Cr茅ditos ECTS
Cr茅ditos ECTS: 3
Horas ECTS Criterios/Memorias
Horas de Titor铆as: 1
Clase Expositiva: 10
Clase Interactiva: 11
Total: 22
Linguas de uso
滨苍驳濒茅蝉
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
Electr贸nica e Computaci贸n
脕谤别补蝉:
Linguaxes e Sistemas Inform谩ticos
Centro
Escola T茅cnica Superior de Enxe帽ar铆a
Convocatoria:
Segundo semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
| 1ro curso (Si)
O obxectivo principal desta materia 茅 co帽ecer e traballar nos procesos propios da xesti贸n de proxectos de intelixencia artificial tendo en conta, tanto a dimensi贸n de xesti贸n de proxectos software como as particularidades propias existentes nos proxectos de intelixencia artificial, cunha visi贸n integral de xesti贸n da calidade que contemple non s贸 aspectos t茅cnicos sen贸n tam茅n 茅ticos e legais. Seguindo esa estrutura pret茅ndese transmitir e involucrar ao estudante en todos os pasos necesarios para a obtenci贸n dun sistema de intelixencia artificial desde o punto de vista da xesti贸n de proxectos, proporcionando unha visi贸n global das metodolox铆as, procesos e t茅cnicas propios do desenvolvemento e xesti贸n de sistemas intelixentes. O alumnado ser谩 capaz de realizar as actividades necesarias para a planificaci贸n e seguimento dun proxecto no devandito 谩mbito, tanto desde o punto de vista de elecci贸n das actividades, recursos e tecnolox铆as como de selecci贸n ou dese帽o propio das ferramentas e variables para a correcta avaliaci贸n e control de resultados de todas as fases do proxecto. As铆 mesmo, proporcionaranse co帽ecementos b谩sicos sobre emprendemento baseado en sistemas e aplicaci贸ns da Intelixencia Artificial e os modelos de negocio involucrados xunto a posibilidades de financiamento de devanditos emprendementos. Tam茅n se tratar谩n os diferentes modelos de difusi贸n dos resultados de proxectos de IA.
Tipolox铆a de proxectos e modelos en Intelixencia Artificial.
Introduci贸n ao modelo de desenvolvemento en Aprendizaxe Autom谩tica.
Metodolox铆as de desenvolvemento e xesti贸n para Sistemas Intelixentes.
Concepci贸n, preparaci贸n e financiamento de proxectos de I+D+i en IA.
Conceptos de emprendemento baseados e a s煤a aplicaci贸n en IA: modelos de negocio e metodolox铆as.
Publicaci贸n de resultados e movementos Open Science, Open Data e participaci贸n da sociedade (RRI).
Difusi贸n da ciencia e internacionalizaci贸n.
PMBOK: Gu铆a de los Fundamentos Para la Direcci贸n de Proyectos (gu铆a del PMBOK)- 6 Ed, Project Management Institute, 2017. ISBN: 978-1628251944.
Scrum y XP desde las trincheras 鈥� 2陋Ed, Henrik Kniberg, 2007. C4Media Inc. ISBN: 978-1-4303-2264-1
Tras cursar a materia o alumno deber铆a ser capaz de ver un proxecto software como un conxunto de procesos. Pret茅ndese que o alumno adquira unha visi贸n do alcance que implica o desenvolvemento dun proxecto, dos procesos involucrados e da s煤a necesidade para o desenvolvemento de software de calidade.
Como resultado do desenvolvemento da materia os alumnos adquirir谩n competencias b谩sicas e xerais: CG1, CG2, CG4, CG5, CB6, CB7, CB9 E CB10. As competencias transversais: CT5, CT8 E CT9 e as competencias espec铆ficas CE19, CE20, CE21, CE22, CE28 e CE29.
M茅todo expositivo / lecci贸n maxistral: o profesorado presenta un tema ao alumnado co obxectivo de facilitar un conxunto de informaci贸n con alcance concreto. Esta metodolox铆a docente aplicarase 谩 actividade formativa "Clases de teor铆a".
Pr谩cticas de laboratorio: o profesorado da materia exp贸n ao alumnado un problema ou problemas de car谩cter pr谩ctico cuxa resoluci贸n require a comprensi贸n e aplicaci贸n dos contidos te贸rico-pr谩cticos inclu铆dos nos contidos da materia.
O alumnado pode traballar a soluci贸n aos problemas expostos de forma individual ou en grupos. Esta metodolox铆a docente aplicarase 谩 actividade formativa "Clases pr谩cticas de laboratorio" e poderase aplicar 谩 actividade formativa de "Sesi贸ns de aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos".
Aprendizaxe por proxectos: exponse ao alumnado proxectos pr谩cticos cuxo alcance require que se lle dedique un parte importante da dedicaci贸n total do alumno 谩 materia. Ademais, polo alcance dos traballos a realizar, requ铆rese non s贸 que o alumnado aplique competencias de xesti贸n ademais de competencias de 铆ndole t茅cnica.
Para superar a materia, o alumnado deber谩 aprobar por separado tanto a teor铆a como a pr谩ctica da materia. As pr谩cticas non se recuperan en xullo; excepto naqueles casos nos que o estudante alcance o 40% da nota m谩xima de pr谩cticas permit铆ndoselle ent贸n que realice todas as pr谩cticas respecto dun novo caso pr谩ctico especificamente exposto para unha posible recuperaci贸n. De ser as铆, o novo caso pr谩ctico ser谩 subido 谩 plataforma virtual d煤as semanas antes do exame te贸rico da materia. Na valoraci贸n dos traballos entregados polo alumnado valorarase o grao de consecuci贸n das competencias en particular a posta en pr谩ctica dos contidos achegados pola materia 谩s devanditas competencias. Ademais, valorarase as competencias transversais sempre que son requiridas para o desenvolvemento destes traballos.
As preguntas do exame te贸rico centraranse nos contidos espec铆ficos, que se desenvolveron na materia, en relaci贸n 谩s s煤as competencias e que poder谩n ser adquiridos tanto na parte expositiva como na interactiva. A duraci贸n media do exame 茅 de aproximadamente 2 horas e poder谩 constar de preguntas tipo test, preguntas curtas e problemas de casos pr谩cticos. No exame avaliarase o grao de asimilaci贸n dos obxectivos docentes establecidos no programa docente da materia.
Non se realizar谩 ning煤n exame parcial.
Unha vez aprobadas ambas as partes por separado, cada parte contar谩 un 50% na nota final.
Para ter unha avaliaci贸n de NON PRESENTADO debe de concorrer algunha das seguintes circunstancias:
1. Non asistir polo menos ao 85% das pr谩cticas da materia.
2. Non realizar o exame te贸rico da materia a pesar de superar as pr谩cticas da materia.
3. Non realizar o exame te贸rico da materia e comunicar explicitamente e por escrito ao responsable da materia que se abandona a materia cando, a铆nda realizando polo menos o 80% das pr谩cticas da materia, non se aprobaron @dicha pr谩cticas.
Peso da avaliaci贸n continua na oportunidade extraordinaria de recuperaci贸n (probas de Xullo):
1. Mantense a nota conseguida nas pr谩cticas durante o curso e tam茅n o seu peso na nota final.
Para os casos de realizaci贸n fraudulenta de exercicios ou probas ser谩 de aplicaci贸n o recolleito na Normativa de avaliaci贸n do rendemento acad茅mico dos estudantes e de revisi贸n de cualificaci贸ns.
O tempo total de estudos e o traballo persoal do estudante 茅 de 75 horas, repartidas aproximadamente da seguinte maneira:
1. Clases de teor铆a: 10 horas
2. Estudo aut贸nomo do alumno: 10 horas
3. Clases pr谩cticas de laboratorio: 5 horas
4. Redacci贸n de traballos pr谩cticos: 15 horas
5. Aprendizaxe baseada en problemas, estudo de casos e proxectos: 6 horas
6. Realizaci贸n de traballos tutelados, exames?: 29 horas
O esforzo descrito entre actividades 4 e 6 poder谩 rebalancearse ao longo do curso sen que implique un sobreesforzo total por parte do alumno.
A docencia ser谩 impartida en 滨苍驳濒茅蝉
Jos茅 Manuel Cotos Y谩帽ez
Coordinador/a- Departamento
- Electr贸nica e Computaci贸n
- 脕谤别补
- Linguaxes e Sistemas Inform谩ticos
- 罢别濒茅蹿辞苍辞
- 881816461
- Correo electr贸nico
- manel.cotos [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Titular de Universidade
Jos茅 脕ngel Taboada Gonz谩lez
- Departamento
- Electr贸nica e Computaci贸n
- 脕谤别补
- Linguaxes e Sistemas Inform谩ticos
- 罢别濒茅蹿辞苍辞
- 881816457
- Correo electr贸nico
- joseangel.taboada [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Titular de Universidade
| Luns | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | 滨苍驳濒茅蝉 | IA.02 |
| 18:30-20:00 | Grupo /CLIL_01 | 滨苍驳濒茅蝉 | IA.02 |
| 22.05.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 22.05.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 27.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 27.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |