Ranking de Estudiantes
Tabla de posiciones del curso Big Data con Python
Ultima actualizacion: 2026-04-03 20:56 | Ranking actualizado semanalmente
Estadisticas del Curso
Leaderboard
#2 19sem
@aurorafezu
8.2
✓ Puntual
clusteringk-means
#1 19sem
@katitto
8.7
✓ Puntual
pcatime series
#3 19sem
@luuuuru
7.0
✓ Puntual
Clasificados
@fernandoramostrevi-ctrl⏳ -25%
#7
#8
Ranking Completo
| Pos | Estudiante | Nota | Estado | Proyecto | Fork |
| #1 (19sem) | @katitto | 8.7 ✓ | ★ Destacado | almache_katherine | Ver Dashboard |
| #2 (19sem) | @aurorafezu | 8.2 ✓ | ★ Destacado | fernandez_aurora | Ver Dashboard |
| #3 (19sem) | @luuuuru | 7.0 ✓ | ✓ Aprobado | camacho-lucia | Ver |
| #4 (15sem) | @CarlosRivasplata | 5.5 ⏳-25% | ✓ Aprobado | rivasplata_carlos | Ver |
| #5 (15sem) | @fernandoramostrevi-ctrl | 5.1 ⏳-25% | ✓ Aprobado | ramos_fernando | Ver Dashboard |
| #6 (3sem) | @camilogrey | 4.3 ⏳-25% | ⋯ En Revision | [raiz:camilogrey] | Ver |
| #7 | @alxz0212 | 0.0 | ⋯ En Revision | Alexis_Mendoza | Ver Dashboard |
| #8 | @jaaafarr | 0.0 | ⋯ En Revision | Bousaid_Jaafar | Ver |
Consejos para Mejorar
Sugerencias personalizadas basadas en la rubrica del Trabajo Final
@katitto(8.7/10)1 tip
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
@aurorafezu(8.2/10)2 tips
➤ Tu PROMPTS.md solo tiene 0 prompts (minimo 3). Anade mas: los de infraestructura, pipeline, y analisis.
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
@luuuuru(7.0/10)2 tips
⭐ BONUS: No tienes dashboard HTML interactivo. Un dashboard con Plotly demuestra dominio de visualizacion y sube la nota de estructura significativamente.
⚠ CRITICO: No tienes PROMPTS.md. Documenta los prompts reales que usaste con la IA. Sin este archivo tu nota baja un 30%.
@CarlosRivasplata(5.5/10)3 tips
⭐ BONUS: No tienes dashboard HTML interactivo. Un dashboard con Plotly demuestra dominio de visualizacion y sube la nota de estructura significativamente.
➤ Tu PROMPTS.md solo tiene 0 prompts (minimo 3). Anade mas: los de infraestructura, pipeline, y analisis.
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
@fernandoramostrevi-ctrl(5.1/10)1 tip
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
@camilogrey(4.3/10)4 tips
⭐ BONUS: No tienes dashboard HTML interactivo. Un dashboard con Plotly demuestra dominio de visualizacion y sube la nota de estructura significativamente.
➤ Tu PROMPTS.md solo tiene 0 prompts (minimo 3). Anade mas: los de infraestructura, pipeline, y analisis.
➤ PROMPTS.md no tiene PARTE 2 (Blueprint). Anade tu plan de trabajo inicial: que quisiste hacer, como lo planeaste, que cambiaste sobre la marcha.
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
@alxz0212(Aun sin entrega)1 tip
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
@jaaafarr(Aun sin entrega)2 tips
⭐ BONUS: No tienes dashboard HTML interactivo. Un dashboard con Plotly demuestra dominio de visualizacion y sube la nota de estructura significativamente.
➤ Anade capturas de pantalla de tus conversaciones con la IA (capturas/prompt_A.png, etc.). Esto demuestra autenticidad.
Distribucion de Notas
λ Guia de lectura
D (Doc) — Nota de documentacion (PROMPTS.md): calidad, autenticidad y estructura de los prompts entregados.
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) | 2026-04-03 20:56
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.
