ipynb):** [Grupo10_MLA_Automatizacion_S7.ipynb](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/Grupo10_MLA_Automatizacion_S7.ipynb)
* **Reporte Escrito (.docx):** [Grupo10_MLA_Automatizacion_S7.docx](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/Grupo10_MLA_Automatizacion_S7.docx)
* **Presentación (.pptx):** [Grupo10_MLA_Automatizacion_S7.pptx](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/Grupo10_MLA_Automatizacion_S7.pptx)
* **Guión del Video (.md):** [Prompt_Video_VozEnOff_S7_MLA.md](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/Prompt_Video_VozEnOff_S7_MLA.md)
* **Scripts de automatización:**
  * [crear_notebook_mla_s7.py](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/crear_notebook_mla_s7.py) (Generador del notebook)
  * [generar_docx_mla_s7.py](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/generar_docx_mla_s7.py) (Generador de reporte Word)
  * [generar_pptx_mla_s7.py](file:///Volumes/NVMe1TB/GitHub/UNIMINUTO/2do%20CUATRIMESTRE/NRC-8772-Machine%20Learning%20Avanzado/ACTIVIDADES/MA%20Semana%207/generar_pptx_mla_s7.py) (Generador de la presentación en diapositivas)

### Matriz de Validación del Trabajo vs. Requerimientos:

| Requerimiento Solicitado | Solución Implementada | Justificación y Validación de Cumplimiento |
|:---|:---|:---|
| **Automatización del flujo de trabajo (MLOps)** | Encapsulamiento del preprocesamiento en `ColumnTransformer` y `Pipeline` de scikit-learn. | Se programó una separación limpia del tratamiento de variables numéricas (SimpleImputer con mediana y StandardScaler) y categóricas (SimpleImputer con most_frequent y OneHotEncoder) que alimenta secuencialmente a los modelos. Esto previene la fuga de datos (*data leakage*) al realizar transformaciones independientes por fold en la validación cruzada. |
| **Ingeniería de Características** | Creación de nuevas variables complejas en el pipeline. | Se diseñó e implementó la creación de las variables `family_size` (SibSp + Parch + 1), `is_alone` (1 si la familia es 1, 0 si no) y la extracción de títulos honoríficos de los nombres (`Mr.`, `Mrs.`, `Miss.`, `Master.`, `Rare`) que sirven como proxies sociales para mejorar el modelado. |
| **Optimización y Modelado Avanzado** | Ajuste hiperparamétrico mediante `GridSearchCV` integrado y 5-Fold Cross Validation. | Se entrenaron y evaluaron dos modelos: **Random Forest** y **SVM** con kernel RBF. La optimización del espacio paramétrico (profundidades, penalizaciones $C$ y $\gamma$, número de estimadores) se realizó de manera automatizada sobre todo el Pipeline usando la métrica del F1-score. |
| **Preguntas Orientadoras y Dilemas Éticos** | Respuestas detalladas con rigor académico y citas formales. | El notebook y el reporte documentan cómo la automatización de procesos incrementa la precisión y redunda en eficiencia. Además, se añade una profunda reflexión sobre los sesgos históricos del dataset (donde la supervivencia dependió fuertemente del género y estatus socioeconómico), citando las obras de Carsten (2020) y Béranger (2018). |
| **Consolidación de Referencias (APA 7)** | Integración de referencias sin duplicidad de libros. | Atendiendo las observaciones de la clase, se modificaron los generadores de Word, Notebook y Diapositivas para agrupar bajo una sola referencia los diferentes capítulos de los libros de Campesato (2020) y Carsten (2020), eliminando la duplicidad y cumpliendo rigurosamente la norma APA 7. |
| **Presentación y Video** | Diapositivas corporativas de diseño limpio y guión de video de 5 minutos. | Se generó la presentación `Grupo10_MLA_Automatizacion_S7.pptx` mediante código, organizada de forma estructurada para una exposición ágil. Adicionalmente, el guión `Prompt_Video_VozEnOff_S7_MLA.md` proporciona la pauta exacta de tiempos y diálogos para la sustentación del ponente Alexander Oviedo Fadul. |

---

## 3. Integración de Normas del Proyecto

En el desarrollo de ambas actividades se respetaron estrictamente las reglas globales establecidas por el usuario:
1. **Humanización del texto:** Se evitó la redacción artificial y robótica en los comentarios, reportes escritos y guiones de video, inyectando un tono explicativo, opiniones fundamentadas y conectores de pensamiento naturales conforme a `Guia_Humanizacion_Texto_IA.md`.
2. **Control de Versiones y Sincronización:** Al finalizar el desarrollo, se ejecutó `./commit-simple.sh` para registrar y subir los entregables a GitHub. De igual forma, se ejecutó `./sync-backup.sh` logrando una sincronización bidireccional limpia y sin errores con el almacenamiento de Google Drive.
3. **Correcta conformación del Grupo 10:** Se actualizó la lista de integrantes en los notebooks, presentaciones y reportes Word, dejando constancia de que el grupo está conformado por 4 miembros activos: Alexander Oviedo Fadul (Ponente), Maria Fernanda Ruiz Paipilla, Neheman Samir Jaller Cerchiaro y William David Obando Lopez.