Clasificación_datasets_pydataset_ANOVA_Regresión_y_ANCOVA

Cómo MAXQDA utiliza categorías, subcategorías y códigos para analizar texto, especialmente en entrevistas, y para qué sirve cada uno en el proceso de análisis.

El documento clave para lo que necesitas es la **[Póliza de Seguro de Allianz](https://drive.google.com/file/d/1SKDEUctsMQ4T9H1i1e-qonjJcEzp6eWj/view?usp=sharing)**. [El contrato con Bancolombia](https://drive.google.com/file/d/13jX4HXUbXMcq7YdF6JEz_9fyFbAsWcB_/view?usp=sharing) se enfoca en la garantía del crédito. Aquí tienes un resumen de qué hacer y a dónde llamar según tu [póliza de Allianz](https://drive.google.com/file/d/1SKDEUctsMQ4T9H1i1e-qonjJcEzp6eWj/view?usp=sharing).

La siguiente es la **guía paso a paso** para crear un **Notebook en Google Colab** que resuelva el **Apéndice 7: *Evaluation of Dryer Performance*** del documento *Solar Dryers – Appendices.pdf*.

La siguiente es la guía paso a paso para crear un Notebook en Google Colab que resuelva el Apéndice 7: Evaluation of Dryer Performance del documento Solar Dryers – Appendices.pdf.

App para califciar Rubricas de distintas asignaturas y profesores

Guía: Creación de Notebooks de Google Colab con navegación interna mediante anclas HTML Esta guía enseña a los estudiantes a crear **índices con enlaces internos** en Notebooks de Google Colab, permitiendo navegar entre secciones y volver al contenido principal fácilmente.

Guía para la creación de Notebooks de Google Colab Aplicada al curso de Ingeniería Civil Tema: Fundamentos de Estática con SymPy

GUÍA PARA LA CREACIÓN DE NOTEBOOKS EN GOOGLE COLAB

Aplicada al curso de Ingeniería Civil Tema: Fundamentos de Estática con SymPy Un Notebook de Google Colab permite integrar texto, ecuaciones, código Python y gráficos. En este curso, se utilizará para desarrollar ejemplos de *Estática* empleando el módulo [`sympy.physics.continuum_mechanics`](https://docs.sympy.org/latest/modules/physics/continuum_mechanics/index.html).

GUÍA PARA LA CREACIÓN DE NOTEBOOKS EN GOOGLE COLAB

La siguiente es una **guía didáctica completa** para desarrollar en clase un **notebook de Google Colab** basado en el **Apéndice 7 del libro *Solar Dryers***, aplicando las normas del documento *Apuntes de LaTeX* para redactar ecuaciones y secciones bien estructuradas.

Guía de clase (Google Colab): notebook para calcular y graficar ηd y ηp durante un día de secado

Este apéndice presenta el procedimiento para evaluar el **desempeño termodinámico** de un secador solar, considerando dos parámetros fundamentales: 1. **Eficiencia global del sistema** (ηd) 2. **Eficiencia de captación o *Pick-up Efficiency*** (ηp)

Guía de Prompts para Copilot en GitHub Codespaces, De 0 a despliegue en Streamlit Community Cloud, para el proyecto: Modelacion Predictiva Asistida por IA 2025_2

El presente documento compila el desarrollo integral del proyecto **“Modelación Predictiva Asistida por IA en Ambientes de Desarrollo Colaborativo con GitHub Codespaces y Copilot”**, concebido como una propuesta de investigación aplicada en el marco de la **Universidad de Sucre** durante el **segundo período académico de 2025**, conforme a la **Resolución No. 50 de 2025 del Consejo Académico** que regula la oferta académica vigente. El propósito de este trabajo es **demostrar la factibilidad técnica y académica** de un entorno completamente reproducible en la nube, basado en herramientas de desarrollo colaborativo y asistencia por inteligencia artificial, que permitan la **automatización de procesos de análisis estadístico y predictivo** con datos reales obtenidos desde fuentes gubernamentales e institucionales.

Es un problema común que los enlaces a datasets se rompan o que los datasets sean retirados. Usar bibliotecas que ya los incluyen ("datasets "empaquetados") garantiza que la tarea sea reproducible y que el estudiante se enfoque en el análisis y no en la "caza" de datos. El siguiente es un listado de **80 datasets** relevantes para ingeniería, extraídos principalmente de `pydataset` (que sirve como puente a los datasets de R), `vega_datasets`, `sklearn` y `seaborn`. Se han agrupado por la biblioteca desde donde se cargan y se ha añadido una breve justificación de su relevancia para ingeniería (Ambiental, Civil, Agroindustrial, Industrial, Mecánica, Química, etc.).

Aplicar métodos estadísticos univariantes y multivariantes utilizando Python y R, integrando el uso de Inteligencia Artificial (ChatGPT, Gemini o Copilot) como herramienta de apoyo para la formulación de modelos, la generación de código, la interpretación y la comunicación de resultados. El objetivo principal es demostrar razonamiento analítico, pensamiento ingenieril y comunicación efectiva en la exposición individual del análisis realizado.

La siguiente es la **tarea intermedia grupal** para la asignatura **Fundamentos de Programación — Ingeniería Agroindustrial**, basada también en el tema de **secadores solares**, pero con una complejidad reducida, ideal para evaluación presencial el **miércoles 5 de noviembre**, con acompañamiento del **comité curricular**.

Rap

Con base en los tres documentos: **Solar_Dryers.pdf**, **DESIGN_OF_A_SOLAR_COLLECTOR.pdf** y **Solar_Dryers-APENDICES.pdf**, se plantea la **tarea individual completa** para los estudiantes del programa de **Ingeniería Agroindustrial** en la asignatura **Fundamentos de Programación**. Aplicar principios de programación en Python al modelado y análisis de sistemas de **secado solar**, utilizando los fundamentos físicos de **balance de masa, energía y transferencia de calor** descritos en el libro *Solar Dryers* y sus apéndices técnicos. Los estudiantes emplearán **Google Colab** y **chatbots de IA** (ChatGPT o Gemini) para desarrollar un notebook interactivo que calcule eficiencias, caudales, pérdidas y rendimiento térmico de sistemas de secado, con base en datos modificados individualmente.

Aplicar conceptos de programación en Python mediante la librería **Sympy** en problemas de **estática estructural**, utilizando los módulos de *Continuum Mechanics* (**Beam, Truss, Cable, Arch**) para formular, modelar y analizar sistemas de cargas, reacciones y deformaciones.

Explicación del uso de los modos del Chat de Copilot en Codespaces

La siguiente es la **Guía 2: Producción de Acero – Comparando Grupos con ANOVA en GitHub Codespaces con Copilot**, siguiendo la misma lógica de trabajo que en la Guía 1, pero aplicada al dataset `acero.csv` y al documento de apoyo.

Esta tarea se enmarca en las nuevas visiones de la enseñanza universitaria: formar profesionales capaces de usar la IA como herramienta de productividad y de pensamiento, centrando su atención en el negocio, la interpretación y la toma de decisiones basadas en datos reales, provenientes de fuentes gubernamentales.

Cálculos en Secadores Solares con Sympy y streamlit

GitHub Educativo y uso de GitHub Codespaces mas Copilot

Guía_1_1_Sympy_Civil: lista de *prompts* para que Copilot genere una app multipágina en Streamlit con **SymPy** para **Ingeniería Civil** en **GitHub Codespaces**. No incluyo código, solo *prompts* listos para pegar.

Guía_1_1_Sympy_Agroindustrial: lista de *prompts* para que Copilot genere una app multipágina en Streamlit con **SymPy** para **Ingeniería Agroindustrial** en **GitHub Codespaces**. No incluyo código, solo *prompts* listos para pegar.

Guía_1_1_Sympy_Agrícola: lista de *prompts* para que Copilot genere una app multipágina en Streamlit con **SymPy** para **Ingeniería Agrícola**. No incluye código, solo *prompts* listos para pegar en Copilot dentro de **GitHub Codespaces**.

Crear una app **multipágina** en Streamlit que resuelva tres situaciones por ingeniería (Agrícola, Agroindustrial, Civil) usando **SymPy** para modelación simbólica y cálculo analítico. El repositorio incluirá `.md` teóricos generados con Copilot y scripts `.py` para cada página.

Desarrollar un **proyecto aplicado de análisis estadístico con Python**, utilizando **datasets reales de fuentes gubernamentales o institucionales oficiales**, para resolver un problema de interés en los campos de la Ingeniería Agrícola, Agroindustrial o Civil.

El objetivo de este proyecto es que, en equipos, seleccionen un conjunto de datos de una fuente gubernamental colombiana, lo analicen utilizando las herramientas vistas en clase (**Python, GitHub Codespaces, Streamlit**) y presenten sus hallazgos de manera profesional. Utilizarán **Copilot** como su asistente de programación para acelerar el desarrollo y enfocarse en el análisis y la interpretación.

Gemini: Tarea: Proyecto Final de "Estadística Aplicada con Python y R Título del Proyecto: Análisis de Datos Gubernamentales Aplicados a la Ingeniería

A continuación, se presenta el flujo de trabajo detallado para desarrollar y desplegar una aplicación de Streamlit utilizando GitHub Codespaces y Copilot. Este flujo está diseñado para ser una guía práctica y clara, ideal para los cursos de "Estadística Aplicada" y "Programación de Computadoras".

La siguiente es la primera guía diseñada para ser entregada directamente a tus estudiantes. Está redactada en un tono cercano pero instructivo, asumiendo que ya tienen las bases de Git y GitHub que les has enseñado. Esta guía es un flujo de trabajo completo, desde la creación del repositorio hasta el despliegue de una pequeña aplicación web con Streamlit, todo orquestado con la ayuda de Copilot.

La siguiente es la **Guía 1: Las Casas de Boston – Descubriendo la Regresión Lineal en GitHub Codespaces con Copilot**, adaptada a tu flujo de trabajo con Python, Streamlit y la integración de Copilot en el IDE de VsCode dentro de Codespaces.

Guía de Introducción a GitHub Codespaces y Copilot (Versión Web App) Objetivo: Guiar al estudiante desde la creación de un repositorio en GitHub hasta el despliegue de una aplicación web interactiva con Streamlit. Se utilizará GitHub Copilot como un asistente integral para crear archivos, generar código y ejecutar comandos.

Tarea Final – Segundo 50% del Semestre Desarrollo de Aplicación Web en Streamlit con GitHub Codespaces + Copilot Asignatura: Programación de Computadores con Python Tema final: Aplicaciones integradas con módulos de Python (SymPy, NumPy, Matplotlib, Bokeh/Plotly/Altair y Pandas) Duración: 4 semanas Entregable final: Video grupal + App desplegada en **Streamlit Community Cloud Objetivo General: Desarrollar una aplicación multipágina en Streamlit que integre los módulos vistos (SymPy, NumPy, Matplotlib, Bokeh/Plotly/Altair y Pandas) aplicada a una situación de interés real en Ingeniería Agrícola, Agroindustrial o Civil, utilizando GitHub Codespaces y Copilot como entorno colaborativo de desarrollo y documentación.

De "Programación de Computadores" a Soluciones de Ingeniería con IA

precipitacion

A continuación se detalla el **ejercicio propuesto en español** basado en el ejemplo resuelto del PDF DESIGN OF A SOLAR COLLECTOR"(https://drive.google.com/file/d/1khh7Ihd5cOpfYCNNgxjIaXZ-B29r7Bvt/view?usp=sharing), con énfasis en el uso de los números de **Reynolds (Re)** y **Nusselt (Nu)**. Incluye también un **checklist** breve para guiar el flujo de trabajo en **GitHub Codespaces**.

A continuación se transcriben tres **ejercicios propuestos en español** a partir de los resueltos en *[Solar_Dryers-APENDICES.pdf](7_Solar_Dryers_Apendices.Rmd)*. Cada ejercicio va acompañado de un **checklist** breve para guiar a los estudiantes en GitHub Codespaces, siguiendo la estructura solicitada.

Preparar a los estudiantes con un flujo de trabajo moderno como el que se propone (GitHub Codespaces -\> Streamlit) es una habilidad muy valiosa. La siguiente es una propuesta de ejercicio completo, paso a paso, diseñado para ser desarrollado íntegramente en **GitHub Codespaces**. El proyecto integra las tres áreas de ingeniería que mencionas y está diseñado para introducir los módulos `streamlit` y `pandas` de una manera muy práctica y aplicada.

La presente guía adapta la guía: "Guía Completas de Cero a Héroe_Posit Cloud y GitHub" para enfocarse en R Markdown y RPubs, este es el siguiente paso lógico y una habilidad fundamental para comunicar resultados. Un informe reproducible y publicable en la web es el estándar de oro en el análisis de datos moderno.

La siguiente es la **Guía de “Las Casas de Boston”** tomando como modelo la estructura de la guía **“De Cero a Héroe con Posit Cloud y GitHub”**. La idea es que los estudiantes trabajen paso a paso desde **GitHub** hasta **Posit Cloud**, usando el dataset `housing.csv` y generando el documento en **RMarkdown** que exportarán a PDF, Word y publicarán en **RPubs**.

Propuesta completa: un único script de Python que: 1. Instala extensiones de VSCode por CLI, 2. Crea y configura `.venv`, 3. Prepara `.vscode/` con `settings.json`, `extensions.json`, `tasks.json`, `launch.json`, 4. Instala `streamlit` y verifica configuración, y 5. Entrega instrucciones para “resetear” la interfaz de VSCode.

Plan de la asignatura estadística Aplicada con R, con tres módulos solamente: 1) Las Casas de Boston 2) Producción de Acero 3) Dataset Soils del paquete carData para ANOVA Y MANOVA

Guía Completa y Corregida: **De Cero a Héroe** con Posit Cloud y GitHub

Esta guía está diseñada para que los estudiantes puedan colaborar en un mismo proyecto utilizando `git` y GitHub, pero ejecutando todos los comandos y procedimientos directamente desde un Notebook de Google Colab.

Objetivo General: Desarrollar una aplicación de consola interactiva y modular en Python que resuelva un problema específico en el ámbito de la ingeniería (Civil, Agrícola o Agroindustrial), integrando los conceptos fundamentales de la programación.

El objetivo de esta tarea es que los estudiantes demuestren su competencia en la manipulación, descripción y visualización de datos usando Python y pandas, y que aprendan a comunicar sus hallazgos de forma interactiva a través de una aplicación web en Streamlit.

Guía de Trabajo Colaborativo en GitHub con Ramas

Esta guía utiliza una estrategia de **ramificación (branching)**, que es el estándar en la industria y la mejor forma de evitar los típicos conflictos y la sobreescritura de trabajo cuando se colabora en un mismo archivo, especialmente en un notebook `.ipynb`.

Esta es la guía definitiva que puedes compartir con tus estudiantes. Incluye todas las lecciones aprendidas y el flujo de trabajo correcto.

Este tipo de análisis es extremadamente útil en ingeniería cuando se necesita clasificar objetos o situaciones basándose en múltiples mediciones simultáneamente, como en control de calidad, diagnóstico de fallas o caracterización de materiales.

Guía Completa y Corregida: De Cero a Héroe con Posit Cloud y GitHub

Asignatura: Estadística Aplicada con Python y R Tema: Comparación del Efecto de Fertilizantes en el Crecimiento de Cultivos

Asignatura: Estadística Aplicada con Python y R Tema: Predicción de la Resistencia del Concreto con Regresión Lineal Múltiple

La Guía_Definitiva_Posit_Cloud_GitHub

El objetivo de esta guía es construir, interpretar y comunicar un modelo de regresión lineal en R. Utilizaremos el dataset de viviendas de California para predecir el valor mediano de una vivienda basándonos en sus características. Todo el análisis se documentará en un informe de R Markdown que finalmente publicaremos en RPubs.

Guía de RPubs, Posit Cloud y despliegue de documentos RMarkdown desde Posit Clkoud

Esta guía muestra cómo conectar de forma correcta y segura su entorno de trabajo en Posit Cloud (anteriormente RStudio Cloud) con GitHub. Olvídense de los errores de autenticación y aprendan el método profesional para gestionar su código.

Guía para crear documentos RMarkdown en Posit Cloud y desplegarlos en RPubs

PowerShell_y_Ejecución_de_Scripts

Esta guía explica el porqué de cada paso y les proporciona un flujo de trabajo claro para configurar todo una sola vez y luego actualizarlo fácilmente cada semana.

Hemos llegado a la culminación de este viaje formativo. La última sesión es, quizás, la más importante. Es donde las habilidades técnicas se encuentran con la visión estratégica y la responsabilidad humana. El objetivo es que el equipo no solo se vaya sabiendo cómo usar las herramientas, sino por qué y para qué las usarán.

Es el momento de conectar todo el increíble contenido que han aprendido a crear con la audiencia. Una gran producción merece ser escuchada, y la IA puede ser un aliado formidable para lograrlo.

Continuemos con la fase más tangible y, para muchos, la más “mágica” del proceso: la producción sonora. En esta sesión, los participantes escucharán cómo las ideas y los guiones que escribieron cobran vida con la ayuda de la IA.

El mundo de las aplicaciones para producción de medios ha explotado con la IA. Muchas herramientas que antes eran manuales ahora tienen “asistentes” inteligentes, y han surgido otras completamente nuevas. A continuación, se detalla un listado curado de las herramientas más útiles y accesibles para las sesiones que hemos planeado. He priorizado las que tienen planes gratuitos robustos y son basadas en la web, para evitar procesos de instalación complejos.

La Sesión 2 es crucial porque es donde el equipo pasará de la teoría (configurar la IA) a la práctica creativa (producir contenido real). Aquí es donde verán el verdadero poder de la herramienta en su día a día.

Sesión 1: Configurando Nuestro Asistente de IA para Radio

El mundo de las aplicaciones para producción de medios ha explotado con la IA. Muchas herramientas que antes eran manuales ahora tienen “asistentes” inteligentes, y han surgido otras completamente nuevas. A continuación, se detalla un listado curado de las herramientas más útiles y accesibles para las sesiones que hemos planeado. He priorizado las que tienen planes gratuitos robustos y son basadas en la web, para evitar procesos de instalación complejos.

Guía Maestra del Curso: La siguiente estrategia, es iniciar con un problema concreto y relevante para cada Ingeniería con el objeto de captar el interés y dar un "porqué" inmediato para aprender los conceptos de programación.

**Guía Maestra del Curso:** La siguiente estrategia, es iniciar con un problema concreto y relevante para cada Ingeniería con el objeto de captar el interés y dar un "porqué" inmediato para aprender los conceptos de programación.

Este documento reúne cinco guías integradas desarrolladas con el acompañamiento de ChatGPT, orientadas a estudiantes de primer semestre de las asignaturas Programación de Computadores con Python y Estadística Aplicada con Python y R en la Universidad de Sucre. Su propósito es introducir de forma práctica y progresiva el uso de herramientas esenciales como GitHub, Google Colab, VSCode, Streamlit, Posit Cloud y RPubs, promoviendo el aprendizaje autónomo, el pensamiento computacional y el uso responsable de la inteligencia artificial en el entorno académico

Considerando las condiciones (intermitencia del internet, necesidad de trabajar sin conexión, uso de VSCode como entorno de respaldo), a continuación se presenta una guía completa para configurar Visual Studio Code para trabajar con Notebooks de Python (de Google Colab) y documentos RMarkdown (de Posit Cloud) sin necesidad de conexión a internet

sddfnlkñJLJASKDHKJ

La siguiente es una guía estructurada para trabajar con **Python + Git/GitHub + VSCode** desde la terminal de Microsoft VsCode, paso a paso

El Panorama Global y el Costo Humano de la Inanición La inanición, el estado final de la privación de nutrientes, representa una de las formas más extremas de sufrimiento humano.

Un Ejercicio Asistido con los ChatBots ChatGPT y DeepSeek

Qué es R, qué son los paquetes en R, qué son los datasets o dataframes

Texto del teólogo y disidente antinazi luterano alemán, Dietrich Bonhoeffer, publicado en ‘Después de diez años’ en Letters and Papers from Prison (vol. 8) Minneapolis, MN: Fortress Press, 2010.

La siguiente estrategía utiliza los libros "R for Data Science (2e)" y "Tidy Modeling with R" en Posit Cloud y alojando las salidas en RPubs

Funcionalidad de archivos en ChatGPT

El siguiente es un informe resumido de las actividades del semestre para los cursos de Estadística Aplicada con R y Python y Programación de Computadoras con Python

Realiza regresiones lienames por minimos cuadrados y muestra datos en un mapa a traves de ggplot2 y plotly

Tarea_2_1ra_del_2do_50_Prog_Agroindustrial

Ejemplos de manipulación de bases de datos de R y de archivos de Excel

Este es una propuesta de plan de asignatura para un semestre muy corto para poder alcanzar los contenidos planteado, pero se incentiva el uso de los ChatBots de la IA para que los estudiantes investiguen y se ayuden a generar no sólo el código de Python y R sino los conceptos teóricos de cada tema

Cómo escribir código de Python en documentos de RMarkdown creados en Posit Cloud

La siguiente es un resumen de la exploración del Data Frame Boston del paquete MASS de R y un Data Frame housing con las variables adicionales longitud y latitud tomado ded Aurelien Gerom

Ejercicio de acercamiento a los fundamentos básicos de R

Las medias generalizadas, también conocidas como medias de Hölder, es una abstracción de los diversos tipos de media ([geométrica](http://es.wikipedia.org/wiki/Media_geom%C3%A9trica), [aritmética](http://es.wikipedia.org/wiki/Media_aritm%C3%A9tica), [armónica](http://es.wikipedia.org/wiki/Media_arm%C3%B3nica), etc).

Las medias generalizadas, también conocidas como medias de Hölder, es una abstracción de los diversos tipos de media (geométrica, aritmética, armónica, etc).

El siguiente es un documento de RMarkdown hecho en RStudio Cloud (Posit Cloud) que introduce algunos concepto b´pasicos de R y Estadística descriptiva