From d96d2e5036e4f7ebb8b43f0302ae25fcd14ada03 Mon Sep 17 00:00:00 2001 From: Sofia Samaniego Date: Wed, 10 Jun 2026 12:31:19 -0600 Subject: [PATCH] Ahora si actualizando el README con el texto limpio --- README.md | 109 ++++++++++++++++-------------------------------------- 1 file changed, 32 insertions(+), 77 deletions(-) diff --git a/README.md b/README.md index fec531d..f79ad62 100644 --- a/README.md +++ b/README.md @@ -1,94 +1,49 @@ -# \# Estancia de Investigaci髇 - Verano Delf韓 2026 +# Estancia de Investigaci贸n - Verano Delf铆n 2026 -# +Este repositorio est谩 dedicado al desarrollo, almacenamiento y documentaci贸n de los m贸dulos de c贸digo, algoritmos de Machine Learning y arquitecturas de Deep Learning desarrollados durante la estancia de investigaci贸n del Programa Delf铆n. -# Este repositorio est dedicado al desarrollo, almacenamiento y documentaci髇 de los m骴ulos de c骴igo, algoritmos de Machine Learning y arquitecturas de Deep Learning desarrollados durante la estancia de investigaci髇 del Programa Delf韓. +El objetivo final del proyecto es implementar un modelo avanzado de clasificaci贸n de im谩genes termogr谩ficas. Para lograrlo, el plan de trabajo est谩 estructurado de manera cronol贸gica, avanzando desde los fundamentos matem谩ticos de los clasificadores lineales hasta el dise帽o de redes neuronales profundas. -# +**Estudiante:** Sof铆a Samaniego L贸pez +**Instituci贸n:** Universidad Aut贸noma de Baja California (UABC) +**Carrera:** Ingenier铆a en Electr贸nica +**Asesor:** Gerardo Marx Ch谩vez Campos -# El objetivo final del proyecto es implementar un modelo avanzado de clasificaci髇 de im醙enes termogr醘icas. Para lograrlo, el plan de trabajo est estructurado de manera cronol骻ica, avanzando desde los fundamentos matem醫icos de los clasificadores lineales hasta el dise駉 de redes neuronales profundas. +--- -# +## 馃搨 Ruta de Desarrollo del Proyecto -# \*\*Estudiante:\*\* Sof韆 Samaniego L髉ez +El proyecto se divide en m贸dulos que reflejan el progreso del aprendizaje y la complejidad de los algoritmos: -# \*\*Instituci髇:\*\* Universidad Aut髇oma de Baja California (UABC) +### 1. `Regresion_Logistica/` 馃攧 *(En desarrollo)* +* **Descripci贸n:** Implementaci贸n desde cero (*from scratch*) del clasificador binario b谩sico. +* **Conceptos clave:** Combinaci贸n lineal, funci贸n de activaci贸n Sigmoide, funciones de costo y optimizaci贸n mediante Descenso del Gradiente. +* **Objetivo:** Comprender c贸mo una sola neurona artificial procesa m煤ltiples caracter铆sticas (*features*) para entregar una salida probabil铆stica. -# \*\*Carrera:\*\* Ingenier韆 en Electr髇ica +### 2. `Redes_Neuronales_ANN/` 馃 *(Pr贸ximamente)* +* **Descripci贸n:** Evoluci贸n hacia el Perceptr贸n Multicapa (Artificial Neural Networks). +* **Conceptos clave:** Conexi贸n de m煤ltiples neuronas en capas ocultas, multiplicaci贸n de matrices, funciones de activaci贸n no lineales y el algoritmo de Backpropagation. -# \*\*Asesor:\*\* Gerardo Marx Ch醰ez Campos +### 3. `CNN_Termografia/` 馃尅锔 *(Meta Final)* +* **Descripci贸n:** Dise帽o y entrenamiento de una Red Neuronal Convolucional aplicada a datos de im谩genes termogr谩ficas. +* **Conceptos clave:** Capas de convoluci贸n para extracci贸n de caracter铆sticas espaciales, capas de Pooling para reducci贸n de dimensionalidad y capas densas finales de clasificaci贸n. +--- +## 馃洜锔 Configuraci贸n del Entorno y Requisitos -# +Para mantener el proyecto ordenado y evitar conflictos con las librer铆as locales de la computadora, se utiliza un entorno virtual de Python. -# \## Ruta de Desarrollo del Proyecto +> 鈿狅笍 **Nota de Git:** La carpeta `.venv` que contiene el entorno virtual est谩 configurada en el archivo `.gitignore` para evitar que se suban archivos innecesarios al servidor. -# - -# El proyecto se divide en m骴ulos que reflejan el progreso del aprendizaje y la complejidad de los algoritmos: - -# - -# 1\. Regresion\_Logistica/ (En desarrollo) - -# \- Descripci髇: Implementaci髇 desde cero (from scratch) del clasificador binario b醩ico. - -# \- Conceptos clave: Combinaci髇 lineal, funci髇 de activaci髇 Sigmoide, funciones de costo y optimizaci髇 mediante Descenso del Gradiente. - -# \- Objetivo: Comprender c髆o una sola neurona artificial procesa m鷏tiples caracter韘ticas para entregar una salida probabil韘tica. - -# - -# 2\. Redes\_Neuronales\_ANN/ (Pr髕imamente) - -# \- Descripci髇: Evoluci髇 hacia el Perceptr髇 Multicapa (Artificial Neural Networks). - -# \- Conceptos clave: Conexi髇 de m鷏tiples neuronas en capas ocultas, multiplicaci髇 de matrices, funciones de activaci髇 no lineales y el algoritmo de Backpropagation. - -# - -# 3\. CNN\_Termografia/ (Meta Final) - -# \- Descripci髇: Dise駉 y entrenamiento de una Red Neuronal Convolucional aplicada a datos de im醙enes termogr醘icas. - -# \- Conceptos clave: Capas de convoluci髇 para extracci髇 de caracter韘ticas espaciales, capas de Pooling para reducci髇 de dimensionalidad y capas densas finales de clasificaci髇. - -# - -# \--- - -# - -# \## Configuraci髇 del Entorno y Requisitos - -# - -# Para mantener el proyecto ordenado y evitar conflictos con las librer韆s locales de la computadora, se utiliza un entorno virtual de Python. La carpeta .venv est configurada en el archivo .gitignore. - -# - -# Comandos para replicar el entorno localmente: - -# - -# python -m venv .venv - -# .venv\\Scripts\\activate - -# pip install numpy pandas matplotlib scikit-learn jupyter - -# - -# \--- - -# - -# \## Bit醕ora de Avances - -# - -# \* 10 de Junio, 2026: Inicializaci髇 del repositorio oficial, configuraci髇 del archivo .gitignore para entornos de Python y resguardo del primer bloque de c骴igo correspondiente a la teor韆 y visualizaci髇 espacial de la Regresi髇 Log韘tica. +### Pasos para replicar el entorno localmente: +```bash +# Crear el entorno virtual +python -m venv .venv +# Activar el entorno (en Windows) +.venv\Scripts\activate +# Instalar las librer铆as esenciales +pip install numpy pandas matplotlib scikit-learn jupyter \ No newline at end of file