Los datos se capturan, documentan, almacenan, transforman y utilizan para una finalidad. Después se conservan o eliminan según esa finalidad y las condiciones de uso. Los metadatos describen origen, autoría, fecha, campos, unidades, licencia o permiso y transformaciones. El identificador distingue una observación, pero no explica por sí solo cómo se obtuvo ni qué representa. Una tabla sin contexto puede contener cifras legibles y seguir siendo imposible de interpretar correctamente.

La auditoría trabaja con HTML local didáctico suministrado y reutilizable, sin recopilar datos de personas ni extraer páginas externas. Un código de observación basta para seguir una fila; añadir nombres de compañeros introduce información innecesaria. El diccionario de datos define cada campo, tipo, escala y ausencia admitida. La trazabilidad conecta original, exportación, versión limpia, gráfico y modelo. Conservar todo indefinidamente tampoco es una decisión automática: indica qué archivos permiten reproducir el trabajo y cuándo se eliminarán las copias innecesarias. Esa política forma parte del diseño, antes de entrenar.

HTML organiza contenido mediante etiquetas. En una tabla, table delimita el conjunto, tr representa una fila, th una celda de cabecera y td una celda de datos. Esa estructura no se identifica únicamente por su aspecto: los estilos pueden cambiar la apariencia sin cambiar los datos, y estructuras distintas pueden verse parecidas. El extractor reconoce la tabla objetivo y contrasta cabeceras, número de columnas y correspondencia del contenido. Encontrar una tabla es el primer paso: aún puede ser distinta de la prevista.

HTMLParser va comunicando eventos al encontrar aperturas, texto y cierres. Para convertirlos en una tabla de datos, el programa conserva estado: si está dentro de la tabla elegida, qué fila reúne y qué celda está activa. Ese contexto permite decidir a dónde pertenece cada fragmento. Una celda puede contener varias partes de texto, por ejemplo si incluye otra etiqueta; se reúnen antes de guardar su contenido. Aunque el resultado tenga cifras, continúa siendo texto. Haber localizado la celda no demuestra todavía que se haya conservado todo lo que contenía.

La forma de completar cada fila también afecta a la extracción. Si solo se guarda al comenzar la siguiente, la última puede perderse porque después no llega otra apertura de fila. Comprobar cierres, recuento e identificadores permite descubrir esa pérdida y contrastar el resultado con el origen. HTMLParser no valida automáticamente toda la corrección del documento. Aquí se trabaja con un archivo local de estructura conocida: explicar esa condición permite interpretar qué comprueba el extractor y por qué no se presenta como una solución universal para cualquier página.

El scraping extrae información de una representación, como HTML; una API proporciona una interfaz definida para intercambiar datos. El primero depende de etiquetas y estructura; la segunda utiliza un contrato de campos, operaciones y respuestas. Ninguna opción garantiza por sí sola calidad, autorización o ausencia de cambios. Una página pública no concede automáticamente permiso para cualquier recopilación y reutilización. Este curso procesa solo el archivo local suministrado, sin peticiones automáticas a sitios externos.

El CSV conserva filas y campos, con separador, comillas y codificación que deben interpretarse de forma compatible. La biblioteca csv de Python gestiona detalles que una concatenación manual de comas puede romper. El formato no define el significado ni añade unidades: esa información permanece en el diccionario. El extractor comprueba la tabla, cabeceras y columnas previstas antes de exportar. Después se compara origen y resultado, incluidos registros problemáticos y final. Abrir el CSV sin error solo demuestra que una herramienta pudo interpretarlo; no que cada campo corresponda a la observación correcta.

Limpiar significa preparar datos para una finalidad mediante decisiones justificadas y registradas. Conserva el original y trabaja en una copia. Un duplicado exacto de la misma observación puede eliminarse tras comprobar su origen; dos observaciones independientes con el mismo valor no son necesariamente duplicados. Un identificador repetido con contenido distinto exige investigar, no borrar al azar. El registro de cambios permite reconstruir inclusiones, exclusiones y conversiones.

Una ausencia no equivale a cero: sustituirla inventa una observación y modifica medias o aprendizaje. Si se excluye de un cálculo, el denominador debe reflejar los valores disponibles. Revisa formato numérico, intervalo y unidad por separado; una conversión correcta no garantiza pertenecer al dominio. El gráfico en Google Sheets necesita título, ejes, escala o unidad y selección de datos coherente. Una barra o punto resume un registro, pero no prueba su origen ni causalidad. Compara el gráfico con la tabla limpia y explica qué filas quedan fuera para que la visualización no oculte las decisiones anteriores.

Un clasificador asigna una clase a partir de datos de entrada. El modelo de esta unidad utiliza una lectura y una frontera: por debajo del umbral predice aviso y, en otro caso, normal. Aprender consiste en elegir ese umbral usando ejemplos con etiquetas conocidas, en lugar de escribir la respuesta de cada observación. La etiqueta procede del criterio didáctico del conjunto, no de una verdad descubierta automáticamente sobre el aula.

El programa compara candidatos entre valores de entrenamiento y cuenta aciertos respecto a sus etiquetas. Conserva el candidato elegido y aplica después la regla a valores nuevos sin reajustarla durante la predicción. Si varios candidatos empatan, documenta la política del programa; no puede deducirse una frontera única de datos que dejan una zona sin ejemplos. La igualdad depende del operador y debe probarse. Este modelo permite inspeccionar cada decisión, pero no explica causas físicas ni representa toda la IA. La alternativa de objetos aprobada mantiene origen, etiquetas y prueba independiente; no sustituye automáticamente la extracción local que exige el proyecto.

Entrenar permite elegir el umbral a partir de ejemplos conocidos; evaluar busca comprobar cómo funciona con observaciones que no participaron en esa elección. Por eso entrenamiento y prueba se separan antes de ajustar. La independencia exige revisar identificadores y procedencia: dos ids diferentes pueden corresponder a copias del mismo ejemplo o capturas casi idénticas. Si esa información aparece en ambos conjuntos, el resultado puede parecer mejor sin demostrar la misma capacidad ante datos nuevos. Es una fuga de información que altera lo que permite concluir la prueba.

La independencia también depende de cómo utilizamos los resultados. Si miramos repetidamente la prueba para elegir cambios, esos ejemplos ya influyen en el diseño. El registro debe distinguir el conjunto usado para mejorar y una evaluación nueva. En esta última, la matriz cruza clase de referencia y predicción: un falso aviso anuncia aviso cuando la referencia es normal; una omisión predice normal cuando correspondía aviso. Separar esos errores permite comprender qué decisiones falla el modelo y valorar sus consecuencias según el uso.

El porcentaje de acierto se obtiene dividiendo las predicciones correctas entre el total de casos evaluados y expresando el cociente en porcentaje; necesita un denominador explícito. Una cifra global puede ocultar errores en una clase poco frecuente. Los resultados por clase, el tamaño de muestra y su representatividad completan la interpretación: acertar todos los casos de una muestra pequeña no garantiza funcionar en otros contextos. La conclusión debe corresponder a los datos y al procedimiento realmente utilizados. Este ensayo escolar no fundamenta decisiones médicas ni decisiones importantes sobre personas.

AlphaGo combina redes que orientan decisiones y evalúan posiciones con búsqueda en un juego de reglas definidas. La investigación original utilizó partidas expertas y aprendizaje mediante autojuego. Este procedimiento no equivale al umbral de nuestra práctica: permite comparar tarea, datos, objetivo y evaluación sin confundir sus mecanismos. Un éxito en Go no demuestra capacidad general para cualquier problema ni autoriza atribuir intención o comprensión humana al sistema.

El bloque audiovisual ocupa 3,5 de las once sesiones: 0,25 de preparación, 2,25 de visionado autorizado o selección docente coherente y 1 de contraste y transferencia. Antes se formula una predicción y una duda; durante se describen tres observaciones sin transcribir diálogos; después se separan observación, interpretación y afirmación contrastable. La fuente técnica permite comprobar una afirmación o dejarla pendiente si no hay evidencia suficiente. La alternativa escrita trabaja el mismo problema mediante descripción de secuencias y lectura guiada, sin exigir visionado fuera del aula. La conclusión se convierte en requisito de A01 y aplicación comprobable en A02.

La auditoría conecta etapas para comprobar cómo se obtuvo un resultado. Una fila debe poder seguirse desde HTML hasta CSV, limpieza, gráfico, conjunto asignado, predicción y decisión final de conservación. Cada enlace exige una prueba adecuada. Un gráfico razonable no descubre necesariamente una última fila perdida; un modelo que ejecuta sin error no garantiza separación independiente. Distingue integridad de extracción, calidad del conjunto y rendimiento del clasificador.

El laboratorio usa extraer_tabla.py y modelo_umbral.py en Thonny, con archivos locales y versiones conservadas. A01 incorpora extracción ejecutada, contraste de una fila y primera evaluación con entrenamiento y prueba separados; no es solo intención de trabajo futuro. A02 amplía contraste a registros 1, 4 y último, limpieza documentada, gráfico, matriz y mejora comprobada con nuevas pruebas. Analiza un sesgo posible de selección o cobertura y explica qué conclusiones limita. Cada integrante sigue un dato, predice una frontera y explica un cambio. Los editables y el registro permiten revisar causas sin inventar datos ni presentar capacidades generales.