Laurea in Intelligenza Artificiale e Informatica

Objetivos

El objetivo de la asignatura es dotar al estudiante de las herramientas algebraicas necesarias para dar soluciones digitales basadas en la inteligencia artificial de la forma más eficiente para resolver un problema planteado.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE18 Resolver problemas matemáticos aplicando métodos y algoritmos numéricos para diseñar soluciones digitales basadas en inteligencia artificial.

Resultados de aprendizaje

RA-1. Conoce los teoremas básicos principales del álgebra lineal.

RA-2. Comprende el cálculo matricial desde el punto de vista conceptual que proporcionan los espacios vectoriales y afines.

RA-3. Aplica conocimientos de álgebra lineal para resolver problemas que puedan plantearse en la ingeniería.

RA-4. Maneja conceptos básicos de sistemas lineales para resolver problemas propios de la ingeniería

Descripción de los contenidos

Sistemas de ecuaciones lineales.

Espacios vectoriales.

Clasificación de endomorfismos.

Diagonalización de endomorfirmos.

Teoría de Grafos

Estadísticas y combinatoria.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 30%

SE2.- Pruebas finales de conocimiento: 60%

SE3.- Cuaderno de prácticas de laboratorio: 10%

Objetivos

El objetivo de la asignatura es dotar al estudiante de las herramientas estadísticas que permitan conocer y profundizar en la resolución de problemas de inteligencia artificial.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

RA-1 Aplica las técnicas, métodos de representación y resumen y medidas propias de la Estadística Descriptiva y la Estadística Inferencial.

RA-2. Determina si un conjunto de datos permite aceptar o rechazar una hipótesis concreta y el error cometido al hacerlo.

RA-3. Determina y cuantifica el grado de asociación entre variables estadísticas.

Descripción de los contenidos

Elementos del análisis de datos

Estadística descriptiva: muestras y distribución de características muestrales.

Distribuciones de probabilidad

Variables aleatorias

Modelos de inferencia estadística. Estadísticos y sus propiedades básicas

Aproximación frecuentista: estimación puntual, por intervalo y contraste de hipótesis

Aproximación bayesiana: distribución final, intervalos creíbles y test bayesianos.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 30%

SE2.- Pruebas finales de conocimiento: 60%

SE3.- Cuaderno de prácticas de laboratorio: 10%

Cronograma

Pulse sobre este enlace para obtener el cronograma detallado en excel

Objetivos

El objetivo de la asignatura es dotar al estudiante de conocimientos sobre programación que le sirvan de herramienta básica para la resolución de problemas de computación e inteligencia artificial.

Requisitos previos

No existen requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

Resultados de aprendizaje

Resuelve problemas mediante un lenguaje de programación que utilice datos externos e interactúe con un usuario.

Plantea y escribe programas que resuelvan problemas utilizando distintas técnicas algorítmicas.

Conoce la estructura propia de un ordenador y su estructura funcional.

Utiliza un lenguaje de bajo nivel de un microprocesador y resuelve problemas con él.

Conoce y valora los distintos tipos de sistemas de almacenamiento y cómo afectan al rendimiento de un sistema informático.

Descripción de los contenidos

Pensamiento computacional.

Algoritmos y Sistemas de representación.

Tipos de datos y expresiones.

Funciones de Entrada y Salida de datos.

Estructuras de control de flujo.

Jerarquía de memoria.

Evaluación de rendimiento

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP11.- Elaboración de proyectos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 30%

SE2.- Pruebas finales de conocimiento: 60%

SE4.- Porfolio: 10%

Objetivos

El objetivo de la asignatura es dotar al estudiante de las soft skills necesarias para la perfecta inserción en el mercado laboral, adquiriendo herramientas que le permitan una mejor resolución de conflictos, gestión del trabajo en equipo, comunicación y oratoria y liderazgo.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

Resultados de aprendizaje

Aprende a comunicarse con éxito en reuniones y conversaciones profesionales.

Escribe de manera efectiva artículos, informes y mensajes de correo electrónico.

Planifica, construye e imparte presentaciones comerciales.

Transmite las situaciones importantes del ámbito profesional a sus interlocutores.

Expresa el resultado de su trabajo o un mensaje profesional ante una audiencia.

Aprende técnicas para estimular la colaboración y el trabajo en equipo, motivando a los compañeros y orientando al equipo hacia un objetivo común.

Previene, detecta y resuelve conflictos interpersonales en el entorno profesional.

Descripción de los contenidos

Comunicación con eficacia

Presentaciones eficaces

Hablar en público

Trabajo en equipo.

Gestión de conflictos.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 40%

SE2.- Pruebas finales de conocimiento: 60%

Objetivos

El objetivo de la asignatura es dotar al estudiante de conocimientos sobre estadística, grafos, lógica, conjuntos y teoría de números, que le permitan resolver problemas de computación e inteligencia artificial más complejos.

Descripción de los contenidos

Conjuntos.

Lógica

Teoría de números

Funciones

Teoría de Grafos

Estadísticas y combinatoria.

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

Evaluación continua

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 40%

SE2.- Pruebas finales de conocimiento: 60%

Examen ordinario

El examen comprenderá el temario completo de la asignatura y se aprobara obteniendo una puntuación de 5 sobre 10.

Examen extraordinario

El examen comprenderá el temario completo de la asignatura y se aprobará obteniendo una puntuación de 5 sobre 10. No se tomará en consideración las nota obtenidas por curso ni en evaluación ordinaria.

Bibliografía

Básica:

1.- Epp, Sussana

Matematicas Discretas con Aplicaciones (Spanish Edition)

Editorial: Cengage Learning. 2011.

ISBN: 9786074816211

2.- Veerarajan, T.

Matemática Discreta con teoría de gráficas y combinatoria

Ed. McGraw-Hill Interamericana.. 2008.

ISBN: 9701065301

Complementaria:

3.- Nakos, George

Álgebra lineal con aplicaciones

Madrid : Thomson, 1999. 1999.

ISBN: 9687529865

Objetivos

El objetivo de la asignatura es dotar al estudiante de los conocimientos iniciales sobre la inteligencia artificial, a través del diseño deuna heurística apropiada para un problema dado.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Comprende la evolución histórica de la Inteligencia Artificial.

Identifica las características de un sistema inteligente

Identifica qué tipo de búsqueda (ciega/con heurística/entre adversarios) es más adecuada para abordar la solución de un determinado problema e implementa dicho mecanismo de búsqueda.

Diseña una heurística apropiada para un problema dado.

Identifica qué tipo de aprendizaje (supervisado, no supervisado) es más adecuado para un problema dado e implementa la estrategia de aprendizaje más adecuada

Resuelve problemas de diversa complejidad utilizando técnicas de inteligencia artificial.

Aplica técnicas avanzadas de inteligencia artificial para el diseño y desarrollo de aplicaciones.

Descripción de los contenidos

Introducción a la Inteligencia Artificial.

Técnicas de Búsqueda:

Aprendizaje supervisado:

Aprendizaje no Supervisado: Redes Semánticas y Marcos

Modelado de superficies.

Introducción al Análisis estadístico para grandes volúmenes de datos (Big Data).

Casos de uso en las organizaciones.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 20%

SE2.- Pruebas finales de conocimiento: 60%

SE3.- Cuaderno de prácticas de laboratorio: 20%

Objetivos

El objetivo de la asignatura es ampliar al estudiante los conocimientos de estadística para afrontar problemas computacionales más complejos.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

RA-1 Conoce los principios básicos del diseño de experimentos y de los modelos de regresión.

RA-2 Aplica diversas técnicas y modelos para el análisis de datos multivariantes.

RA-3 Maneja los elementos del control de calidad.

RA-4 Utiliza el análisis y modelos iniciales de series temporales para la resolución de problemas de la ingeniería de diversos niveles de dificultad.

RA-5 Maneja software estadístico y sabe interpretar sus resultados.

Descripción de los contenidos

Técnicas de regresión y diseño de experimentos.

Análisis Inferencial Multivariante y técnicas multivariantes.

Control de procesos: análisis de la calidad.

Series temporales: Modelos básicos.

Aplicaciones al campo de la Inteligencia Artificial.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 30%

SE2.- Pruebas finales de conocimiento: 60%

SE3.- Cuaderno de prácticas de laboratorio: 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

Resultados de aprendizaje

Conoce la tecnología de Bases de Datos

Aprende los conceptos teóricos del Modelo relacional

Aprende a programar rutinas de acceso a bases de datos con el lenguaje SQL

Entiende los problemas y necesidades asociadas al manejo, adquisición y almacenamiento de grandes volúmenes de datos.

Desarrolla de aplicaciones que impliquen el diseño, implementación y administración de bases de datos

Comprende con conceptos de normalización, diseño y administración de las bases de datos y su integración en sistemas de información.

Descripción de los contenidos

Estructuras dinámicas de datos.

Algoritmos de búsqueda y ordenación.

Introducción a la eficiencia de algoritmos.

Análisis de la eficiencia de algoritmos.

Aplicación de estructuras de datos a la resolución de problemas.

Diseño de algoritmos.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP12.- Resolución de retos

AP14.- Exposiciones orales

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Objetivos

Introducir al alumno en la Programación Orientada a Objetos (POO) con Python. Entender los pilares de la POO y aplicarlos en la elaboración de programas.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

Resultados de aprendizaje

Conoce los principios de la Programación Orientada a Objetos.

Comprende el funcionamiento de los elementos de la programación orientada a objetos.

Entiende cómo funcionan las clases y cómo se pueden crear instancias a partir de ellas.

Implementa y llama métodos. Entender su propósito dentro de las clases.

Define atributos de instancia y atributos de clase. Aprender sus diferencias.

Trabaja con la herencia para reutilizar el código, mejorar el diseño y evitar la repetición.

Practica aspectos clave de la programación orientada a objetos.

Aplica la programación orientada a objetos en el lenguaje Python.

Descripción de los contenidos

Introducción a la Programación Orientada a Objetos.

Encapsulación y herencia.

Polimorfismo.

Abstracción.

Tratamiento de Excepciones.

Memoria dinámica.

Programación concurrente.

Programación para la ciencia de datos.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP11.- Elaboración de proyectos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE4.- Porfolio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Entiende e implementa los distintos métodos de resolución de sistemas lineales, tanto directos como iterativos.

Maneja las distintas factorizaciones de matrices.

Calcula y dibuja los polinomios de interpolación y las funciones spline cúbicas interpoladoras de una función de una variable real.

Aproxima el valor de integrales definidas y las raíces de una ecuación no lineal con una precisión determinada, eligiendo el método más adecuado a la situación.

Descripción de los contenidos

Métodos numéricos para la resolución de ecuaciones no lineales. Cálculo de raíces de polinomios.

Álgebra Lineal Numérica: Factorización QR. Aproximación de los autovalores y autovectores de una matriz.

Descomposición en valores singulares. Mínimos cuadrados lineales. Pseudoinversa de una matriz.

Resolución de sistemas de ecuaciones lineales mediante métodos directos e iterativos

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Objetivos

El objetivo de la asignatura es dotar al estudiante de las herramientas algebraicas necesarias para dar soluciones digitales basadas en la inteligencia artificial de la forma más eficiente para resolver un problema planteado.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

Utiliza conocimientos de algorítmica y complejidad computacional para resolver problemas que puedan plantearse en la ciencia de la computación y la inteligencia artificial.

Identifica y propone soluciones para problemas de eficiencia de algoritmos

Calcula la eficiencia de algoritmos iterativos aplicando las reglas de cálculo adecuadas.

Diseña y dimensiona algoritmos para entornos de diferente tamaño y complejidad

Resuelve problemas que puedan plantearse en la ciencia de la computación y la inteligencia artificial aplicando conocimientos en relación con la estructura y programación de los sistemas informáticos.

Descripción de los contenidos

Estructuras dinámicas de datos.

Algoritmos de búsqueda y ordenación.

Introducción a la eficiencia de algoritmos.

Análisis de la eficiencia de algoritmos.

Aplicación de estructuras de datos a la resolución de problemas.

Diseño de algoritmos.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP11.- Elaboración de proyectos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.): 30%

SE2.- Pruebas finales de conocimiento: 60%

SE3.- Cuaderno de prácticas de laboratorio: 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE6 Desarrollar sistemas o arquitecturas informáticas centralizadas o distribuidas integrando hardware, software y redes para construir soluciones digitales basadas en inteligencia artificial.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

RA-1 Diseño de circuitos digitales secuenciales y combinacionales.

RA-2 Realización de informes sobre el diseño, implementación y prueba de programas de bajo nivel y de su prueba en laboratorio.

RA-3 Realización de informes de configuración hardware de sistemas informáticos que cumplan determinados criterios.

RA-4 Comprensión de los elementos de evaluación y rendimiento de hardware y su aplicación a sistemas informáticos.

RA-5 Conocimiento de los nuevos elementos hardware y sistemas de almacenamiento.

RA-7 Comprensión de los conceptos relacionados con la estructura y funcionamiento de los sistemas operativos.

RA-8 Diseño de procesos que exploten los servicios del sistema operativo.

Descripción de los contenidos

Introducción a la estructura de computadores.

Instrucciones y modos de direccionamiento.

Unidad de control y ruta de datos.

Memoria y entrada/salida en el microprocesador

Introducción a los Sistemas Operativos.

Procesos y hebras.

Planificación del procesador.

Comunicación y sincronización.

Gestión de memoria.

Gestión de archivos y E/S

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

La evaluacion continua esta sujeta a la asistencia al 70% de las clases. En caso de que nos e cumpla esta condición el alumno perdera todas las otas de evaluacio continua y deberá presentarse al total de la asignatura en el examen ordinario

Objetivos

A través de las 4 unidades didácticas de la asignatura, se pretenden desarrollar las siguientes

competencias y resultados de aprendizaje:

▪ Competencias básicas:

Entender la filosofía empresarial data-driven

Comprender las necesidades que hay detrás de un trabajo de ciencia de datos.

Saber trabajar en la resolución de problemas.

▪ Competencias específicas:

Dominar la librería de Python pandas.

Tener agilidad y soltura en la realización y planteamiento de queries con SQL

Conocer las técnicas más comunes de análisis exploratorio de datos y de ingeniería de

variables

▪ Resultados de aprendizaje:

Ser capaz de trabajar con los distintos sistemas de adquisición, transformación y

escritura de datos

Ser capaz de utilizar las técnicas de análisis exploratorio para generar un reporte

analítico entregable para negocio

Descripción de los contenidos

El plan de trabajo que aquí te presentamos es el predefinido para superar la asignatura/módulo

con éxito.

• La asignatura consta de 4 unidades didácticas:

o Unidad 1 (1.5 ECTS): Introducción a la ciencia de datos

o Unidad 2 (2 ECTS): Trabajo con ETL

o Unidad 3 (1.5 ECTS): Análisis exploratorio de variables

o Unidad 4 (1 ECTS): Ingeniería de variables

• La asignatura consta de 2 actividades de aprendizaje, correspondientes a las unidades

1-2 y a las unidades 3-4.

• Esta asignatura/módulo comienza el día 8 de Septiembre de 2025 y finaliza el 18 de

Diciembre de 2024.

• El examen final de la asignatura/módulo deberá realizarse en la fecha indicada en el

campus

Sistema y criterios de evaluación

La calificación final (x) se calculará de acuerdo con la siguiente fórmula:

x = 0.5 · x_con + 0.5 · x_ord

Donde:

x_ord es la calificación, en una escala de 0 a 10, obtenida en la convocatoria ordinaria (ya sea mediante dos exámenes parciales o mediante el examen final).

x_con se calcula como:

x_con = (3·x_1 + 2·x_2) / 5

siendo x_1 y x_2 las calificaciones, en una escala de 0 a 10, obtenidas en las entregas de las dos actividades de aprendizaje correspondientes a las unidades 1-2 y 3-4. La primera actividad tiene un peso mayor que la segunda, ya que abarca más contenido.

La fórmula anterior será aplicable únicamente si tanto x_con como x_ord son iguales o superiores a 5.

En resumen:

El 50% de la calificación final corresponde a la evaluación de actividades entregables.

El otro 50% corresponde a la evaluación mediante dos exámenes parciales o, de manera alternativa, mediante el examen final.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE4 Dirigir proyectos basados en tecnologías digitales, elaborando la planificación de tareas, realizando el seguimiento de las actividades, el control económico del presupuesto y asegurando la consecución de los objetivos con los plazos y calidad establecidos.

CE6 Desarrollar sistemas o arquitecturas informáticas centralizadas o distribuidas integrando hardware, software y redes para construir soluciones digitales basadas en inteligencia artificial.

CE7 Desarrollar sistemas de computación en la nube utilizando microservicios para que los usuarios finales puedan crear y ejecutar fácilmente aplicaciones en servidores remotos.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

Resultados de aprendizaje

Aprende los conceptos generales de la computación en la nube

Obtiene una comprensión de los sistemas fundamentales en los que se basa la nube.

Gestiona los requisitos de un sistema de computación en la nube.

Conoce las técnicas y herramientas de los modelos de integración continua de aplicaciones.

Aprende los fundamentos de Amazon Web Services (AWS)

Desarrolla habilidades prácticas utilizando los servicios principales de Amazon Web Services (AWS)

Construye el conocimiento desde el nivel de principiante hasta los conceptos avanzados.

Entiende cómo empezar a trabajar con Azure

Crea máquinas virtuales

Trabaja con opciones de almacenamiento como BLOB, SQL Server

Entendimiento básico de servicios como Azure Functions, Azure Web apps, etc.

Descripción de los contenidos

Conceptos Básicos de la Nube.

Introducción a las Arquitecturas de Aplicaciones en la nube.

Entornos de trabajo en la nube.

Tecnología AWS.

Tecnología MS-Azure.

Tecnología Google Cloud.

Gestión del ciclo de vida de las aplicaciones.

Fundamentos DevOps y de integración continua.

Seguridad y servicios de protección.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE9 Definir y construir los procesos y procedimientos que implican la programación y creación de aplicaciones o software diseñados para dispositivos web.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

Resultados de aprendizaje

Aprende a construir sitios web modernos utilizando marcos de diseño de aplicaciones y plataformas de desarrollo, así como biblioteca de interfaz de usuario de alto rendimiento.

Aprende a construir aplicaciones web responsive con marcos de desarrollo específicos para los dispositivos móviles.

Aprende HTML5 & CSS3 y Javascript.

Aprende a construir sitios web aplicando estándares que garanticen la interoperabilidad de las páginas web en diferentes navegadores.

Desarrolla aplicaciones web de front-end que reaccionan rápidamente a cualquier interacción del usuario y permiten almacenamiento persistente de datos.

Desarrolla aplicaciones web de servidor.

Construye un sitio web completo.

Descripción de los contenidos

Introducción integración continua y el desarrollo continuo.

Fundamentos desarrollo front: HTML, CSS, JS, JQUERY, JSON.

Trabajo con frameworks específicos tipo Bootstrap, Angular y React.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP11.- Elaboración de proyectos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE4.- Porfolio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Aprende a aplicar correctamente las técnicas de aprendizaje automático para obtener resultados fiables y significativos.

Conoce las técnicas más representativas y actuales de aprendizaje no supervisado, semisupervisado y supervisado, con y sin refuerzo.

Conoce las técnicas de aprendizaje profundo.

Identifica las técnicas apropiadas de análisis de datos según el problema.

Maneja las herramientas y entornos de trabajo más actuales en el ámbito del aprendizaje automático.

Descripción de los contenidos

Introducción al aprendizaje automático.

Reconocimiento de patrones.

Aprendizaje supervisado.

Aprendizaje no supervisado.

Aprendizaje por refuerzo.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE4 Dirigir proyectos basados en tecnologías digitales, elaborando la planificación de tareas, realizando el seguimiento de las actividades, el control económico del presupuesto y asegurando la consecución de los objetivos con los plazos y calidad establecidos.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

Resultados de aprendizaje

Conoce las fases y metodologías del proceso de creación de productos digitales.

Realiza prototipos de productos para reducir las desviaciones en su desarrollo.

Conoce técnicas de diseño centradas en el usuario y utilizar guías de estilo.

Integra el diseño digital y el desarrollo de software en la creación de productos digitales.

Aplica los principios de usabilidad y accesibilidad al diseño de productos digitales.

Conoce las diferentes interfaces de usuario avanzadas para productos digitales.

Realiza diseños digitales específicos para diferentes plataformas tecnológicas.

Diseña en equipo un proyecto digital de una interfaz de usuario en un caso real.

Descripción de los contenidos

Introducción al diseño de productos digitales.

Fundamentos de investigación en experiencia de usuario.

Accesibilidad.

Arquitectura de la información.

Metodologías para realizar proyectos de experiencia de usuario.

Diseño y usabilidad.

Diseño para interfaces de voz.

Diseño y experiencia con Realidad Aumentada.

Diseño y experiencia con Realidad Virtual.

Diseño y experiencia con Realidad Aumentada.

Diseño y experiencia con Realidad Virtual.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE9 Definir y construir los procesos y procedimientos que implican la programación y creación de aplicaciones o software diseñados para dispositivos web.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

Resultados de aprendizaje

Familiarizarse con los entornos de programación de servicios web.

Diseña y desarrolla APIs que realicen operaciones persistentes.

Desarrolla mecanismos de autenticación y autorización para aplicaciones de back-end

Programa aplicaciones web con interacción con la base de datos

Incorpora las mejores prácticas de seguridad a los desarrollos web.

Despliega aplicaciones back-end en un estado listo para la producción en Amazon Web Services

Escribe código limpio y mantenible en línea con los estándares de la industria

Implementa un registro eficiente en una aplicación de back-end

Gestiona la configuración de aplicaciones web basada en el entorno y variables de entorno

Implementa de la validación de datos

Descripción de los contenidos

Arquitecturas microservicios (Hexagonal, CQRS, EDA, …),

Desarrollo RESTful API con herramienta opensource tipo Python, Swagger, OAuth

Integración con bases de datos SQL y noSQL.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP11.- Elaboración de proyectos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE4.- Porfolio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Desarrolla la comprensión lectora que le permita desenvolverse en un contexto profesional en idioma inglés.

Desarrolla la comprensión auditiva que le permita desenvolverse en un contexto profesional en idioma inglés.

Tiene capacidad para la producción oral que le permita desenvolverse en un contexto profesional en idioma inglés.

Tiene capacidad para la producción escrita que le permita desenvolverse en un contexto profesional en idioma inglés.

Conoce el vocabulario relacionado con la ciencia de la computación y la inteligencia artificial.

Descripción de los contenidos

Vocabulario científico y profesional de las tecnologías digitales

Gramática (nivel intermedio)

Comunicación con clientes.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la asistencia a menos del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Bibliografía

Básica:

1.- Hill, David

English for Information Technology Level 2 Course Book

Pearson Educación. 2012.

ISBN: 9781408269909

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE14 Construir interfaces persona-computador para que los sistemas digitales ofrezcan una experiencia de usuario óptima cumpliendo las normas de accesibilidad.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Conoce distintas técnicas para la construcción de visualizaciones de datos.

Conoce diferentes métodos para el diseño, la codificación visual y la interacción con datos.

Comprende el estado de la cuestión de la visualización de datos.

Sabe comunicar de forma clara y eficiente los patrones que se encuentran en los datos.

Usa herramientas que permitan generar visualizaciones de datos.

Utiliza herramientas que generen visualizaciones interactivas en un entorno web.

Reconoce las fases que comprende un proyecto de visualización de datos en de cualquier herramienta de software concreto.

Conoce y propone formas alternativas para visualizar un mismo conjunto de datos.

Descripción de los contenidos

Tipos de datos y fuentes de datos

Visualización de información para datos ordinales y numéricos.

Visualización de datos multivariantes: diagramas de dispersión, caras de Chernoff.

Visualización de datos estructurados: grafos y representaciones de redes.

Visualización de datos no estructurados: texto, flujos de datos, etc.

Herramientas de visualización para datos dinámicos

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Comprende en profundidad los modelos de aprendizaje automático (regresión logística, perceptrones multicapa, redes neuronales convolucionales, procesamiento del lenguaje natural, etc.)

Desarrolla la capacidad para resolver con aprendizaje automático problemas complejos en diversos contextos industriales.

Adquiere experiencia práctica en la implementación de los modelos de ciencia de datos en conjuntos de datos.

Aprende a implementar algoritmos de aprendizaje automático con lenguaje Python.

In-depth understanding of machine learning models (logistic regression, multilayer perceptrons, convolutional neural networks, natural language processing, etc.).

Develop the ability to solve complex problems with machine learning in various industrial contexts.

Acquire practical experience in the implementation of data science models in datasets.

Learn to implement machine-learning algorithms with Python language

Descripción de los contenidos

Algoritmos de aprendizaje supervisado.

Regresión linear

Regresión logística

Algoritmos de aprendizaje no supervisado.

K-means clustering.

KNN.

Algoritmos de aprendizaje por refuerzo.

Q-Learning

Aplicaciones del aprendizaje automático en la industria.

Supervised learning algorithms.

Linear regression

Logistic regression

Unsupervised learning algorithms.

K-means clustering.

KNN.

Reinforcement learning algorithms.

Q-Learning

Machine-learning applications in industry.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP11.- Elaboración de proyectos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE6 Desarrollar sistemas o arquitecturas informáticas centralizadas o distribuidas integrando hardware, software y redes para construir soluciones digitales basadas en inteligencia artificial.

CE7 Desarrollar sistemas de computación en la nube utilizando microservicios para que los usuarios finales puedan crear y ejecutar fácilmente aplicaciones en servidores remotos.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE11 Aplicar modelos predictivos y utilizar el procesamiento del lenguaje natural al trabajar con conjuntos de datos masivos.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Conoce el panorama de los datos masivos, incluyendo ejemplos del mundo real.

Identifica problemas de datos masivos y ser capaz plantear soluciones aprovechando la ciencia de datos.

Conoce la arquitectura y los modelos de programación utilizados para el análisis de datos masivos.

Identifica las técnicas de tratamiento habituales en la explotación de datos masivos

Aplica técnicas para el manejo de datos en streaming.

Identifica cuándo un problema de datos masivos necesita integración de datos

Conoce los fundamentos de la extracción y análisis de datos, y la relación con otras disciplinas.

Conoce técnicas de clasificación, asociación y dependencia para extracción del conocimiento.

Conoce las técnicas de análisis de datos complejos de diversos tipos.

Conoce los conceptos básicos de la informática distribuida y reconocer cuándo aplicarlos.

Conoce los conceptos básicos edge computing y reconocer cuándo aplicarlos.

Descripción de los contenidos

Fundamentos de Big Data.

Arquitecturas Hadoop y Spark (Datasets, DataFrames, Pyspark) trabajando sobre alguna de las principales plataformas en la nube del mercado.

Modelado de datos masivos.

Preparación y selección de datos masivos.

Integración y procesamiento de datos masivos.

Introducción a Edge Computing.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

Comprende la teoría de la IV Revolución Industrial y relacionarla con los grandes avances tecnológicos de la humanidad.

Conoce las tecnologías digitales exponenciales y su fusión con las tecnologías físicas y biológicas.

Identifica las posibilidades de la automatización y su impacto en la innovación y productividad de las organizaciones.

Conoce los nuevos modelos de relación y comunicación digital de las empresas con sus clientes y las oportunidades para negocios disruptivos.

Identifica los nuevos enfoques de regulación y gestión ágil de los servicios públicos.

Reconoce los desafíos para la seguridad, la ética y la desigualdad que plantea la economía digital.

Understand the theory of the Fourth Industrial Revolution and relate it to the great technological advances of mankind.

Understand exponential digital technologies and their fusion with physical and biological technologies.

Identify the possibilities of automation and its impact on innovation and productivity in organizations.

Knowing the new models of relationship and digital communication between companies and their customers and the opportunities for disruptive businesses.

Identify new approaches to regulation and agile management of public services.

Recognize the challenges to security, ethics and inequality posed by the digital economy.

Descripción de los contenidos

Presentación de la IV Revolución Industrial.

Las tecnologías exponenciales y la fusión de mundos.

Innovación y productividad asociada a las tecnologías exponenciales

Negocios digitales disruptivos.

Gobierno y regulación de la economía y la sociedad digitales.

Defensa y seguridad. Internet como campo de batalla.

Ética y desigualdad en la IV Revolución Industrial.

Introduction to the 4th Industrial Revolution.

Exponential technologies and the fusion of worlds.

Innovation and productivity associated with exponential technologies.

Disruptive digital business.

Governance and regulation of the digital economy and society.

Defense and security. The Internet as a battlefield.

Ethics and inequality in the 4th Industrial Revolution.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE4 Dirigir proyectos basados en tecnologías digitales, elaborando la planificación de tareas, realizando el seguimiento de las actividades, el control económico del presupuesto y asegurando la consecución de los objetivos con los plazos y calidad establecidos.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

Resultados de aprendizaje

Reconoce y valora la importancia y necesidad de la gestión de proyectos.

Utiliza herramientas de soporte para la planificación y la gestión de proyectos.

Conoce las funciones más importantes del responsable de un proyecto.

Analiza y toma decisiones sobre la gestión y planificación de las diferentes fases de un proyecto, como la planificación, la integración, el alcance, los plazos, costes, aprovisionamiento y calidad concebidos para el estudio de la asignatura.

Identifica y analiza los recursos, comunicaciones y riesgos en el proceso de desarrollo de un proyecto de ingeniería en el ámbito de las tecnologías digitales y la inteligencia artificial.

Comprensión de los elementos que determinan la gestión de la tecnología en un entorno empresarial.

Conoce las fases de la aplicación y gestión de Proyectos de I+D+i.

Comprende y asume los estándares de calidad y normativa de aplicación en el ámbito de las tecnologías digitales y la inteligencia artificial.

Descripción de los contenidos

Metodología Scrum y Scrum SAFe.

Metodología Kanban.

Desarrollo iterativo y de Producto Mínimo Viable (Minimun Viable Product MVP) empleando metodologías ágiles.

Adaptación a la Inteligencia Artificial de metodologías ágiles.

Gestión del Cambio.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Objetivos

La asignatura de Modelado Avanzado de Información se centra en el estudio y aplicación de bases de datos no relacionales, con un enfoque particular en MongoDB. En esta materia, los estudiantes profundizan en los conceptos y principios fundamentales de las bases de datos NoSQL y adquieren habilidades prácticas en el diseño, implementación y gestión de sistemas de almacenamiento de datos flexibles y escalables.

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE6 Desarrollar sistemas o arquitecturas informáticas centralizadas o distribuidas integrando hardware, software y redes para construir soluciones digitales basadas en inteligencia artificial.

CE7 Desarrollar sistemas de computación en la nube utilizando microservicios para que los usuarios finales puedan crear y ejecutar fácilmente aplicaciones en servidores remotos.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE11 Aplicar modelos predictivos y utilizar el procesamiento del lenguaje natural al trabajar con conjuntos de datos masivos.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Aprende a construir procesos de explotación de datos escalables y fiables.

Diseña sistemas de bases de datos adecuados a cada problema concreto.

Diseña sistemas de bases de datos para el aprendizaje automático.

Supervisa los canales de datos y los modelos de aprendizaje automático.

Diseña sistemas de bases de datos distribuidos escalables.

Conoce los distintos modelos de bases de datos NoSQL.

Conoce las características de las principales bases de datos NoSQL.

Aprende a manipular los datos de la base de datos de documentos MongoDB.

Descripción de los contenidos

Bases de datos distribuidas

Alta Disponibilidad de las bases de datos.

Tolerancia a fallos de las bases de datos.

Alto rendimiento y capacidad de escala para gestión de datos masivos.

Fundamentos de las bases de datos NoSQL.

Tipos de bases de datos NoSQL.

Programación de acceso a bases de datos NoSQL.

Introducción a MongoDB.

Consultas básicas y avanzadas en MongoDB.

Introducción a bases de datos de grafos.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10.- Resolución de problemas

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE4 Dirigir proyectos basados en tecnologías digitales, elaborando la planificación de tareas, realizando el seguimiento de las actividades, el control económico del presupuesto y asegurando la consecución de los objetivos con los plazos y calidad establecidos.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE6 Desarrollar sistemas o arquitecturas informáticas centralizadas o distribuidas integrando hardware, software y redes para construir soluciones digitales basadas en inteligencia artificial.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.Entiende los fundamentos de la criptografía.

Resultados de aprendizaje

Entiende los fundamentos de la criptografía.

Conoce los algoritmos de cifrado principales.

Conoce los sistemas de firma y verificación basados en clave pública

Entiende las medidas de seguridad de los sistemas de información y redes.

Conoce los mecanismos de verificación de identidad en los sistemas digitales.

Define políticas de seguridad para sistemas de información corporativos.

Elabora auditorías de seguridad de sistemas y redes digitales

Understand the fundamentals of cryptography.

To know the main encryption algorithms.

To know the signature and verification systems based on public key.

Understand the security measures of information systems and networks.

To know the mechanisms of identity verification in digital systems.

Define security policies for corporate information systems.

Develop security audits of digital systems and networks

Descripción de los contenidos

Introducción a la seguridad de sistemas de información.

Criptografía simétrica y asimétrica.

Algoritmos de encriptación de clave pública.

Sistemas de verificación de identidad.

Seguridad en los sistemas de información y redes.

Políticas y estrategias de seguridad.

Introduction to information systems security.

Symmetric and asymmetric cryptography.

Public key encryption algorithms.

Identity verification systems.

Security in information systems and networks.

Security policies and strategies.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE4 Dirigir proyectos basados en tecnologías digitales, elaborando la planificación de tareas, realizando el seguimiento de las actividades, el control económico del presupuesto y asegurando la consecución de los objetivos con los plazos y calidad establecidos.

CE6 Desarrollar sistemas o arquitecturas informáticas centralizadas o distribuidas integrando hardware, software y redes para construir soluciones digitales basadas en inteligencia artificial.

CE7 Desarrollar sistemas de computación en la nube utilizando microservicios para que los usuarios finales puedan crear y ejecutar fácilmente aplicaciones en servidores remotos.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Conoce las herramientas DevOps adecuadas para ejecutar aplicaciones con mayor calidad.

Conoce el proceso de software DevOps y sus diferentes entornos para mejorar el rendimiento.

Aprende a supervisar la transformación de las aplicaciones desde las instalaciones hasta los despliegues híbridos y en la nube.

Comprende cómo modernizar la gestión de las operaciones tecnológicas con inteligencia artificial.

Aprende las mejores prácticas para el desarrollo ágil y la entrega continua.

Aprende a construir, probar y desplegar aplicaciones en la nube con herramientas y prácticas DevOps.

Aprende los conceptos básicos de integración continua, entrega y despliegue continuos.

Aprende a instalar y configurar sistemas de contenedores.

Ejecuta aplicaciones sin estado y con estado en sistemas de contenedores.

Escala sus aplicaciones usando métricas.

Know the appropriate DevOps tools to run applications with higher quality.

Know the DevOps software process and its different environments to improve performance.

Learn to oversee the transformation of applications from on-premises to hybrid and cloud deployments.

Understand how to modernise technology operations management with artificial intelligence.

Learn best practices for agile development and continuous delivery.

Learn how to build, test and deploy applications in the cloud with DevOps tools and practices.

Learn the basic concepts of continuous integration, continuous delivery and continuous deployment.

Learn to install and configure container systems.

Be able to run stateless and stateful applications on container systems.

Be able to scale your applications using metrics.

Descripción de los contenidos

Metodología Devops,

Metodología MLops

Fundamentos cloud native (micro servicios, contenedores),

Arquitecturas real-time (Kafka), trabajando sobre alguna de las principales plataformas en la nube del mercado.

Devops methodology,

MLops methodology

Cloud native fundamentals (micro services, containers...),

Real-time architectures (Kafka), working on some of the main cloud platforms on the market.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP11.- Elaboración de proyectos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE4.- Portfolio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

Conoce cómo incluir la inteligencia artificial en una estrategia empresarial.

Aprende para desarrollar una hoja de ruta para implantar la inteligencia artificial en un contexto empresarial.

Identifica las implicaciones organizativas de integrar en los negocios la robótica, el procesamiento del lenguaje natural y el aprendizaje automático.

Sabe aprovechar los conocimientos clave de gestión y liderazgo de la IA para apoyar la toma de decisiones estratégicas informadas.

Adquiere una base práctica en la inteligencia artificial y sus aplicaciones empresariales para transformar las organizaciones en empresas del futuro.

Know how to include artificial intelligence in a business strategy.

Learn to develop a roadmap for implementing artificial intelligence in a business context.

Identify the organizational implications of integrating robotics, natural language processing and machine learning into business.

Know how to leverage key management and leadership insights from AI to support informed strategic decision making.

Acquire a practical grounding in artificial intelligence and its business applications to transform organizations into enterprises of the future.

Descripción de los contenidos

Estrategia para implantar inteligencia artificial en una organización.

El aprendizaje automático en la empresa

Procesamiento del lenguaje natural en la empresa

Robótica en los negocios.

La inteligencia artificial en la empresa y la sociedad

Casos de éxito.

El futuro de la inteligencia artificial.

Strategy for implementing artificial intelligence in an organization.

Machine learning in the enterprise

Natural language processing in business

Robotics in business.

Artificial intelligence in business and society

Success stories.

The future of artificial intelligence.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Requisitos previos

No se han establecido requisitos previos

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CG6 Integrar valores éticos y sensibilidad hacia la transformación social, económica y medioambiental en su desempeño profesional y científico en el ámbito de la informática y las tecnologías de la información y la comunicación.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Comprende el funcionamiento del aprendizaje profundo.

Conoce el fundamento matemático de las redes neuronales y las diferentes arquitecturas

Comprende los modelos matemáticos de las redes neuronales convolucionales.

Comprenderlas técnicas de optimización de las redes neuronales convolucionales.

Comprende los conceptos y algoritmos de aprendizaje por refuerzo.

Conoce los distintos tipos de problemas en los que pueden aplicarse las redes neuronales.

Diseña soluciones basadas en arquitecturas específicas de redes neuronales aplicadas a problemas complejos de diferentes industrias.

Diseña, programa, entrena y ejecuta un modelo de red neuronal.

Descripción de los contenidos

Fundamentos de las redes neuronales convolucionales.

El perceptrón multicapa.

Implementación de una red neuronal convolucional.

Programación de aplicaciones que implementan Redes Neuronales Convolucionales.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP11.- Elaboración de proyectos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Conoce los procesos para describir una imagen digital.

Aplica las técnicas de segmentación de imágenes y reconocimiento de patrones.

Aplica los modelos de aprendizaje automático y profundo al procesamiento digital de imágenes.

Diseña soluciones basadas en aprendizaje automático y profundo aplicadas a problemas complejos de procesamiento de imágenes y visión artificial.

Diseña, programa, entrena y ejecuta un modelo de visión artificial utilizando lenguajes de programación y entornos de desarrollo específicos para el procesamiento de imágenes.

Know the processes for describing a digital image.

Apply image segmentation and pattern recognition techniques.

Apply deep and machine learning models to digital image processing.

Design solutions based on automatic and deep learning applied to complex image processing and artificial vision problems.

Design, program, train and run a computer vision model using programming languages and specific development environments for image processing.

Descripción de los contenidos

Introducción a la visión artificial.

Segmentación de imágenes.

Reconocimiento de patrones.

Modelos de representación y descripción de imágenes.

Clasificadores de imágenes.

Árboles de decisión

Clasificador Support Vector Machine (SVM).

Aplicaciones de visión artificial.

Introduction to computer vision.

Image segmentation.

Pattern recognition.

Image representation and description models.

Image classifiers.

Decision trees.

Support Vector Machine (SVM) classifier.

Artificial vision applications

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE11 Aplicar modelos predictivos y utilizar el procesamiento del lenguaje natural al trabajar con conjuntos de datos masivos.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Aplica las redes neuronales al Procesamiento del Lenguaje Natural, desde los modelos neuronales sencillos hasta los más complejos.

Comprende el concepto de las incrustaciones de palabras, y sus aplicaciones enel Procesamiento del Lenguaje Natural.

Comprende las redes neuronales recurrentes y los modelos LSTM para analizar textos y realizar su síntesis.

Comprende el modelo de red transformadora para analizar las relaciones entre las palabras de un texto.

Diseña soluciones basadas en arquitecturas específicas de redes neuronales aplicadas a problemas complejos de Procesamiento del Lenguaje Natural.

Diseña, programa, entrena y ejecuta un modelo de Procesamiento del Lenguaje Natural

Apply neural networks to Natural Language Processing, from simple to complex neural models.

Understand the concept of word embeddings, and their applications in Natural Language Processing.

Understand recurrent neural networks and LSTM models for text analysis and synthesis.

Understand the transformational network model to analyse the relationships between words in a text.

Design solutions based on specific neural network architectures applied to complex Natural Language Processing problems.

Design, program, train and run a Natural Language Processing model.

Descripción de los contenidos

Introducción.

Niveles de procesamiento (fonético, morfológico, sintáctico, semántico, discursivo, pragmático) y su tratamiento.

Definición y construcción de Corpus Lingüísticos.

Empleo de técnicas de aprendizaje automático y deep learning al PLN.

Casos de uso: reconocimiento de patrones, descubrimiento de información en textos, análisis de sentimiento, chatbots.

Introduction.

Levels of processing (phonetic, morphological, syntactic, semantic, discursive, pragmatic) and their treatment.

Definition and construction of linguistic corpora.

Use of machine learning and deep learning techniques in PLN.

Use cases: pattern recognition, information discovery in texts, sentiment analysis, chatbots.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP11.- Elaboración de proyectos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

Los estudiantes deben acreditar un nivel de inglés B-2 según el Marco Común Europeo de Referencia para las Lenguas antes de matricularse en esta asignatura

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE5 Diseñar la accesibilidad, ergonomía, usabilidad y seguridad de los sistemas, aplicaciones y servicios informáticos, así como de la información que proporcionan, conforme a la legislación y normativa vigentes.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

Comprende los problemas éticos en el ámbito de la inteligencia artificial.

Conoce la legislación nacional e internacional que aborda las cuestiones éticas en la inteligencia artificial.

Conoce y aplica la legislación en materia de protección de datos personales y privacidad.

Desarrolla inquietud e iniciativa para incorporar buenas prácticas éticas en el desarrollo de soluciones basadas en la inteligencia artificial.

Resuelve problemas éticos en el ámbito de la inteligencia artificial tratando de impedir el impacto negativo en la ciudadanía, en especial en los colectivos más desfavorecidos.

Aplica criterios de prudencia en el diseño de sistemas basadas en inteligencia artificial teniendo en cuenta requisitos previos muy estrictos para evitar resultados potencialmente perjudiciales.

Conoce y aplica técnicas para evitar el sesgo en el entrenamiento de modelos y algoritmos basados en inteligencia artificial.

Understand the ethical issues in the field of artificial intelligence.

Know the national and international legislation dealing with ethical issues in artificial intelligence.

Know and apply legislation on personal data protection and privacy.

Develop concern and initiative to incorporate good ethical practices in the development of solutions based on artificial intelligence.

Solve ethical problems in the field of artificial intelligence trying to prevent the negative impact on citizens, especially on the most disadvantaged groups.

Apply criteria of prudence in the design of systems based on artificial intelligence, taking into account very strict prerequisites to avoid potentially harmful results.

Know and apply techniques to avoid bias in the training of models and algorithms based on artificial intelligence

Descripción de los contenidos

Marco legal europeo sobre la Inteligencia Artificial.

Regulación sobre protección de datos personales.

Fiabilidad de los sistemas de inteligencia artificial.

Rendición de cuentas de los sistemas de inteligencia artificial.

Responsabilidad de los sistemas de inteligencia artificial.

Autonomía limitada de los sistemas de inteligencia artificial.

El papel de los seres humanos en los sistemas de inteligencia artificial

Caso práctico: el coche autónomo.

European legal framework on Artificial Intelligence.

Regulation on personal data protection.

Reliability of artificial intelligence systems.

Accountability of artificial intelligence systems.

Liability of artificial intelligence systems.

Limited autonomy of artificial intelligence systems.

The role of humans in artificial intelligence systems.

Case study: the autonomous car.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%

Requisitos previos

Las clases magistrales consistirán en sesiones prácticas donde se preparará al alumno para desarrollar habilidades de comunicación, trabajo en equipo y conocer los entornos de trabajo profesionales.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE21 Aplicar los conocimientos adquiridos en un entorno laboral, para la gestión de sus tareas con sentido de la responsabilidad y trabajar en equipo con iniciativa y motivación.

Resultados de aprendizaje

RA-1. Que el estudiante tenga la capacidad de organización, planificación y gestión eficaz del tiempo.

RA-2. Que el estudiante tenga capacidad para elaborar proyectos e informes de manera oral y escrita en el ámbito empresarial.

RA-3. Que el estudiante tenga capacidad de aprendizaje, flexibilidad y adaptación al entorno profesional

RA-4. Que el estudiante tenga capacidad para toma de decisiones y de resolución de problemas con iniciativa, autonomía y creatividad.

RA-5. Que el estudiante tenga la capacidad para adquirir un compromiso ético y sensibilización hacia temas de la realidad social, económica y medioambiental.

RA-6. Que el estudiante tenga capacidad de liderazgo y trabajo en equipo en entornos de presión.

RA-7. Que el estudiante desarrolle las habilidades interpersonales.

RA-8. Que el estudiante tenga capacidad pensar estratégicamente y con orientación a resultados.

RA-9. Que el estudiante tenga capacidad para el autoconocimiento y el crecimiento personal dentro del entorno profesional.

RA-10. Que el estudiante tenga capacidad de iniciativas emprendedoras y desarrolle la capacidad para la autopercepción de los problemas sociales en diversos contextos y ámbitos multiculturales

Descripción de los contenidos

El contenido de las prácticas externas a realizar por el estudiante estará basado en el desarrollo laboral en un centro que previamente esté vinculado a la Universidad mediante un Convenio en el que figuren expresamente las actividades de prácticas externas en dicho centro. El tema elegido quedará concretado antes de iniciarse la estancia del estudiante y podrá estar relacionado con diferentes aspectos de carácter profesional.

Actividades formativas

AP1.- Clases magistrales participativas

AP4.- Trabajo autónomo

AP5.- Tutoría

AP9.- Prácticas externas

Sistema y criterios de evaluación

SE.7 Informe del tutor de prácticas externas 45%

SE.8 Informe del tutor académico de las prácticas externas 40%

SE.9 Memoria de prácticas externas 15%

Requisitos previos

La defensa del TFG podrá realizarse mediante videoconferencia siempre que:

1) Una persona en representación de la universidad asegure presencialmente la identidad del estudiante en el

lugar donde éste realice la defensa del TFG y le acompañe durante la misma;

2) La defensa sea pública, bien donde esté presente el estudiante o bien donde esté presente el tribunal;

3) Exista posibilidad de interacción entre el estudiante y el tribunal.

Las clases magistrales consistirán en prácticas para contextualizar al estudiante sobre metodología de trabajo por proyectos, la identificación de fuentes y las técnicas de búsqueda de información.

Competencias

CB1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CG5 Planificar las tareas de los proyectos informáticos o en TIC para asegurar los objetivos y plazos establecidos

CG6 Integrar valores éticos y sensibilidad hacia la transformación social, económica y medioambiental en su desempeño profesional y científico en el ámbito de la informática y las tecnologías de la información y la comunicación.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE20 Defender un trabajo propio y original en el ámbito de la Computación e Inteligencia Artificial que sintetice los conocimientos y competencias del título.

Resultados de aprendizaje

RA-1. Que el estudiante realice individualmente, presente y defienda ante un tribunal universitario un proyecto en el ámbito de la Inteligencia de los Negocios de naturaleza profesional en el que se sinteticen e integren las competencias requeridas en las enseñanzas

Descripción de los contenidos

El Trabajo de fin de grado deberá verificar la adquisición por el estudiante de las competencias generales y específicas de la titulación en el que se sinteticen las competencias adquiridas en las enseñanzas, o en un trabajo de carácter innovador en alguno de los ámbitos de competencia de la titulación, de suficiente complejidad, en un entorno lo más próximo posible a la realidad. El estudiante deberá desarrollar un trabajo coherente, con una duración realista en cuanto a los objetivos que se pretendan. Se tratará de ofrecer un trabajo original, mediante la búsqueda de fuentes y aportación personal del estudiante.

Actividades formativas

AP1 Clase Magistral participativa

AP5 Tutoría

AP7 Elaboración del TFG

AP8 Defensa Oral pública del TFG

Sistema y criterios de evaluación

SE 5 Memoria del TFG 70%

SE 6 Defensa y presentación del TFG ante el Tribunal Evaluador 30%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB1 Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Conoce los conceptos básicos de la biología molecular y celular.

Conoce el proyecto Genoma humano, su utilidad y su potencial en el futuro.

Entiende los retos actuales de la biología que pueden abordarse con tecnologías de computación e inteligencia artificial.

Comprende la contribución de las herramientas de la ciencia de datos en el proyecto Genoma.

Conoce el contexto de la medicina digital y las tecnologías que están contribuyendo a una nueva era en la medicina.

Comprende los retos y oportunidades de la inteligencia artificial para mejorar la medicina y los servicios sanitarios.

Conoce la aplicación de la ciencia de datos en la medicina digital.

Knowledge of the basic concepts of molecular and cellular biology.

To be familiar with the Human Genome Project, its usefulness and its potential for the future.

Understand the current challenges in biology that can be addressed with computing and artificial intelligence technologies.

Understand the contribution of data science tools in the Genome Project.

Understand the context of digital medicine and the technologies that are contributing to a new era in medicine.

Understand the challenges and opportunities of artificial intelligence to improve medicine and health services.

RA-9. Know the application of data science in digital medicine.

Descripción de los contenidos

Introducción a la biología celular y molecular.

El proyecto Genoma Humano.

Ingeniería genética.

Bioinformática y simulación de procesos biológicos.

Análisis de Big Data y Biología de sistemas.

Introducción a la medicina digital.

Tecnologías de la medicina digital.

Ciencia de datos para la medicina.

Aplicación de la inteligencia artificial en el diagnóstico de enfermedades y atención de pacientes.

Introduction to cellular and molecular biology.

The Human Genome Project.

Genetic engineering.

Bioinformatics and simulation of biological processes.

Big Data analysis and systems biology.

Introduction to digital medicine.

Digital medicine technologies.

Data science for medicine.

Application of artificial intelligence in disease diagnosis and patient care.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT3 Pensamiento analítico: Ser capaz de analizar y evaluar información, descomponer problemas o situaciones complejas, detectando patrones para la propuesta de soluciones y la toma de decisiones.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

Comprende los fundamentos de la tecnología Blockchain

Entiende qué es Bitcoin y cómo funciona.

Conoce aplicaciones y casos de uso de la tecnología Blockchain en el sector de los servicios financieros

Aprende sobre las distintas categorías de criptoactivos y las formas en que se pueden realizar transacciones con la tecnología Blockchain.

Aprende cómo Blockchain está transformando la economía y la sociedad en general.

Entiende la relación de la tecnología Blockchain y Bitcoin y su importancia.

Piensa en modelos innovadores de aplicación de la tecnología Blockchain.

Adquiere habilidades para diseñar e implementar contratos inteligentes.

Conoce métodos para desarrollar aplicaciones descentralizadas aprovechando la tecnología Blockchain.

Conoce los marcos de Blockchain específicos de la industria financiera.

Conoce la regulación y el papel fundamental de los datos y la seguridad en la industria Fintech.

Descripción de los contenidos

Fundamentos de Blockchain.

Plataformas tecnológicas de Blockchain.

Contratos inteligentes.

Tokens digitales.

Aplicaciones descentralizadas (Dapps)

Criptografía y funciones Hash.

Introducción a las criptomonedas y Bitcoin.

Funcionamiento de Bitcoin y el papel de la tecnología Blockchain.

Minería de Bitcoin.

Transformaciones de los servicios financieros con la tecnología Blockchain y Bitcoin.

Regulación en FinTech.

Barreras y retos de la tecnología Bitcoin.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB3 Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE3 Abstraer datos y modelos para almacenar las representaciones internas de los modelos de Inteligencia Artificial como los clasificadores lineales y las redes de aprendizaje profundo.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE10 Procesar datos heterogéneos para extraer información y apoyar la toma de decisiones mediante el uso de la computación y la inteligencia artificial.

CE11 Aplicar modelos predictivos y utilizar el procesamiento del lenguaje natural al trabajar con conjuntos de datos masivos.

CE12 Utilizar las metodologías ágiles desarrollo de software con las herramientas más punteras de desarrollo de aprendizaje automático.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE16 Procesar grandes cantidades de datos utilizando el aprendizaje automático y el análisis predictivo para su aplicación en distintos contextos de conocimiento.

CE19 Conocer modelos estadísticos mediante las herramientas digitales y gráficas para describir diferentes características de interés de sus variables e interpretar los resultados.

Resultados de aprendizaje

Comprende los fundamentos físicos de la computación cuántica.

Conoce los retos de la computación cuántica que no pueden ser resueltos con la computación clásica.

Conoce los modelos matemáticos que se utilizan en la computación cuántica.

Conoce los algoritmos principales que se emplean en la computación cuántica.

Comprende las arquitecturas, compilaciones y lenguajes de programación para procesadores cuánticos.

Utiliza las plataformas tecnológicas y marcos de trabajo que aprovechan la computación cuántica.

Conoce las aplicaciones actuales de soluciones basadas en computación cuántica y las posibilidades futuras.

Descripción de los contenidos

Introducción a la computación cuántica.

Modelos matemáticos. El qubit.

Algoritmo de Grover.

Algoritmo de factorización de Shor.

Plataformas tecnológicas para la computación cuántica.

Aplicaciones prácticas.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP10. Resolución de problemas

AP11. Elaboración de proyectos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos.

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CE1 Resolver problemas abstractos y complejos relativos a la Inteligencia Artificial utilizando métodos, técnicas y conceptos matemáticos para diseñar soluciones digitales.

CE2 Diseñar algoritmos para resolver un problema específico mediante el uso de un lenguaje de programación adecuado y la preparación de un juego de datos para su ejecución correcta en una plataforma digital.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

CE13 Escribir programas informáticos con lenguajes de programación modernos para la inteligencia artificial para desarrollar prototipos de soluciones digitales.

CE15 Construir dispositivos mecánicos o robots que puedan realizar tareas recibiendo órdenes de los humanos.

CE17 Resolver problemas matemáticos aplicando técnicas de teoría de grafos y algorítmicas.

Resultados de aprendizaje

Comprende la minería de procesos y su relación con el procesamiento de datos.

Comprende los conceptos básicos de la automatización de procesos robóticos (RPA).

Distingue la RPA de la automatización tradicional

Comprende cómo la RPA afectará a los procesos de negocio dentro de una organización.

Comprende las diferentes arquitecturas RPA para construir soluciones mediante la creación de robots de software que automatizan tareas y repetitivas.

Comprende y realiza un análisis de viabilidad y complejidad de los candidatos de RPA identificados

Identifica en una organización qué tipo de procesos son los más adecuados para ser automatizados con RPA.

Descripción de los contenidos

Fundamentos de reingeniería de procesos.

Metodología Lean.

Minería de procesos (Process Mining).

Automatización robótica de procesos (RPA).

Herramientas RPA.

Aplicación de aprendizaje automático a la automatización de procesos (Cognitive Automation).

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP12.- Resolución de retos

AP13.- Actividades de talleres y/o laboratorios

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 30%

SE2.- Pruebas finales de conocimiento 60%

SE3.- Cuaderno de prácticas de laboratorio 10%

Requisitos previos

No se han establecido requisitos previos

Competencias

CB2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

CB4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

CB5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

CG1 Aprender de manera autónoma nuevos conocimientos y técnicas adecuados para la concepción, el desarrollo o la explotación de sistemas de información digitales.

CG2 Comunicar de forma efectiva, tanto por escrito como oral, conocimientos, procedimientos, resultados e ideas relacionadas con las tecnologías digitales y la inteligencia artificial, conociendo su impacto socioeconómico.

CG3 Comprender la responsabilidad social, ética y profesional, y civil en su caso, de la actividad del profesional de las tecnologías digitales.

CG4 Identificar riesgos asociados a la realización de proyectos relacionados con la ciencia de la computación y la inteligencia artificial.

CT1 Comunicación efectiva: Ser capaz de transmitir y modular un mensaje desde la escucha activa para conectar con la audiencia utilizando los recursos necesarios para adaptarse a sus características y a las del contexto.

CT2 Trabajo en equipo: Ser capaz de interactuar, escuchar empáticamente y ofrecer soluciones integrando los diferentes puntos de vista, para colaborar eficazmente con personas de diferentes ámbitos y disciplinas en la consecución de objetivos comunes.

CT4 Creatividad: Ser capaz de generar ideas y soluciones innovadoras a problemas o situaciones complejas en entornos de colaboración y co-creación.

CT5 Liderazgo ético: Ser capaz de motivar, influir y dirigir a otras personas fomentando su desarrollo, para que colaboren de forma eficaz y alcancen objetivos comunes en un marco de valores.

CE4 Dirigir proyectos basados en tecnologías digitales, elaborando la planificación de tareas, realizando el seguimiento de las actividades, el control económico del presupuesto y asegurando la consecución de los objetivos con los plazos y calidad establecidos.

CE8 Conocer problemas relacionados con las ciencias de la computación y la inteligencia artificial, para aplicar la mejor solución de manera eficiente y oportuna.

Resultados de aprendizaje

Aprende a organizar, planificar y gestionar eficazmente el tiempo.

Desarrolla la toma de decisiones y de resolución de problemas con iniciativa, autonomía y creatividad.

Adquiere un compromiso ético y sensibilización hacia temas de la realidad social, económica y medioambiental.

Desarrolla las habilidades interpersonales.

Aprende a pensar estratégicamente y con orientación a resultados.

Conoce de forma práctica los procesos de creación de empresa y comprender las particularidades de la gestión emprendedora digital.

Descripción de los contenidos

El emprendimiento en el entorno digital.

Evolución histórica y tendencias de los modelos de empresa digital.

Identificar y analizar los modelos de negocio digital.

El espíritu emprendedor.

Creatividad e idea de negocio.

El modelo de negocio.

El análisis estratégico y los objetivos.

El plan de marketing, producción, organizativo y financiero de la empresa.

Pasos para constituir la empresa.

Ventajas y desventajas de la puesta en marcha de un negocio digital.

Actividades formativas

AP1.- Clases magistrales participativas

AP2.- Seminarios o clases de aplicación práctica

AP3.- Análisis de casos

AP14.- Exposiciones orales

AP15.- Debates

AP4.- Trabajo autónomo

AP5.- Tutoría

AP6.- Pruebas de conocimiento

Sistema y criterios de evaluación

Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura.

----

SE1.- Actividades prácticas (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) 40%

SE2.- Pruebas finales de conocimiento 60%