Licenciatura en Ingeniería de Datos e Inteligencia Artificial (IS75LI0801)
Universidad de Guanajuato - Campus Irapuato-Salamanca
Repositorio oficial del Capítulo Estudiantil ACM de la Universidad de Guanajuato (Campus Irapuato-Salamanca). Bienvenido a nuestro compendio de código. Este repositorio fue creado por y para estudiantes, con el objetivo de ser tu referencia rápida (cheatsheet) para resolver dudas puntuales de programación, análisis de datos e inteligencia artificial. Si alguna vez te has preguntado "¿Cómo hago un box-plot en Python?", "¿Cómo funciona la búsqueda binaria en C?" o "¿Cómo limpio un dataset en R?", estás en el lugar correcto. No es un curso teórico interminable. Es una colección de soluciones directas, código limpio y explicaciones prácticas a los problemas más comunes a los que te vas a enfrentar durante la carrera. Todo el código aquí está diseñado para que puedas copiarlo, ejecutarlo, entenderlo y adaptarlo a tus propios proyectos o tareas.
No es un curso teórico interminable. Es una colección de soluciones directas, código limpio y explicaciones prácticas a los problemas más comunes a los que te vas a enfrentar durante la carrera. Todo el código aquí está diseñado para que puedas copiarlo, ejecutarlo, entenderlo y adaptarlo a tus propios proyectos o tareas.
El contenido está dividido en los lenguajes y librerías más demandados en la industria y en nuestros planes de estudio:
-
Lenguaje C: Fundamentos de programación, manejo de memoria, punteros y la implementación paso a paso de los algoritmos de búsqueda y ordenamiento clásicos.
-
Python Core & NumPy: Desde tu primer "Hola Mundo" y manejo de variables, hasta operaciones matriciales complejas, álgebra lineal y filtrado de datos.
-
Data Visualization (Pandas, Matplotlib, Seaborn): Todo lo que necesitas para leer archivos CSV, limpiar datos nulos y crear gráficos con calidad profesional (desde gráficos de barras hasta mapas de calor).
-
R & Machine Learning: Estadística descriptiva e inferencial, Tidyverse, y la implementación de modelos predictivos (regresiones lineales y logísticas).
-
Visión Computacional: Ejemplos rápidos y funcionales usando OpenCV y MediaPipe para rastreo facial y de manos.
-
Navega por las carpetas: Cada lenguaje tiene su propio directorio.
-
Busca tu duda: Los archivos están nombrados según el concepto o la duda puntual que resuelven.
-
Lee y prueba: Cada script incluye el código funcional y, de ser necesario, un archivo de datos (CSV/JSON) de prueba para que puedas replicar el resultado exacto en tu computadora.
Este proyecto se alimenta de las dudas reales de nuestra comunidad. Si quieres ver las explicaciones visuales y gráficas de este código, síguenos en nuestro Instagram: @acm_ugto. Ahí publicamos el material didáctico, anunciamos concursos de programación, torneos y platicamos sobre el mundo del código. ¡No importa si vas en primer semestre o ya estás más avanzado, el código es para todos!
- concept
- OpenCV Documentation
- Pandas Documentation
- Matplotlib Documentation
- Seaborn Documentation
- NumPy Documentation
- R Documentation
- Tidyverse Documentation
- Scikit-learn Documentation
- MediaPipe Documentation
- Python Documentation
- C Documentation
- Git Documentation
- GitHub Documentation
- Stack Overflow
- Kaggle
- Google Colab
- Jupyter Notebooks
- CodeSnap
To clone this repository, use the following command:
git clone https://github.com/ldan-dev/ds_cheatsheet.gitThis repository is for educational purposes only. Feel free to use and modify the code, but please give appropriate credit to the original author.