No se establecen requisitos previos, si bien es muy recomendable haber cursado asignaturas como programción, estructuras de datos, metodología de la programación, bases de datos, sistemas inteligentes, álgebra y cálculo. Es recomendable, pero a modo de orientación, que se haya cursado la tecnología específica de computación.
A día de hoy la imáges y videos nos inundan, sitios web, redes sociales, etc. Todos nosotros tenemos un acceso fácil a realizar videos o/y fotografías, tenemos móviles, tabletas y ordenadores que poseen este tipo de cámaras. Si fuesemos capaces de procesar esta fuente de información para entender qué objetos hay en una imagen o video sería de un valor incalculable. El campo que se dedica a este estudio es el denomiando Visión por computadora o Computer vision.
La Visión por computadora consiste en la extracción automatizada de información de las imágenes y/o videos con el objetivo de darle un sentido a éstas en función de las tareas que queremos abordar. Para darle tal sentido hoy en día se base en los métodos de Aprendizaje Automático para el reconocimiento de los objetos presentes y del Aprendizaje Profundo para el tratamamiento automático de la extracción de carácteristicas.
Competencias propias de la asignatura | |
---|---|
Código | Descripción |
CM04 | Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación. |
CM05 | Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes. |
CM07 | Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos. |
INS01 | Capacidad de análisis, síntesis y evaluación. |
INS04 | Capacidad de resolución de problemas aplicando técnicas de ingeniería. |
Resultados de aprendizaje propios de la asignatura | |
---|---|
Descripción | |
Manejar y programar librerías informáticas específicas de visión artificial. | |
Conocer los métodos fundamentales y avanzados de tratamiento digital de la imagen y capacidad para definir los mejores sistemas de visión artificial. | |
Resultados adicionales | |
No se han establecido. |
Fundamentos de la visión artificial. Reconocimiento de formas. Tratamiento digital de la imagen. Visión por computador. Percepción e integración multisensorial. Aplicaciones de la visión artificial. La metodología seguida en clase será la siguiente:
Las sesiones serán semanales con tres sesiones: 1.5 horas semanales para teoría. 1.5 horas para realización de cuestiones prácticas. Revisión de herramientas y ejercicios de programación uitlizando python y libretas colab. Estas libretas y sus extensiones serán las que formen parte del portafolios que debe presentar el estudiante para su evaluación. Finalmente otra sesión de 1.5 horas para la realización, preguntas, cuestiones dudas y búsqueda de información para la elaboración del proyecto de la asignatura.
La planificación temporal será adecuada para las semanas que se incluyen en el cuatrimestre. Esta planificación será flexible y se anunciará con la sufienciente antelación las sesiones de cada semana en el campus virtual de la asignatura.
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 | CM04 CM05 CM07 INS01 INS04 | 0.8 | 20 | N | N | Clases de Teoría expositivas 1.5 horas aproximada cada semana durante 13 semanas. | |
Talleres o seminarios [PRESENCIAL] | Trabajo dirigido o tutorizado | CM04 CM05 CM07 INS01 INS04 | 0.8 | 20 | N | N | Planteamiento de trabajos de programación tutorizados con los métodos vistos en clase y las herramientas de programación necesarias para su resolución. Se plantearán diversas tareas para realizar en la clase. | |
Enseñanza presencial (Prácticas) [PRESENCIAL] | Aprendizaje orientado a proyectos | CM04 CM05 CM07 INS01 INS04 | 0.8 | 20 | N | N | Realización de un proyecto de asignatura para resolver un problema determinado mediante las técnicas que se verán a lo largo del curso. Estas clases se focalizarán para que los estudiantes puedan trabajar en su proyecto y, sobre todo, para plantear las dudas y cuestiones que estimen oportunas. | |
Elaboración de un portafolio [AUTÓNOMA] | Trabajo autónomo | CM04 CM05 CM07 INS01 INS04 | 0.8 | 20 | S | S | En este portafolio se incluirán todas las libretas COLAB de python que se trabajarán en cada sesión semanal con ejercicios y ejemplos de programación y sus extensiones. Se plantearán extensiones para trabajar de forma autónoma y reforzarán los conceptos teóricos vistos en clase. | |
Elaboración de memorias de Prácticas [AUTÓNOMA] | Aprendizaje orientado a proyectos | CM04 CM05 CM07 INS01 INS04 | 0.8 | 20 | S | S | En este caso se elabora el proyecto de asignatura, donde se debe incluir todos los aspectos metodológicos de un proyecto de programación para resolver una tarea adecuada a los conceptos de la asignatura. El proyecto se elaborará de forma autónoma y con el apoyo semanal de 1.5 horas de presencialidad para resolver dudas y cuestiones prácticas con los profesores de la asignatura. | |
Estudio o preparación de pruebas [AUTÓNOMA] | Trabajo autónomo | CM04 CM05 CM07 INS01 INS04 | 2 | 50 | N | N | ||
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 |
Práctico | 70.00% | 70.00% | [LAB] [INF]. Se valorará el proyecto de asignatura. Este proyecto será realizado de forma individual o por parejas y constará de una versión adecuadamente operativa de una solución software a un problema de visión por computador. Para su elaboración se utilizarán las técnicas y conceptos vistos y estudiados en clase. La forma de evaluar este proyecto consistirá en la realización de tres entrevistas a los miembros del grupos. Dos de estas entrevistas serán a lo largo del curso durante la elaboración del trabajo, previamente planificados en el propio proyecto y tendrán un peso del 20% (10% cada una de las entrevistas) de la nota final del proyecto. Finalmente se realizará una entrevista final donde se evaluará el proyecto en su conjunto y tendrá un peso del 80% de la nota total del proyecto. La elaboración del proyecto será obligatorio y deberá de obtenerse una nota mínima de 4 punto sobre 10 para poder superar la asignatura. |
Portafolio | 30.00% | 30.00% | [INF] Se planteará a lo largo del curso en cada semana una tarea de programación para trabajar los conceptos teóricos avanzados en cada sesión semanal. Se verá el uso de herramientas de programación para el tratamiento de los conceptos teóricos desarrollados. Finalmente se plantearan nuevos retos para que los estudiantes los resuelvan y los suban a su porfolio. Este porfolio se evaluará al final del curso. Este porfolio será obligatorio y se debe obtener al menos 4 puntos de 10 para poder superar la asignatura. Este portfolio servirá también para poder evaluar el aprovechamiento y seguimiento de las clases a lo largo del curso. |
Total: | 100.00% | 100.00% |
No asignables a temas | |
---|---|
Horas | Suma horas |
Comentarios generales sobre la planificación: | La asignatura se imparte en tres sesiones semanales de 1,5 horas. 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). Las actividades de evaluación o recuperación de clases podrían planificarse, excepcionalmente, en horario de tarde. |