Study programme competencies |
Code
|
Study programme competences
|
A4 |
CE4 - Coñecemento e aplicación dos fundamentos de programación e técnicas algorítmicas básicas para deseñar solucións a problemas, utilizando as linguaxes de programación máis relevantes no ámbito da ciencia e enxeñaría de datos. |
A5 |
CE5 - Coñecemento de estruturas de datos e algoritmos básicos e capacidade para utilizalos eficientemente na resolución dun problema. |
A6 |
CE6 - Capacidade para deseñar e programar algoritmos robustos e eficientes e saber analizar a idoneidade e complexidade dos mesmos. |
B2 |
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
B3 |
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
B7 |
CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
B8 |
CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
B9 |
CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
B10 |
CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
C1 |
CT1 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
Learning aims |
Learning outcomes |
Study programme competences |
Saber analizar problemas e deseñar, programar e depurar algoritmos que os resolvan utilizando unha linguaxe de programación imperativa. |
A4 A5
|
B2 B9 B10
|
C1
|
Saber elixir e utilizar as estratexias de resolución de problemas máis relevantes. |
A4 A6
|
B2 B3 B7 B8 B9 B10
|
C1
|
Comprender os principios básicos do almacenamento de datos e a súa manipulación. |
A5
|
B2 B8 B9
|
C1
|
Coñecer e saber utilizar as estruturas de datos estándar en computación e os algoritmos máis relevantes para manipulalas. |
A5
|
B2 B8 B9
|
C1
|
Analizar a complexidade espacial e temporal dos algoritmos e recoñecer os aspectos chave da súa ineficiencia. |
A6
|
B2 B3 B7 B8 B9
|
C1
|
Contents |
Topic |
Sub-topic |
Análisis do coste de algoritmos |
Coste espacial e temporal
Regras e limitacións do análisis O |
Paradigmas do deseño algorítmico |
Divide e vencerás
Programación dinámica
Algoritmos voraces |
Estructuras de datos, algoritmos básicos e complexidade |
Procura en memoria principal e secundaria
Ordenación interna e externa
Exploración de grafos |
Problemas NP-Completos |
NP-Completo e NP-Difícil
Heurísticas e algoritmos aproximados |
Planning |
Methodologies / tests |
Competencies |
Ordinary class hours |
Student’s personal work hours |
Total hours |
Laboratory practice |
A4 A5 A6 B2 B3 B7 B9 B10 C1 |
20 |
36 |
56 |
Problem solving |
A4 A5 A6 B2 B7 B10 C1 |
10 |
17.5 |
27.5 |
Objective test |
A4 A5 A6 B2 B3 B8 B9 |
3 |
7.5 |
10.5 |
Guest lecture / keynote speech |
A5 A6 B2 B3 B8 B9 |
30 |
24 |
54 |
|
Personalized attention |
|
2 |
0 |
2 |
|
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
Methodologies |
Methodologies |
Description |
Laboratory practice |
Nas prácticas de laboratorio, os alumnos terán que solucionar problemas mediante a implementación e análise de algoritmos nunha linguaxe de alto nivel. As prácticas organizaranse en entregas periódicas para fomentar o estudo continuo e a avaliación continua. Ademais do código fonte, as entregas incluirán informes onde os alumnos deberán expor as conclusións obtidas sobre os algoritmos, en relación cos conceptos da materia, e que serán avaliados xunto cos propios programas entregados. |
Problem solving |
Desenvolveranse exemplos e exercicios nos que os alumnos terán que aplicar os coñecementos teóricos da materia a casos concretos. Garantirase a interactividade, resolvendo dúbidas por parte dos alumnos e animándoos a contrastar as súas solucións e a expor cuestións relevantes. Parte dos problemas realizados serán avaliados. |
Objective test |
Levarase a cabo unha avaliación da materia mediante unha proba que incluirá tanto preguntas sobre os contidos teóricos, como supostos prácticos e exercicios de aplicación relacionados cos distintos temas vistos na materia. |
Guest lecture / keynote speech |
Clases maxistrais onde se exporán os conceptos teóricos da materia, sen perder nunca de vista exemplos de aplicación para motivar e contextualizar os contidos. Fomentarase a interactividade en clase mediante a formulación de preguntas e utilizaranse distintos recursos como encerado, transparencias ou demostracións. |
Personalized attention |
Methodologies
|
Problem solving |
Laboratory practice |
|
Description |
O desenvolvemento, tanto das clases maxistrais coma das de resolución de problemas e os laboratorios de prácticas, realizarase atendendo ao progreso dos alumnos nas capacidades de comprensión e asimilación dos contidos impartidos. O avance xeral da clase compaxinarase cunha atención específica a aqueles alumnos que presenten maiores dificultades na tarefa da aprendizaxe e cun apoio adicional a aqueles outros que presenten maior desenvoltura e desexen ampliar coñecementos.
No que respecta ás titorías individuais, dado o seu carácter personalizado, non deben dedicarse a estender os contidos con novos conceptos, senón a aclarar os conceptos xa expostos. O profesor utilizaraas como unha interacción que lle permita extraer conclusións respecto ao grao de asimilación da materia por parte dos alumnos. |
|
Assessment |
Methodologies
|
Competencies |
Description
|
Qualification
|
Problem solving |
A4 A5 A6 B2 B7 B10 C1 |
Valoraránse os resultados, forma e condicións de realización de diversos traballos puntuables que se detallarán durante o curso. |
20 |
Laboratory practice |
A4 A5 A6 B2 B3 B7 B9 B10 C1 |
Realizadas segundo as condicións establecidas no enunciado de cada práctica. A entrega en tempo e forma das prácticas é condición necesaria para aprobar a materia na primeira oportunidade. |
20 |
Objective test |
A4 A5 A6 B2 B3 B8 B9 |
Realización obrigatoria. Avaliarase o dominio dos coñecementos teóricos e operativos da materia. |
60 |
|
Assessment comments |
Traballos prácticos e solución de problemas
- Dado que se trata de actividades de avaliación continua, non se reavaliarán nin se admitirán entregas na segunda oportunidade. As cualificacións dos traballos prácticos e solución de problemas da primeira oportunidade conservaranse para a segunda oportunidade. - De acordo
ao artigo 14, apartado 4, da normativa*, a entrega de traballos non orixinais ou con partes duplicadas (sea por plaxio entre compañeiros, por obtención da mesma fonte, etc.) levará unha nota global de NON APTO nos traballos, tanto ao estudante que
presente material copiado como a quen o facilitase, e a
cualificación de SUSPENSO na convocatoria anual. - Se as prácticas
ou outras actividades se realizaren en grupo, todos so membros do grupo
responderán de forma solidaria do traballo realizado e entregado e das
súas posibles consecuencias. Matrícula a tempo parcial -
Os alumnos matriculados a tempo parcial terán que entregar as
actividades avaliables nas condicións e prazos específicos que se
establecerán. Será obriga do estudante comunicar a súa situación ao
profesorado. Non presentado - Quen non concurra á proba obxectiva no período oficial de avaliación terá a condición de “Non presentado” (NP). Na primeira oportunidade, esto será extensible a quen non entregue as prácticas en tempo e forma.
*
Normativa de avaliación, revisión e reclamación das cualificacións dos
estudos de grao e máster universitario, aprobada polo Consello de
Goberno da Universidade da Coruña o 19 de decembro de 2013.
|
Sources of information |
Basic
|
Goodrich, Michael T. (2013). Data structures and algorithms in Python. John Wiley and Sons
Brassard, G., Bratley, P. (1996). Fundamentals of Algorithmics. Prentice Hall |
|
Complementary
|
Bhargava, Aditya (2018). Algoritmos : una guía ilustrada para programadores y curiosos. Anaya Multimedia
Cormen, Thomas H. (2009). Introduction to Algorithms. The MIT Press
Fortnow, Lance (2013). The golden ticket: P, NP, and the search for the impossible. Princeton University Press |
|
Recommendations |
Subjects that it is recommended to have taken before |
Discrete Mathematics/614G02002 | Fundamentals of Programming II/614G02009 | Fundamentals of Programming I/614G02004 |
|
Subjects that are recommended to be taken simultaneously |
|
Subjects that continue the syllabus |
Written Language Processing/614G02029 | Parallel Processing/614G02023 | Information Retrieval/614G02027 | Image, Video and Audio Processing/614G02028 | Machine Learning I/614G02019 |
|
|