Cr茅ditos ECTS
Cr茅ditos ECTS: 4.5
Horas ECTS Criterios/Memorias
Traballo do Alumno/a ECTS: 74.2
Horas de Titor铆as: 2.25
Clase Expositiva: 18
Clase Interactiva: 18
Total: 112.45
Linguas de uso
颁补蝉迟别濒谩苍, Galego
Tipo:
Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos:
F铆sica Aplicada
脕谤别补蝉:
F铆sica Aplicada
Centro
Facultade de F铆sica
Convocatoria:
Primeiro semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
Comprender e dominar os conceptos b谩sicos sobre o funcionamento dos sistemas biol贸xicos aplicando os principios f铆sicos b谩sicos.
Resultados da aprendizaxe
- Comprender a importancia da aplicaci贸n dos co帽ecementos da F铆sica na Biolox铆a.
- Co帽ecemento, razoamento e argumentaci贸n de conceptos te贸ricos b谩sicos da Biolox铆a.
- Reco帽ecer as bases moleculares e os niveles de organizaci贸n que presentan os seres vivos.
- Relacionar a estructura e funci贸n dos principaies grupos de biomol茅culas e dos principais compo帽entes celulares; as铆 como identificar as caracter铆sticas da c茅lula como unidad funcional da vida.
- Co帽ecer, analizar e valorar os procesos de transformaci贸n da materia e enerx铆a que te帽en lugar nos seres vivos.
鈥� Introduci贸n 谩 aprendizaxe autom谩tica. Conceptos b谩sicos. Algoritmo perceptr贸n. Principais algoritmos en Machine Learning (regresi贸n lineal, lox铆stica, 谩rbores de decisi贸n, random forest, SVM, KNN). Redes neuronais artificiais (fundamento matem谩tico/biol贸xico, paradigmas de aprendizaxe, principais arquitecturas)
鈥� Constitu铆ntes moleculares principais. Estruturas e conformaci贸ns. Niveis de organizaci贸n. Forzas inter e intramoleculares
鈥� Termodin谩mica dos sistemas vivos e conceptos relacionados.
鈥� Biolox铆a cuantitativa. Cadeas de Markov. M茅todos bioinform谩ticos. Modos normais, QSAR, QSPR, Docking.
鈥� Modelizaci贸n matem谩tica: Lokta- Volterra, oscilador van der Pol, Fitzhugh- Nagumo, oscilador Duffing, impulso nervioso (modelo Hodgkin- Huxley, modelo solitones), modelos estat铆sticos en xen贸mica, modelos poboacionais e epidemiol贸xicos. Procesos estoc谩sticos, cami帽os aleatorios ( random walks).
鈥� Ordenaci贸n espazo-temporal. Ecuaci贸ns de Reacci贸n-Difusi贸n. Ecuaci贸ns de Belousov- Zhabotinski, Bruselator, Oregonator, patr贸ns de Turing (patr贸ns de pel de animais).
鈥� Caos e fractales na Natureza.
鈥� Introduci贸n aos principais m茅todos experimentais en biof铆sica.
鈥� Introduci贸n 谩 biotecnolox铆a: biomimetismo, biofuncionalizaci贸n, Dispositivos integrados LOC (Lab on a Chip).
鈥淧hysical Biology of the cell鈥� Rob Phillips et al. Garland Science, 2013
鈥淔铆sica Biol贸gica. Energ铆a, informaci贸n, vida鈥� Philip Nelson. Revert茅, 2004
鈥湹贝谴诿蹙背Σ光€� M. V. Volkenshtein. Mir, 1985
鈥淢athematical Biology: I & II鈥�. J. D. Murray. Springer 2001
鈥淐omputational Physics鈥� Mark Newman, 2012.
鈥淏ioinformatics Algorithms: Design and implementation in Python鈥� Miguel Rocha. AP, 2018.
鈥淏iofisica. Procesos de autoorganizacion e Biolog铆a鈥� Francisco Montero. Federico Mor谩n. Eudema Universidad 1992
鈥淓ntropy, order parameters and complexity鈥�. J.P. Sethna. Oxford University Press, 2006.
鈥淎n introduction to Stochastic Processes with Applications to Biology鈥� Linda J. S. Allen. CRC Press 2011
鈥淪tatistical Modelling of Mollecular Descriptors in QSAR/QSPR鈥� Matthias Dehmer, Kurt Varmuza and Danail Bonchev. Wiley 2012.
B脕SICAS E XENERAIS
CB1 - Que os estudantes demostrasen posu铆r e comprender co帽ecementos nunha 谩rea de estudo que parte da base da educaci贸n secundaria xeral, e ad贸itase atopar a un nivel que, a铆nda que se apoia en libros de texto avanzados, incl煤e tam茅n alg煤ns aspectos que implican co帽ecementos procedentes da vangarda do seu campo de estudo.
CB2 - Que os estudantes saiban aplicar os seus co帽ecementos ao seu traballo ou vocaci贸n dunha forma profesional e pos煤an as competencias que adoitan demostrarse por medio da elaboraci贸n e defensa de argumentos e a resoluci贸n de problemas dentro da s煤a 谩rea de estudo.
CB3 - Que os estudantes te帽an a capacidade de reunir e interpretar datos relevantes (normalmente dentro da s煤a 谩rea de estudo) para emitir xu铆zos que incl煤an unha reflexi贸n sobre temas relevantes de 铆ndole social, cient铆fica ou 茅tica.
CG1 - Posu铆r e comprender os conceptos, m茅todos e resultados m谩is importantes das distintas ramas da F铆sica, con perspectiva hist贸rica do seu desenvolvemento.
CG2 - Ter a capacidade de reunir e interpretar datos, informaci贸n e resultados relevantes, obter conclusi贸ns e emitir informes razoados en problemas cient铆ficos, tecnol贸xicos ou doutros 谩mbitos que requiran o uso de co帽ecementos da F铆sica.
CG3 - Aplicar tanto os co帽ecementos te贸ricos-pr谩cticos adquiridos como a capacidade de an谩lise e de abstracci贸n na definici贸n e formulaci贸n de problemas e na procura das s煤as soluci贸ns tanto en contextos acad茅micos como profesionais.
TRANSVERSAIS
CT1 - Adquirir capacidade de an谩lise e s铆ntese.
CT2 - Ter capacidade de organizaci贸n e planificaci贸n.
CT5 - Desenvolver o razoamento cr铆tico.
贰厂笔贰颁脥贵滨颁础厂
CE1 - Ter unha boa comprensi贸n das teor铆as f铆sicas m谩is importantes, localizando na s煤a estrutura l贸xica e matem谩tica, o seu soporte experimental e o fen贸meno f铆sico que pode ser descrito a trav茅s deles.
CE2 - Ser capaz de manexar claramente as ordes de magnitude e realizar estimaci贸ns adecuadas co fin de desenvolver unha clara percepci贸n de situaci贸ns que, a铆nda que fisicamente diferentes, mostren algunha analog铆a, permitindo o uso de soluci贸ns co帽ecidas a novos problemas.
CE5 - Ser capaz de realizar o esencial dun proceso ou situaci贸n e establecer un modelo de traballo do mesmo, as铆 como realizar as aproximaci贸ns requiridas co obxecto de reducir o problema ata un nivel manexable. Demostrar谩 posu铆r pensamento cr铆tico para constru铆r modelos f铆sicos.
CE6 - Comprender e dominar o uso dos m茅todos matem谩ticos e num茅ricos m谩is comunmente utilizados en F铆sica
CE8 - Ser capaz de manexar, buscar e utilizar bibliograf铆a, as铆 como calquera fonte de informaci贸n relevante e aplicala a traballos de investigaci贸n e desenvolvemento t茅cnico de proxectos
Durante as clases de teor铆a explicaranse os conceptos b谩sicos que haber谩n de ser desenvoltos en profundidade polos alumnos nas clases de problemas e nas pr谩cticas. Os estudantes te帽en que participar activamente no proceso docente estando asesorados desde o principio polo profesor. Nas clases interactivas expor谩selles a an谩lise dun fen贸meno ou a obtenci贸n duns resultados e deben de buscar a metodolox铆a m谩is adecuada realizar as an谩lises e contrastar a bondade dos resultado obtidos. Posteriormente deber谩n discutir co profesor e resto de compa帽eiros os resultados alcanzados.
O sistema de avaliaci贸n basearase na avaliaci贸n continua, que consistir谩 na realizaci贸n de varios traballos que se propo帽er谩n nas clases ou nas plataformas habilitadas.
A cualificaci贸n do alumno na primeira oportunidade corresponder谩 谩 media ponderada das cualificaciones obtidas nos traballos da avaliaci贸n continua.
Os alumnos que non superen a cualificaci贸n da avaliaci贸n continua poder谩n presentarse ao exame oficial correspondente
Cada semana os alumnos ter谩n horas de teor铆a e seminarios de problemas.
A actividade distribuirase da forma seguinte (en horas):
Clases de pizarra grupo grande: 24
Clases de pizarra grupo reducido: 18
Tutorias grupos reducidos: 3
Estudio aut贸nomo: 40
Escritura de traballos: 10
Lecturas recomendadas: 2.5
Preparacion presentacions orais: 15
Estudo dos conceptos vistos en teor铆a e realizaci贸n individual das pr谩cticas e/ou traballos, previo 谩 s煤a discusi贸n cos compa帽eiros, tratando de chegar 谩 s煤a comprensi贸n. Non se debe conformar o alumno co mero feito da s煤a realizaci贸n
Juan Manuel Ruso Veiras
Coordinador/a- Departamento
- F铆sica Aplicada
- 脕谤别补
- F铆sica Aplicada
- 罢别濒茅蹿辞苍辞
- 881814042
- Correo electr贸nico
- juanm.ruso [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Catedr谩tico/a de Universidade
Ram贸n Rial Silva
- Departamento
- F铆sica Aplicada
- 脕谤别补
- F铆sica Aplicada
- Correo electr贸nico
- ramon.rial [at] usc.es
- 颁补迟别驳辞谤铆补
- Posdoutoral 奇趣腾讯分分彩
| 惭茅谤肠辞谤别蝉 | |||
|---|---|---|---|
| 09:00-10:30 | Grupo /CLE_01 | 颁补蝉迟别濒谩苍 | Aula 830 |
| Xoves | |||
| 09:00-10:30 | Grupo /CLE_01 | 颁补蝉迟别濒谩苍 | Aula 830 |
| Venres | |||
| 09:00-10:30 | Grupo /CLE_01 | 颁补蝉迟别濒谩苍 | Aula 830 |
| 16.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula 0 |
| 16.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula 130 |
| 16.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula 6 |
| 16.01.2025 16:00-20:00 | Grupo /CLE_01 | Aula 830 |
| 17.06.2025 16:00-20:00 | Grupo /CLE_01 | Aula 0 |