LAB 01.01 - Practice submission

!wget --no-cache -O init.py -q https://raw.githubusercontent.com/fagonzalezo/ai4eng-unal/main/content/init.py
import init; init.init(force_download=False); init.get_weblink()

import inspect
from local.lib.rlxmoocapi import session
session.LoginSequence(endpoint=init.endpoint, course_id=init.course_id, lab_id="L01.01", varname="student");

Ejercicio 1: Suma dos matrices

Completa la función suma_matrices para que, dadas dos arrays numpy cualquiera devuelva la suma elemento a elemento.

Ejemplo de ejecución

> s = np.array([1,2,3])
> t = np.array([4,5,6])
> suma_matrices(s,t)

  [5 7 9]

Sugerencia: completa el código de la siguiente manera:

def suma_matrices(a,b):
   ## --- TU CODIGO AQUI ---
   result = a + b
   return result

def suma_matrices(a,b):
    ## --- TU CODIGO AQUI ---
    result = .... 
    return result

comprueba manualmente tu código

import numpy as np
a = np.random.randint(10, size=(3,2))
b = np.random.randint(10, size=(3,2))
print (a)
print (b)
print (suma_matrices(a,b))

registra tu solución en línea

student.submit_task(globals(), task_id="task_01");

Ejercicio 2: Realiza un cálculo

En este ejercicio, al ejecutar la celda de más abajo, se generará una lista de número aleatorios.

Tendrás que calcular el valor promedio de la lista y asignarlo a la variable avg más abajo.

Puedes usar el método que quieras para realizar el cálculo (a mano, excel, python, etc.) lo que importa es el valor que obtengas.

import numpy as np
rlist = np.random.randint(100, size=10)
rlist

tu solución

avg = ...

registra tu solución en línea

student.submit_task(globals(), task_id="task_02");