Saltar a contenido

Ranking de Estudiantes

TodoEconometria

Tabla de posiciones del curso Big Data con Python

Ultima actualizacion: 2026-03-18 20:03 | Ranking actualizado semanalmente

Estadisticas del Curso

18
Estudiantes
7
Entregados
6.9
Promedio
2
Destacados

Leaderboard

#2 15sem
@aurorafezu
@aurorafezu
8.2
D
7.0
C
10.0
✓ Puntual
clusteringk-means
#1 15sem
@katitto
@katitto
8.7
D
9.5
C
10.0
✓ Puntual
pcatime series
#3 15sem
@luuuuru
@luuuuru
7.0
D
0.0
C
10.0
✓ Puntual

Clasificados

#4
11sem
@CarlosRivasplata
@CarlosRivasplata⏳ -25%
D
7.0
C
10.0
#5
11sem
@fernandoramostrevi-ctrl
@fernandoramostrevi-ctrl⏳ -25%
D
9.5
C
10.0
#6
@alxz0212
@alxz0212
D
8.5
C
10.0
#7
@jaaafarr
@jaaafarr
D
8.5
C
10.0

Ranking Completo

Pos Estudiante Nota Estado Proyecto Fork
#1 (15sem) @katitto 8.7 ✓ ★ Destacado almache_katherine Ver Dashboard
#2 (15sem) @aurorafezu 8.2 ✓ ★ Destacado fernandez_aurora Ver Dashboard
#3 (15sem) @luuuuru 7.0 ✓ ✓ Aprobado camacho-lucia Ver
#4 (11sem) @CarlosRivasplata 5.5 ⏳-25% ✓ Aprobado rivasplata_carlos Ver
#5 (11sem) @fernandoramostrevi-ctrl 5.1 ⏳-25% ✓ Aprobado ramos_fernando Ver Dashboard
#6 @alxz0212 0.0 ⋯ En Revision Alexis_Mendoza Ver Dashboard
#7 @jaaafarr 0.0 ⋯ En Revision Bousaid_Jaafar Ver

Distribucion de Notas

9-10 Excelente
7-8 Notable
3
5-6 Aprobado
2
<5 Insuficiente

λ Guia de lectura

D
D (Doc) — Nota de documentacion (PROMPTS.md): calidad, autenticidad y estructura de los prompts entregados.
C
C (Cod) — Nota de codigo: archivos Python, notebooks, SQL, configs y estructura del proyecto.
8.7
Nota — La nota final combina Doc (60%) y Cod (40%). Si falta PROMPTS.md se aplica -30% adicional.
✓ Puntual
Entrega puntual: el trabajo fue entregado antes de la publicacion del ranking. La nota no tiene penalizacion.
⏳ -X%
Entrega tardia: el trabajo fue entregado despues de la publicacion del ranking. Se aplica una penalizacion proporcional al retraso:
0-24h: -15% | 1-3 dias: -25% | 3-7 dias: -40% | >7 dias: -50%

⚙ Reglas del Ranking

Δ Promocion 2026 (18 alumnos)

Ventana de entrega: 13 feb - 31 mar 2026. Entregas puntuales (antes del 13 feb) mantienen su nota intacta. Entregas tardias reciben penalizacion progresiva: 0-24h (-15%), 1-3 dias (-25%), 3-7 dias (-40%), mas de 7 dias (-50%). Despues del 31 de marzo las notas se congelan definitivamente.

∞ Comunidad (ranking anual)

Cualquier persona puede completar el curso y aparecer en el ranking de su ano (2026, 2027...). Requisitos: fork con minimo 30 dias de antiguedad y entregas reales. No compiten con la Promocion 2026. Mismos criterios de evaluacion.

Σ Criterios de Evaluacion

D (Doc, 60%): calidad, autenticidad y estructura del PROMPTS.md. C (Cod, 40%): archivos Python, notebooks, SQL y estructura del proyecto. Sin PROMPTS.md se aplica penalizacion adicional del 30%. La nota final puede verse afectada por similitud con el ejemplo del profesor.

Ranking Comunidad

∞

Aun no hay participantes de la comunidad. Haz un fork del repositorio, completa el curso y aparece aqui!

El ranking se actualiza automaticamente con cada evaluacion. Entrega tu trabajo para aparecer!
Generado por: QUASAR (Quality Unified Automated Student Assessment & Ranking) | 2026-03-18 20:03

Curso: Big Data con Python - De Cero a Produccion Profesor: Juan Marcelo Gutierrez Miranda | @TodoEconometria Hash ID: 4e8d9b1a5f6e7c3d2b1a0f9e8d7c6b5a4f3e2d1c0b9a8f7e6d5c4b3a2f1e0d9c Metodologia: Ejercicios progresivos con datos reales y herramientas profesionales

Referencias academicas: - Downey, A. (2015). Think Python: How to Think Like a Computer Scientist. O'Reilly Media. - McKinney, W. (2022). Python for Data Analysis, 3rd Ed. O'Reilly Media. - Kleppmann, M. (2017). Designing Data-Intensive Applications. O'Reilly Media.