Guía Docente 2024/25 Facultade de Informática

AI1

CMP01 - Deseñar dispositivos IoT seleccionando os sensores/actuadores máis axeitados para cada uso. TIPO: Competencias

AI2

CMP02 - Desenvolver a arquitectura necesaria para garantir a interoperabilidade dos dispositivos. TIPO: Competencias

AI3

CMP03 - Construir redes e definir protocolos que permitan a comunicación entre dispositivos IoT. TIPO: Competencias

AI4

CMP04 - Avaliar o funcionamento de sistemas electrónicos embebidos IoT. TIPO: Competencias

AI5

CMP05 - Determinar mecanismos para a recollida de datos en tempo real. TIPO: Competencias

AI6

CMP06 - Integrar tecnoloxías como a Aprendizaxe Máquina, o tratamento de datos masivos, as Tecnoloxías de Rexistro Distribuído (DLT), a computación no borde, entre outras, para o desenvolvemento de sistemas IoT más intelixentes e eficientes. TIPO: Competencias

AI7

CMP07 - Garantir a seguridade da información xerada por dispositivos IoT. TIPO: Competencias

AI8

CMP08 - Desenvolver un plan de negocio para un proxecto empresarial baseado en IoT. TIPO: Competencias

AI9

CMP09 - Deseñar bases de datos para o almacenamento e xestión de grandes cantidades de datos IoT. TIPO: Competencias

AI10

CMP10 - Adquirir experiencia no deseño, implementación, despregue e mantemento de sistemas IoT dentro dun entorno real de traballo. TIPO: Competencias

AI11

CMP11 - Desenvolver a autonomía suficiente para participar en proxectos de investigación e colaboraciones científicas ou tecnolóxicas dentro do seu ámbito temático, en contextos interdisciplinares e, no seu caso, con unha alta compoñente de transferencia do coñecemento. TIPO: Competencias

AI12

CMP12 - Integrar coñocementos e enfrontarse á complexidade de formular xuizos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vencelladas á aplicación de coñecmentos e xuizos. TIPO: Competencias

AI13

CMP13 - Asumir a responsabilidade do propio desenvolvemento profesional e da especialización en un ou máis campos de estudo, de forma continuada, autodirixida e autónoma. TIPO: Competencias

AI14

CNC01 - Identificar os distintos tipos de servizos e modelos de despregue de sistemas de Cloud Computing para IoT. TIPO: Coñecementos ou contidos

AI15

CNC02 - Recoñecer as características das novas arquitecturas (e.g., descentralizadas, distribuídas) IoT. TIPO: Coñecementos ou contidos

AI16

CNC03 - Identificar os conceptos básicos de ciberseguridade para IoT. TIPO: Coñecementos ou contidos

AI17

CNC04 - Determinar os dispositivos sensores e actuadores necesarios para aplicacións IoT. TIPO: Coñecementos ou contidos

AI18

CNC05 - Recoñecer a estructura de sistemas IoT empotrados. TIPO: Coñecementos ou contidos

AI19

CNC06 - Recoñecer o funcionamento dos distintos protocolos IoT de rede e aplicacións. TIPO: Coñecementos ou contidos

AI20

CNC07 - Identificar as características dos distintos tipos de redes e das tecnoloxías de rede para IoT. TIPO: Coñecementos ou contidos

AI21

CNC08 - Identificar os diferentes tipos de innovación e emprendemento, e a súa aplicación a proxectos empresariais baseados en IoT. TIPO: Coñecementos ou contidos

AI22

CNC09 - Coñecer e comprender os aspectos básicos de protección intelectual e industrial. TIPO: Coñecementos ou contidos

AI23

CNC10 - Coñecer e comprender as nocións básicas do Procesamento de Transaccións en Liña (OLTP) e do Procesamento Analítico en Liña (OLAP). TIPO: Coñecementos ou contidos

AI24

CNC11 - Coñecer e comprender os conceptos fundamentais sobre a aprendizaxe automática para IoT. TIPO: Coñecementos ou contidos

AI25

CNC12 - Adquirir coñecementos avanzados e demostrar, nun contexto de investigación científica e tecnolóxica ou altamente especializada, unha comprensión detallada e fundamentada dos aspectos teóricos e prácticos, e da metodoloxía de traballo en un ou máis campos de estudo. TIPO: Coñecementos ou contidos

AI26

HBL01 - Seleccionar a plataforma IoT na nube máis axeitada para cada escenario. TIPO: Habilidades ou destrezas

AI27

HBL02 - Seleccionar a arquitectura e o sistema distribuído ou descentralizado máis axeitado para cada escenario IoT. TIPO: Habilidades ou destrezas

AI28

HBL03 - Analizar os riscos de ciberseguridade dun sistema IoT. TIPO: Habilidades ou destrezas

AI29

HBL04 - Desenvolver sistemas IoT de baixo consumo. TIPO: Habilidades ou destrezas

AI30

HBL05 - Desenvolver sistemas empotrados para aplicacións IoT. TIPO: Habilidades ou destrezas

AI31

HBL06 - Xestionar o almacenamento e a distribución de datos espaciais e temporais. TIPO: Habilidades ou destrezas

AI32

HBL07 - Seleccionar topoloxías de rede e protocolos de encamiñamento e aplicación axeitados para escenarios IoT. TIPO: Habilidades ou destrezas

AI33

HBL08 - Planificar escenarios de conectividade para redes IoT. TIPO: Habilidades ou destrezas

AI34

HBL09 - Establecer fontes de financiación para un plan de negocio innovador baseado en desenvolvementos sobre tecnoloxías IoT. TIPO: Habilidades ou destrezas

AI35

HBL10 - Xestionar datos de carácter espacial e series de datos con marcas temporais. TIPO: Habilidades ou destrezas

AI36

HBL11 - Implementar algoritmos de aprendizaxe máquina supervisada/non supervisada con redes neuronais clásicas e profundas. TIPO: Habilidades ou destrezas

AI37

HBL12 - Aplicar os coñecementos adquiridos e resolver problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos e mulitidisciplinares, sendo capaces de integrar coñecementos. TIPO: Habilidades ou destrezas

AI38

HBL13 - Comunicar (de forma oral e escrita) as conclusións- e os coñecementos e razóns últimas que as sustentan- a públicos especializados e non especializados dun modo claro e sen ambigüidades. TIPO: Habilidades ou destrezas

AI39

HBL14 - Predecir e controlar a evolución de situacioóns complexas mediante o desenvolvemento de novas e innovadoras metodoloxías de traballo adaptadas ao ámbito científico/investigador, tecnolóxico ou profesional concreto, en xeral multidisciplinar, no que se desenvolva a súa actividade. TIPO: Habilidades ou destrezas

AI40

S-CP1: Deseñar e despregar redes de dispositivos IoT no ámbito das Ciudades e Edificios Intelixentes.

AI41

S-CP2: Implementar algoritmos de análise e procesado de vídeo para aplicacións da Sociedad 5.0.

AI42

S-CP3: Deseñar e usar sistemas IoT para a localización de activos en contornas sanitarias.

AI43

S-CP4: Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións da Sociedad 5.0.

AI44

I-CP1: Deseñar e despregar sistemas de procesado de datos IIoT a gran escala.

AI45

I-CP2: Deseñar, despregar e optimizar sistemas Green IoT.

AI46

I-CP3: Analizar e interpretar os fluxos de datos IIoT nunha empresa industrial.

AI47

I-CP4: Deseñar un xemelgo industrial robótico.

AI48

I-CP5: Deseñar e implementar algoritmos de análise e procesado de vídeo para contornas IIoT.

AI49

V-CP1: Deseñar e despregar redes de dispositivos no ámbito do coche conectado.

AI50

V-CP2: Implementar algoritmos de análise e procesado de vídeo no ámbito do vehículo conectado.

AI51

V-CP3: Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións do vehículo conectado.

AI52

V-CP4: Deseñar e despregar sistemas IoT para ITS.

AI53

V-CP5: Despregar e utilizar sistemas IoT para UAVs.

AI54

V-CP6: Deseñar e despregar servizos para o vehículo conectado.

AI55

S-CN1: Coñecer e comprender os fundamentos básicos sobre as tecnologxas IoT de comunicación, trazabilidade e wearables para saúde auto-cuantificada, participativa e intelixente.

AI56

S-CN2: Coñecer e comprender os fundamentos básicos de sensórica e automatización para cidades intelixentes.

AI57

S-CN3: Identificar as tendencias tecnolóxicas para a gestión e construcción de cidades intelixentes.

AI58

S-CN4: Coñecer e comprender os conceptos básicos de domótica e inmótica incluíndo sensorización, arquitecturas e servizos.

AI59

S-CN5: Coñecer e comprender os principais modelos enerxéticos e o concepto de rede eléctrica intelixente (Smart Grid) dende o punto de vista dos edificios e fogares intelixentes.

AI60

S-CN6: Identificar as principais arquitecturas Big Data para IoT para aplicacións da Sociedade 5.0 e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.

AI61

S-CN7: Coñecer e comprender o funcionamento básico das cámaras de vídeo e detectores de movimento no ámbito das aplicacións para a Sociedade 5.0.

AI62

S-CN8: Coñecer e comprender os conceptos e sistemas relacionados co despregue de redes no ámbito das aplicacións para a Sociedade 5.0.

AI63

I-CN1: Coñecer e comprender as principais arquitecturas Big Data para IIoT e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.

AI64

I-CN2: Coñecer e comprender os conceptos esenciais sobre Green IoT e as principais estratexias de optimización enerxética.

AI65

I-CN3: Coñecer e comprender as diferentes arquitecturas existentes para o despregue, monitorización e xestión de sistemas continuos robóticos.

AI66

I-CN4: Coñecer e comprender o funcionamento básico das cámaras de vídeo e detectores de movemento no ámbito IIoT, así como as aplicacións da análise de vídeo en dito ámbito.

AI67

I-CN5: Coñecer e comprender os conceptos básicos sobre integración de sistemas IIoT.

AI68

I-CN6: Coñecer e comprender os fundamentos do preprocesado de datos para plantas industriais.

AI69

V-CN1: Coñecer e comprender as principais arquitecturas Big Data para aplicacións de vehículo conectado e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.

AI70

V-CN2: Coñecer e comprender os fundamentos básicos dos Sistemas de Transporte Intelixente.

AI71

V-CN3: Coñecer e comprender os conceptos esenciais e as tecnoloxías habilitadoras no ámbito dos UAVs para IoT.

AI72

V-CN4: Coñecer e comprender a arquitectura do vehículo conectado e autónomo e os seus elementos principais.

AI73

V-CN5: Coñecer e comprender o funcionamento básico das cámaras de vídeo e detectores de movemento no ámbito do vehículo conectado, así como as aplicacións da análise de vídeo en dito ámbito.

AI74

V-CN6: Coñecer e comprender os conceptos básicos relacionados co despregue de redes no ámbito do vehículo conectado.

AI75

S-HB1: Programar e despregar wearables IoT para saúde.

AI76

S-HB2: Aplicar técnicas estatísticas a conxuntos de datos IoT a gran escala e para aplicacións da Sociedade 5.0.

AI77

S-HB3: Aplicar técnicas de análise de vídeo para aplicacións da Sociedade 5.0.

AI78

I-HB1: Aplicar técnicas estatísticas a conxuntos de datos IIoT a gran escala.

AI79

I-HB2: Programar Single-Board Computers (SBCs) para o despregue e xestión de nodos de sensores e actuadores IIoT.

AI80

I-HB3: Integrar datos de telemetría en plataformas comerciais IIoT.

AI81

I-HB4: Implementar protocolos específicos para o control industrial de sistemas robóticos.

AI82

I-HB5: Emplear técnicas para realizar a limpeza e preprocesado de datos IIoT para algoritmos de aprendizaxe máquina.

AI83

I-HB6: Aplicar técnicas para seguir obxectos en ámbitos IIoT a través da análise de imaxes.

AI84

V-HB1: Aplicar técnicas estatísticas a datos a gran escala en aplicacións IoT do vehículo conectado.

AI85

V-HB2: Aplicar técnicas de análise de imaxe no ámbito do vehículo conectado.

TipoA	Código
		Investigador
	AI1	CMP01 - Deseñar dispositivos IoT seleccionando os sensores/actuadores máis axeitados para cada uso. TIPO: Competencias
	AI2	CMP02 - Desenvolver a arquitectura necesaria para garantir a interoperabilidade dos dispositivos. TIPO: Competencias
	AI3	CMP03 - Construir redes e definir protocolos que permitan a comunicación entre dispositivos IoT. TIPO: Competencias
	AI4	CMP04 - Avaliar o funcionamento de sistemas electrónicos embebidos IoT. TIPO: Competencias
	AI5	CMP05 - Determinar mecanismos para a recollida de datos en tempo real. TIPO: Competencias
	AI6	CMP06 - Integrar tecnoloxías como a Aprendizaxe Máquina, o tratamento de datos masivos, as Tecnoloxías de Rexistro Distribuído (DLT), a computación no borde, entre outras, para o desenvolvemento de sistemas IoT más intelixentes e eficientes. TIPO: Competencias
	AI7	CMP07 - Garantir a seguridade da información xerada por dispositivos IoT. TIPO: Competencias
	AI8	CMP08 - Desenvolver un plan de negocio para un proxecto empresarial baseado en IoT. TIPO: Competencias
	AI9	CMP09 - Deseñar bases de datos para o almacenamento e xestión de grandes cantidades de datos IoT. TIPO: Competencias
	AI10	CMP10 - Adquirir experiencia no deseño, implementación, despregue e mantemento de sistemas IoT dentro dun entorno real de traballo. TIPO: Competencias
	AI11	CMP11 - Desenvolver a autonomía suficiente para participar en proxectos de investigación e colaboraciones científicas ou tecnolóxicas dentro do seu ámbito temático, en contextos interdisciplinares e, no seu caso, con unha alta compoñente de transferencia do coñecemento. TIPO: Competencias
	AI12	CMP12 - Integrar coñocementos e enfrontarse á complexidade de formular xuizos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vencelladas á aplicación de coñecmentos e xuizos. TIPO: Competencias
	AI13	CMP13 - Asumir a responsabilidade do propio desenvolvemento profesional e da especialización en un ou máis campos de estudo, de forma continuada, autodirixida e autónoma. TIPO: Competencias
	AI14	CNC01 - Identificar os distintos tipos de servizos e modelos de despregue de sistemas de Cloud Computing para IoT. TIPO: Coñecementos ou contidos
	AI15	CNC02 - Recoñecer as características das novas arquitecturas (e.g., descentralizadas, distribuídas) IoT. TIPO: Coñecementos ou contidos
	AI16	CNC03 - Identificar os conceptos básicos de ciberseguridade para IoT. TIPO: Coñecementos ou contidos
	AI17	CNC04 - Determinar os dispositivos sensores e actuadores necesarios para aplicacións IoT. TIPO: Coñecementos ou contidos
	AI18	CNC05 - Recoñecer a estructura de sistemas IoT empotrados. TIPO: Coñecementos ou contidos
	AI19	CNC06 - Recoñecer o funcionamento dos distintos protocolos IoT de rede e aplicacións. TIPO: Coñecementos ou contidos
	AI20	CNC07 - Identificar as características dos distintos tipos de redes e das tecnoloxías de rede para IoT. TIPO: Coñecementos ou contidos
	AI21	CNC08 - Identificar os diferentes tipos de innovación e emprendemento, e a súa aplicación a proxectos empresariais baseados en IoT. TIPO: Coñecementos ou contidos
	AI22	CNC09 - Coñecer e comprender os aspectos básicos de protección intelectual e industrial. TIPO: Coñecementos ou contidos
	AI23	CNC10 - Coñecer e comprender as nocións básicas do Procesamento de Transaccións en Liña (OLTP) e do Procesamento Analítico en Liña (OLAP). TIPO: Coñecementos ou contidos
	AI24	CNC11 - Coñecer e comprender os conceptos fundamentais sobre a aprendizaxe automática para IoT. TIPO: Coñecementos ou contidos
	AI25	CNC12 - Adquirir coñecementos avanzados e demostrar, nun contexto de investigación científica e tecnolóxica ou altamente especializada, unha comprensión detallada e fundamentada dos aspectos teóricos e prácticos, e da metodoloxía de traballo en un ou máis campos de estudo. TIPO: Coñecementos ou contidos
	AI26	HBL01 - Seleccionar a plataforma IoT na nube máis axeitada para cada escenario. TIPO: Habilidades ou destrezas
	AI27	HBL02 - Seleccionar a arquitectura e o sistema distribuído ou descentralizado máis axeitado para cada escenario IoT. TIPO: Habilidades ou destrezas
	AI28	HBL03 - Analizar os riscos de ciberseguridade dun sistema IoT. TIPO: Habilidades ou destrezas
	AI29	HBL04 - Desenvolver sistemas IoT de baixo consumo. TIPO: Habilidades ou destrezas
	AI30	HBL05 - Desenvolver sistemas empotrados para aplicacións IoT. TIPO: Habilidades ou destrezas
	AI31	HBL06 - Xestionar o almacenamento e a distribución de datos espaciais e temporais. TIPO: Habilidades ou destrezas
	AI32	HBL07 - Seleccionar topoloxías de rede e protocolos de encamiñamento e aplicación axeitados para escenarios IoT. TIPO: Habilidades ou destrezas
	AI33	HBL08 - Planificar escenarios de conectividade para redes IoT. TIPO: Habilidades ou destrezas
	AI34	HBL09 - Establecer fontes de financiación para un plan de negocio innovador baseado en desenvolvementos sobre tecnoloxías IoT. TIPO: Habilidades ou destrezas
	AI35	HBL10 - Xestionar datos de carácter espacial e series de datos con marcas temporais. TIPO: Habilidades ou destrezas
	AI36	HBL11 - Implementar algoritmos de aprendizaxe máquina supervisada/non supervisada con redes neuronais clásicas e profundas. TIPO: Habilidades ou destrezas
	AI37	HBL12 - Aplicar os coñecementos adquiridos e resolver problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos e mulitidisciplinares, sendo capaces de integrar coñecementos. TIPO: Habilidades ou destrezas
	AI38	HBL13 - Comunicar (de forma oral e escrita) as conclusións- e os coñecementos e razóns últimas que as sustentan- a públicos especializados e non especializados dun modo claro e sen ambigüidades. TIPO: Habilidades ou destrezas
	AI39	HBL14 - Predecir e controlar a evolución de situacioóns complexas mediante o desenvolvemento de novas e innovadoras metodoloxías de traballo adaptadas ao ámbito científico/investigador, tecnolóxico ou profesional concreto, en xeral multidisciplinar, no que se desenvolva a súa actividade. TIPO: Habilidades ou destrezas
	AI40	S-CP1: Deseñar e despregar redes de dispositivos IoT no ámbito das Ciudades e Edificios Intelixentes.
	AI41	S-CP2: Implementar algoritmos de análise e procesado de vídeo para aplicacións da Sociedad 5.0.
	AI42	S-CP3: Deseñar e usar sistemas IoT para a localización de activos en contornas sanitarias.
	AI43	S-CP4: Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións da Sociedad 5.0.
	AI44	I-CP1: Deseñar e despregar sistemas de procesado de datos IIoT a gran escala.
	AI45	I-CP2: Deseñar, despregar e optimizar sistemas Green IoT.
	AI46	I-CP3: Analizar e interpretar os fluxos de datos IIoT nunha empresa industrial.
	AI47	I-CP4: Deseñar un xemelgo industrial robótico.
	AI48	I-CP5: Deseñar e implementar algoritmos de análise e procesado de vídeo para contornas IIoT.
	AI49	V-CP1: Deseñar e despregar redes de dispositivos no ámbito do coche conectado.
	AI50	V-CP2: Implementar algoritmos de análise e procesado de vídeo no ámbito do vehículo conectado.
	AI51	V-CP3: Deseñar e despregar sistemas de procesado de datos IoT a gran escala para aplicacións do vehículo conectado.
	AI52	V-CP4: Deseñar e despregar sistemas IoT para ITS.
	AI53	V-CP5: Despregar e utilizar sistemas IoT para UAVs.
	AI54	V-CP6: Deseñar e despregar servizos para o vehículo conectado.
	AI55	S-CN1: Coñecer e comprender os fundamentos básicos sobre as tecnologxas IoT de comunicación, trazabilidade e wearables para saúde auto-cuantificada, participativa e intelixente.
	AI56	S-CN2: Coñecer e comprender os fundamentos básicos de sensórica e automatización para cidades intelixentes.
	AI57	S-CN3: Identificar as tendencias tecnolóxicas para a gestión e construcción de cidades intelixentes.
	AI58	S-CN4: Coñecer e comprender os conceptos básicos de domótica e inmótica incluíndo sensorización, arquitecturas e servizos.
	AI59	S-CN5: Coñecer e comprender os principais modelos enerxéticos e o concepto de rede eléctrica intelixente (Smart Grid) dende o punto de vista dos edificios e fogares intelixentes.
	AI60	S-CN6: Identificar as principais arquitecturas Big Data para IoT para aplicacións da Sociedade 5.0 e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.
	AI61	S-CN7: Coñecer e comprender o funcionamento básico das cámaras de vídeo e detectores de movimento no ámbito das aplicacións para a Sociedade 5.0.
	AI62	S-CN8: Coñecer e comprender os conceptos e sistemas relacionados co despregue de redes no ámbito das aplicacións para a Sociedade 5.0.
	AI63	I-CN1: Coñecer e comprender as principais arquitecturas Big Data para IIoT e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.
	AI64	I-CN2: Coñecer e comprender os conceptos esenciais sobre Green IoT e as principais estratexias de optimización enerxética.
	AI65	I-CN3: Coñecer e comprender as diferentes arquitecturas existentes para o despregue, monitorización e xestión de sistemas continuos robóticos.
	AI66	I-CN4: Coñecer e comprender o funcionamento básico das cámaras de vídeo e detectores de movemento no ámbito IIoT, así como as aplicacións da análise de vídeo en dito ámbito.
	AI67	I-CN5: Coñecer e comprender os conceptos básicos sobre integración de sistemas IIoT.
	AI68	I-CN6: Coñecer e comprender os fundamentos do preprocesado de datos para plantas industriais.
	AI69	V-CN1: Coñecer e comprender as principais arquitecturas Big Data para aplicacións de vehículo conectado e os seus mecanismos de procesado de datos, así como as principais técnicas estatísticas e de almacenamento/xestión.
	AI70	V-CN2: Coñecer e comprender os fundamentos básicos dos Sistemas de Transporte Intelixente.
	AI71	V-CN3: Coñecer e comprender os conceptos esenciais e as tecnoloxías habilitadoras no ámbito dos UAVs para IoT.
	AI72	V-CN4: Coñecer e comprender a arquitectura do vehículo conectado e autónomo e os seus elementos principais.
	AI73	V-CN5: Coñecer e comprender o funcionamento básico das cámaras de vídeo e detectores de movemento no ámbito do vehículo conectado, así como as aplicacións da análise de vídeo en dito ámbito.
	AI74	V-CN6: Coñecer e comprender os conceptos básicos relacionados co despregue de redes no ámbito do vehículo conectado.
	AI75	S-HB1: Programar e despregar wearables IoT para saúde.
	AI76	S-HB2: Aplicar técnicas estatísticas a conxuntos de datos IoT a gran escala e para aplicacións da Sociedade 5.0.
	AI77	S-HB3: Aplicar técnicas de análise de vídeo para aplicacións da Sociedade 5.0.
	AI78	I-HB1: Aplicar técnicas estatísticas a conxuntos de datos IIoT a gran escala.
	AI79	I-HB2: Programar Single-Board Computers (SBCs) para o despregue e xestión de nodos de sensores e actuadores IIoT.
	AI80	I-HB3: Integrar datos de telemetría en plataformas comerciais IIoT.
	AI81	I-HB4: Implementar protocolos específicos para o control industrial de sistemas robóticos.
	AI82	I-HB5: Emplear técnicas para realizar a limpeza e preprocesado de datos IIoT para algoritmos de aprendizaxe máquina.
	AI83	I-HB6: Aplicar técnicas para seguir obxectos en ámbitos IIoT a través da análise de imaxes.
	AI84	V-HB1: Aplicar técnicas estatísticas a datos a gran escala en aplicacións IoT do vehículo conectado.
	AI85	V-HB2: Aplicar técnicas de análise de imaxe no ámbito do vehículo conectado.
TipoB	Código
TipoC	Código