Complete E3 sections for Plan de Tesis Appendix

3 files changed, 170 insertions, 5 deletions

diff --git a/chapter/01-cover.tex b/chapter/01-cover.tex
index b7cbb82..86710bb 100644
--- a/chapter/01-cover.tex
+++ b/chapter/01-cover.tex
@@ -22,7 +22,7 @@
 
 \vspace{1cm}
 
-{\bf Tesis para obtener el título profesional de Ingeniería Informática}\\[1.0cm]
+{\bf Tesis para obtener el título profesional en Ingeniería Informática}\\[1.0cm]
 % {\bf Entregable Parcial 1.1}\\[1.0cm]
 {\bf AUTOR}\\[0.5cm]
 {Roberto Mitsuo Tokumori Terry}\\
diff --git a/chapter/10-generalidades.tex b/chapter/10-generalidades.tex
index 35e52a9..40af41b 100644
--- a/chapter/10-generalidades.tex
+++ b/chapter/10-generalidades.tex
@@ -278,7 +278,7 @@ de los estudiantes, y el seguimiento costoso y complejo de los estudiantes en
 riesgo.  Todo esto contribuye a que los estudiantes abandonen sus estudios antes
 de que se puedan implementar medidas de apoyo eficaces.
 
-\section{Objetivos}
+\section{Objetivos} \label{sec:objetivos}
 
 En esta sección se define el objetivo general, para luego ser desglosado en 
 objetivos específicos.  También se definen los resultados esperados asociados
@@ -299,12 +299,12 @@ mejorando así la retención de estudiantes.
     \item \textbf{O1} Identificar los factores que influyen en la deserción estudiantil
     universitaria usando técnicas estadísticas
 
-    \item \textbf{O2} Implementar modelos de Aprendizaje Automático que realicen
+    \item \textbf{O2} Implementar modelos de aprendizaje automático que realicen
     predicciones sobre la deserción estudiantil
 
     \item \textbf{O3} Implementar un sistema que permita a las universidades, realizar un
     proceso de detección temprana de deserción estudiantil.  Utilizando los
-    modelos de Aprendizaje Automático, mencionados anteriormente.
+    modelos de aprendizaje automático, mencionados anteriormente.
 \end{itemize}
 
 \subsection{Resultados esperados}
diff --git a/chapter/90-anexos.tex b/chapter/90-anexos.tex
index 8b4dfde..9a5c8bf 100644
--- a/chapter/90-anexos.tex
+++ b/chapter/90-anexos.tex
@@ -77,12 +77,82 @@ razones.
 
 \subsection{Viabilidad temporal}
 
+El proyecto tendrá una duración de 7 meses, desde julio del 2023, hasta fines de 
+diciembre del 2023.  Los plazos de los resultados esperados, resultado de la
+planificación se pueden evidenciar en el cronograma de actividades del proyecto
+(Ver tabla).
+
 \subsection{Viabilidad técnica}
 
+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
+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
+que puedan dar guía en el aprendizaje, y también realizar las revisiones
+pertinentes para los resultados esperados.
+
+Por otro lado, para la implementación del sistema de información también es
+viable porque también se cuentan los conocimientos base para planear, definir, 
+e implementar un sistema de información.  Y se cuenta con el apoyo 
+de especialistas para la revisión de los resultados esperados.
+
 \subsection{Viabilidad económica}
 
+El proyecto no demanda una inversión económica significativa.  Las
+herramientas de software necesarias no requieren una licencia especial que
+implique gastos adicionales.  Y el conjunto de datos requerido para el análisis
+puede ser solicitado a universidades locales.
+
 \section{Alcance del proyecto}
 
+El alcance de este proyecto es 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
+universitario, mejorando así la retención de estudiantes.  Con la intención de 
+delimitar mejor el alcance, se describen en esta sección las actividades a alto
+del proyecto.
+
+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
+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
+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
+\autocite{Kemper2020}.
+
+Finalmente, se implementará un sistema de información que utilice el mejor
+modelo de predicción de la deserción estudiantil universitaria.  El cual pueda
+facilitar la utilización del modelo por parte del usuario.  Se utilizará el
+marco Ágil para la captación de requisitos del sistema mediante User Story
+Mapping.  Para el protitado de la solución se utilizará la herramienta Figma
+(web).  Y para la implementación del sistema de información se utilizará
+tecnología web, para que posteriormente pueda ser desplegado en un servidor de
+algún proveedor de servicios en la nube, como por ejemplo AWS (Amazon).
+
+El presente proyecto no contempla la implementación de nuevos algoritmos de
+aprendizaje automático.  Ni tampoco la implantación del sistema en alguna
+universidad del país.
+
+
 \section{Restricciones}
 
 El proyecto depende de la disposición de conjuntos de datos de las universidades.
@@ -91,8 +161,103 @@ 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 especialistas en 
+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.
 
 \section{Identificación de riesgos}
+
+En la \autoref{tab:riesgos-proyecto} se listan los riesgos identificados del
+proyecto.  Se cuantifica la P (Probabilidad), I (Impacto), y S (Severidad), 
+de cada riesgo, de acuerdo a las siguientes fórmulas:
+
+\begin{itemize}
+    \item P: Probabilidad del riesgo.  Número real del 0 al 1.  Intenta
+    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
+    \(I = 1\) representa que el riesgo tiene consecuencias críticas para el
+    éxito del proyecto.
+    \item S: Severidad del riesgo.  Calculado como \(S = P*I\).
+    \begin{itemize}
+        \item Severidad baja si \(I < 0.05\) 
+        \item Severidad media si \(0.05 <= I < 0.20\)
+        \item Severidad alta si \(0.20 < I\)
+    \end{itemize}
+\end{itemize}
+
+\begin{table} [H]    % htbp
+    \centering
+    \small
+    \caption{Riesgos del proyecto}
+    \label{tab:riesgos-proyecto}
+        \begin{tabular} {*{2}{|p{0.20\linewidth}} *{3}{|p{0.025\linewidth}} *{3}{|p{0.15\linewidth}}|}
+        \hline
+
+        \textbf{Riesgo} &
+        \textbf{Materialización del riesgo} &
+        \textbf{P} &
+        \textbf{I} &
+        \textbf{S} &
+        \textbf{Mitigación} &
+        \textbf{Contingencia} \\
+        \hline
+        \hline
+
+        Los expertos no se encuentran disponibles para revisar de los
+        entregables a tiempo para cumplir con el cronograma &
+        Demoras en el tiempo de respuesta de los expertos.  Dificultad para
+        contactar algún experto. &
+        .8 & .5 & .4 &
+        Coordinar con la mayor anticipación posible con los expertos.  
+        Contar con al menos 2 expertos de cada área en caso uno no se encuentre 
+        disponible. &
+        Buscar a más expertos del área requerida para que pueda revisar
+        el entregable a tiempo \\
+        \hline
+
+        No contar con el conjunto de datos requerido para el análisis &
+        Demoras en el tiempo de respuesta de las universidades contactadas
+        para adquirir el conjunto de datos.  Dificultad por parte de las
+        universidades para extraer la información requerida.  Las universidades
+        contactadas no pueden compartir el conjunto de datos requeridos. &
+        .5 & 1 & .5 &
+        Coordinar con la mayor anticipación posible con las universidades.
+        Contactar con al menos 3 universidades para requerir los conjuntos de
+        datos. &
+        Buscar en Internet si existe algún conjunto de datos de libre disponibilidad.
+        Buscar a más universidades para adquirir el conjunto de datos. \\
+        \hline
+
+        Pérdida de información debido a pérdida equipos informáticos &
+        Robo de la laptop.  Corrupción del disco duro.  &
+        .2 & .8 & .16 &
+        Mantener 2 copias de seguridad (\textit{backups}) de la información.
+        Mantener una de esas copias en la nube.  Actualizar diariamente
+        las copias de seguridad. &
+        Restaurar la información utilizando la última copia de seguridad.
+        Comprar nuevo equipo informático de reemplazo. \\
+        \hline
+
+        Planeamiento inadecuado de las actividades del proyecto &
+        Se identifica una actividad significativa requerida para el desarrollo
+        del proyecto.  Estimación del tiempo requerido para la actividad
+        insuficiente &
+        .4 & .4 & .16 &
+        Realizar el planeamiento de actividades junto con el asesor.
+        Contar con feedback de expertos para la estimación de tiempo
+        de actividades fuera del expertise del tesista. &
+        Reestructurar las actividades o el cronograma siguiendo el procedimiento
+        especificado en el documento de Procesos de Tesis \\
+        \hline
+    \end{tabular}
+\end{table}
+
+% \section{Estructura de descomposición del trabajo (EDT)}
+
+% \section{Lista de tareas}
+
+% \section{Cronograma de actividades del proyecto}
+
+% \section{Lista de recursos}