Competencias propias de la asignatura | |
---|---|
Código | Descripción |
CB06 | Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
CB07 | Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
CB08 | Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
CB09 | Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades |
CE12 | Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento. |
INS01 | Capacidad de análisis, síntesis y evaluación. |
INS04 | Capacidad de resolución de problemas aplicando técnicas de ingeniería. |
INS05 | Capacidad para argumentar y justificar lógicamente las decisiones tomadas y las opiniones. |
PER01 | Capacidad de trabajo en equipo. |
PER02 | Capacidad de trabajo en equipo interdisciplinar. |
PER04 | Capacidad de relación interpersonal. |
SIS01 | Razonamiento crítico. |
SIS03 | Aprendizaje autónomo. |
UCLM02 | Capacidad para utilizar las Tecnologías de la Información y la Comunicación. |
Resultados de aprendizaje propios de la asignatura | |
---|---|
Descripción | |
Evaluar la viabilidad y necesidad de implantar un sistema inteligente para resolver un problema complejo. | |
Adquirir el conocimiento necesario para el desarrollo, puesta en marcha y explotación de un sistema inteligente. | |
Diseñar, prototipar y validar sistemas inteligentes en áreas típicas de aplicación (configuración, clasificación, etc.) | |
Resultados adicionales | |
No se han establecido. |
Actividad formativa | Metodología | Competencias relacionadas (para títulos anteriores a RD 822/2021) | ECTS | Horas | Ev | Ob | Descripción | |
Enseñanza presencial (Teoría) [PRESENCIAL] | Método expositivo/Lección magistral | CB06 CB07 CB08 CE12 INS04 SIS01 UCLM02 | 0.96 | 24 | S | N | Se proporcionará material para el seguimiento de la asignatura y se explicarán los principios fundamentales de cada tema. Los alumnos en modalidad semi-presencial usarán este material y emplearán el tiempo correspondiente en trabajo autónomo para su estudio. | |
Talleres o seminarios [PRESENCIAL] | Seminarios | CB06 CB07 CB08 CE12 INS04 SIS01 UCLM02 | 0.32 | 8 | S | N | Se impartirán varios seminarios para introducir las herramientas que serán utilizadas a lo largo del curso. Además, se harán, en la medida de lo posible, una o dos conferencias relativas a temas específicos. | |
Prácticas de laboratorio [PRESENCIAL] | Prácticas | CB06 CB07 CB08 CB09 CE12 INS01 INS04 INS05 PER01 PER02 PER04 SIS01 SIS03 UCLM02 | 0.72 | 18 | S | S | Realización de prácticas guiadas por parte del profesor. Los alumnos de la modalidad semi-presencial dispondrán de los guiones y podrán realizar estos trabajos de forma autónoma, con consultas al profesor en horarios de tutorías o mediante cita previa. | |
Estudio o preparación de pruebas [AUTÓNOMA] | Otra metodología | CB06 CB07 CB08 CE12 INS01 INS04 SIS01 SIS03 UCLM02 | 0.96 | 24 | S | N | Repaso y preparación de los conceptos vistos en clase. Búsqueda de documentación y elaboración de temas. | |
Elaboración de memorias de Prácticas [AUTÓNOMA] | Prácticas | CB06 CB07 CB08 CB09 CE12 INS01 INS04 INS05 PER01 PER02 PER04 SIS01 SIS03 UCLM02 | 0.56 | 14 | S | S | Preparación de la documentación asociada a las prácticas y programas realizadas durante el curso. Elaboración de memorias y presentaciones relacionadas a los casos de estudio. | |
Prueba final [PRESENCIAL] | Pruebas de evaluación | CE12 | 0.08 | 2 | S | S | Examen final para evaluar la superación de contenidos por parte de los alumnos (cuestiones, problemas y supuestos prácticos). Los alumnos que hayan demostrado la consecución de estos contenidos mediante las diferentes pruebas de progreso, estarán exentos de realizar esta prueba. | |
Elaboración de informes o trabajos [AUTÓNOMA] | Aprendizaje basado en problemas (ABP) | CB06 CB07 CB08 CB09 CE12 INS01 INS04 INS05 PER01 PER02 PER04 SIS01 SIS03 UCLM02 | 1.92 | 48 | S | S | Elaboración de las prácticas iniciadas en el laboratorio. Esta actividad requerirá de investigación y consulta de documentación. | |
Análisis de artículos y recensión [AUTÓNOMA] | Lectura de artículos científicos y preparación de recensiones | CB06 CB07 CB08 CB09 INS01 INS04 SIS01 SIS03 UCLM02 | 0.16 | 4 | S | N | A lo largo del curso se proporcionarán varios enlaces y artículos de interés relacionados con la asignatura. | |
Pruebas de progreso [PRESENCIAL] | Pruebas de evaluación | CE12 | 0.32 | 8 | S | N | Se llevará a cabo una prueba de progreso específica para cada uno de los temas (exceptuando el 1). Aquellos alumnos que las superen podrán superar la asignatura sin hacer la prueba final. | |
Total: | 6 | 150 | ||||||
Créditos totales de trabajo presencial: 2.4 | Horas totales de trabajo presencial: 60 | |||||||
Créditos totales de trabajo autónomo: 3.6 | Horas totales de trabajo autónomo: 90 |
Ev: Actividad formativa evaluable Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)
Sistema de evaluación | Evaluacion continua | Evaluación no continua * | Descripción |
Pruebas de progreso | 50.00% | 0.00% | ESC: Prueba de contenidos (examen escrito). Se hará una por cada tema (con excepción del uno). Quienes superen esta parte estarán exentos de hacer la prueba final. |
Realización de prácticas en laboratorio | 25.00% | 25.00% | LAB: Realización de prácticas correspondientes a tareas planteadas en el laboratorio. Los alumnos de modalidad presencial podrán realizar entregas parciales en clase, los alumnos en modalidad semi-presencial podrán enviar todas las respuestas via campus virtual. |
Resolución de problemas o casos | 15.00% | 15.00% | INF: Realización de tareas correspondientes a problemas, casos de estudio o memorias de recopilación de información solicitada. |
Prueba final | 0.00% | 50.00% | ESC: Prueba final de contenidos (examen escrito). Podrá eximirse de esta prueba a los alumnos que hayan demostrado adquirir los conocimientos mediante las pruebas de progreso. |
Presentación oral de temas | 10.00% | 10.00% | PRES: Elaboración de la presentación y defensa de una de las prácticas. |
Total: | 100.00% | 100.00% |
No asignables a temas | |
---|---|
Horas | Suma horas |
Estudio o preparación de pruebas [AUTÓNOMA][Otra metodología] | 24 |
Elaboración de memorias de Prácticas [AUTÓNOMA][Prácticas] | 14 |
Prueba final [PRESENCIAL][Pruebas de evaluación] | 2 |
Elaboración de informes o trabajos [AUTÓNOMA][Aprendizaje basado en problemas (ABP)] | 48 |
Análisis de artículos y recensión [AUTÓNOMA][Lectura de artículos científicos y preparación de recensiones] | 4 |
Tema 1 (de 4): Sistemas basados en procesamiento de datos | |
---|---|
Actividades formativas | Horas |
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 8 |
Talleres o seminarios [PRESENCIAL][Seminarios] | 4 |
Prácticas de laboratorio [PRESENCIAL][Prácticas] | 8 |
Pruebas de progreso [PRESENCIAL][Pruebas de evaluación] | 2 |
Periodo temporal: Semanas 1 a 6 |
Tema 2 (de 4): Modelos basados en aprendizaje no supervisado | |
---|---|
Actividades formativas | Horas |
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 4 |
Pruebas de progreso [PRESENCIAL][Pruebas de evaluación] | 1 |
Periodo temporal: Semanas 7 y 8 |
Tema 3 (de 4): Modelos basados en aprendizaje supervisado | |
---|---|
Actividades formativas | Horas |
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 4 |
Prácticas de laboratorio [PRESENCIAL][Prácticas] | 2 |
Pruebas de progreso [PRESENCIAL][Pruebas de evaluación] | 1 |
Periodo temporal: Semanas 9 y 10 |
Tema 4 (de 4): Aplicaciones basadas en analítica de datos | |
---|---|
Actividades formativas | Horas |
Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 8 |
Talleres o seminarios [PRESENCIAL][Seminarios] | 4 |
Prácticas de laboratorio [PRESENCIAL][Prácticas] | 8 |
Pruebas de progreso [PRESENCIAL][Pruebas de evaluación] | 4 |
Periodo temporal: Semanas 11 a 15 |
Actividad global | |
---|---|
Actividades formativas | Suma horas |
Comentarios generales sobre la planificación: | Esta planificación es ORIENTATIVA, pudiendo variar a lo largo del periodo lectivo en función de las necesidades docentes, festividades, o por cualquier otra causa imprevista. La planificación semanal de la asignatura podrá encontrarse de forma detallada y actualizada en la plataforma Campus Virtual (Moodle). La planificación temporal podrá verse modificada ante causas imprevistas. |
Autor/es | Título | Libro/Revista | Población | Editorial | ISBN | Año | Descripción | Enlace Web | Catálogo biblioteca |
---|---|---|---|---|---|---|---|---|---|
Documentación Scikit-learn | http://scikit-learn.org/stable/documentation.html | ||||||||
Documentación Matplotlib | http://matplotlib.org/ | ||||||||
Documentación de Pandas | http://pandas.pydata.org/ | ||||||||
Anand Rajaraman, Jeffrey David Ullman | Mining of Massive Datasets | Cambridge University Press | 9781107015357 | 2011 | http://www.mmds.org/ | ||||
Andrés Marzal, Isabel Gracia | Introducción a la programación con Python | https://www.u-cursos.cl/ingenieria/2011/2/CC3501/1/material_docente/bajar?id_material=381752 | |||||||
Jake VanderPlas | Python Data Science Handbook | O'Reilly Media, Inc. | 2016 | ||||||
Jannach, Zanker, Felfernig y Friedrich | Recommender systems: an introduction | Cambridge University Press | 2010 | ||||||
Russell Jurney | Agile Data Science 2.0 | O'Reilly Media, Inc. | 9781491960110 | 2017 | https://www.oreilly.com/library/view/agile-data-science/9781491960103/ |