E3 advisor feedback corrections

All observations resolved:

- problema central lo habiamos cambiado, modificarlo a la nueva version
- colocar Aprendizaje automatico y no solo ML
- Tabla 1.3 nombre de herramientas deben ir en mayusculas
- Falta definición de Metodos y Procedimientos como KDD

1 files changed, 14 insertions, 14 deletions

diff --git a/chapter/90-anexos.tex b/chapter/90-anexos.tex
index 9a5c8bf..ab3b413 100644
--- a/chapter/90-anexos.tex
+++ b/chapter/90-anexos.tex
@@ -86,15 +86,15 @@ planificación se pueden evidenciar en el cronograma de actividades del proyecto
 
 Se consideran 2 principales barreras técnicas para estimar la complejidad del
 proyecto, y por tanto los plazos de tiempo para cada resultado esperado.  Por un
-lado se encuentra la implementación de modelos de aprendizaje automático (ML), y
+lado se encuentra la implementación de modelos de aprendizaje automático, y
 por el otro se encuentra la implementación del sistema de información que
 utilice estos modelos.
 
-La implementación de modelos de ML es viable porque se poseen los conocimientos
-base respecto a las técnicas (estadística, manejo de bases de datos, 
-análisis de datos, programación), y herramientas de software a utilizar.
-Sin embargo, se requerirá aprender a mayor profundidad las técnicas de 
-aprendizaje automático para lo cual se cuenta con el apoyo de especialistas
+La implementación de modelos de aprendizaje automático es viable porque se
+poseen los conocimientos base respecto a las técnicas (estadística, manejo de
+bases de datos, análisis de datos, programación), y herramientas de software a
+utilizar.  Sin embargo, se requerirá aprender a mayor profundidad las técnicas
+de aprendizaje automático para lo cual se cuenta con el apoyo de especialistas
 que puedan dar guía en el aprendizaje, y también realizar las revisiones
 pertinentes para los resultados esperados.
 
@@ -112,7 +112,7 @@ puede ser solicitado a universidades locales.
 
 \section{Alcance del proyecto}
 
-El alcance de este proyecto es delimitado por los objetivos y resultados
+El alcance de este proyecto está delimitado por los objetivos y resultados
 esperados definidos en la \autoref{sec:objetivos}.  Para recapitular, el
 objetivo general es: desarrollar un sistema, basado en técnicas de aprendizaje
 automático, que permita predecir la deserción estudiantil en el ámbito
@@ -124,19 +124,19 @@ Primero, se realizará el análisis descriptivo, limpieza, y
 preprocesamiento del conjunto de datos.  Se utilizará el lenguaje de
 programación Python, y librerías especializadas para la realización de estas
 tareas, como Pandas, NumPy, y Matplotlib.  El entorno de desarrollo será Visual
-Studio Code y Jupyter Notebooks.  Todo ejecutando en una laptop personal bajo el
+Studio Code y Jupyter Notebooks.  Todo se ejecuta en una laptop personal bajo el
 sistema operativo Linux.  En cuanto a la metodología de trabajo para esta
 parte del análisis de datos se utilizará KDD (Knowledge Discovery in Databases).
 
 Luego, se generarán modelos de aprendizaje automático, utilizando algoritmos
 ya implementados y de libre disponibilidad.  Una librería en Python muy 
-utilizada que facilita el uso de dichos algorítmos es scikit-learn.  El output
-de los algorítmos de aprendizaje automático son los modelos de predicción
+utilizada que facilita el uso de dichos algoritmos es scikit-learn.  El output
+de los algoritmos de aprendizaje automático son los modelos de predicción
 entrenados, los cuales luego son utilizados para realizar predicciones en base a
 nuevos datos (\textit{datapoints}).  La dificultad se encuentra en optimizar la
 generación de estos modelos según las características del conjunto de datos.
 Los pasos previos de limpieza y preprocesamiento son cruciales, así como también
-la selección de algoritmos y la optimización de sus respectivos hiperparámetros
+la selección de algoritmos y la optimización de sus respectivos hiper-parámetros
 \autocite{Kemper2020}.
 
 Finalmente, se implementará un sistema de información que utilice el mejor
@@ -156,14 +156,14 @@ universidad del país.
 \section{Restricciones}
 
 El proyecto depende de la disposición de conjuntos de datos de las universidades.
-Es posible que las univesidades a quienes se les solicite estos datos no los compartan,
+Es posible que las universidades a quienes se les solicite estos datos no los compartan,
 ya sea por la complejidad en extraer la información de sus sistemas
 informáticos, o porque simplemente no está dentro de sus procedimientos
 compartir estos datos.
 
 Además, el proyecto depende de la disponibilidad de los especialistas en 
 aprendizaje automático, sistemas de información, y usabilidad.  Quienes se 
-encargarán de validar los resultados esperados del proyecto.
+encargan de validar los resultados esperados del proyecto.
 
 \section{Identificación de riesgos}
 
@@ -176,7 +176,7 @@ de cada riesgo, de acuerdo a las siguientes fórmulas:
     representar la probabilidad de que suceda el evento durante la
     realización del proyecto.
     \item I: Impacto del riesgo.  Número real del 0 al 1.  Donde \(I = 0\)
-    representa un riesgo con consecuencias muy bajas o inperceptibles, mientras
+    representa un riesgo con consecuencias muy bajas o imperceptibles, mientras
     \(I = 1\) representa que el riesgo tiene consecuencias críticas para el
     éxito del proyecto.
     \item S: Severidad del riesgo.  Calculado como \(S = P*I\).