Study programme competencies |
Code
|
Study programme competences / results
|
A2 |
Capacidad para resolver problemas de inteligencia artificial que precisen algoritmos, aplicando correctamente metodologías de desarrollo software y diseño centrado en usuario/a. |
A3 |
Capacidad para comprender y dominar los conceptos básicos de lógica, gramáticas y lenguajes formales para analizar y mejorar las soluciones basadas en inteligencia artificial. |
B2 |
Que el alumnado sepa aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posea 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. |
B4 |
Que el alumnado pueda transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado. |
B5 |
Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. |
B6 |
Capacidad para concebir, redactar, organizar, planificar, y desarrollar modelos, aplicaciones y servicios en el ámbito de la inteligencia artificial, identificando objetivos, prioridades, plazos recursos y riesgos, y controlando los procesos establecidos. |
B7 |
Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. |
B8 |
Capacidad para diseñar y crear modelos y soluciones de calidad basadas en Inteligencia Artificial que sean eficientes, robustas, transparentes y responsables. |
B9 |
Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial. |
C2 |
Capacidad de trabajo en equipo, en entornos interdisciplinares y gestionando conflictos. |
C3 |
Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor. |
Learning aims |
Learning outcomes |
Study programme competences / results |
Levar a cabo o proceso que permite, desde a abstracción, implementar código de alta calidade. |
A2
|
B2 B5 B7
|
C3
|
Aplicar programación modular para resolver problemas específicos no ámbito de IA. |
A2
|
B6 B8 B9
|
C3
|
Adquirir competencias para resolver problemas de forma metodolóxica e práctica. |
|
B5 B7
|
C3
|
Identificar e ter a capacidade para seleccionar nunha contorna práctica as principais librerías no campo de IA e Ciencia de Datos. |
|
B2 B5 B9
|
|
Comprender os conceptos básicos da programación funcional e o lambda cálculo e demostrar en que medida a súa aplicación favorece o desenvolvemento de aplicacións en IA. |
A3
|
B8 B9
|
|
Adquirir as competencias para analizar a complexidade computacional dun determinado algoritmo, así como desenvolver as capacidades necesarias para escoller a combinación de estruturas de datos e estratexia de resolución máis apropiada para resolver de modo eficiente (en termos de recursos espaciais e temporais) un determinado problema. |
A2
|
B4 B6 B7
|
C2 C3
|
Analizar as alternativas para afrontalo e identificar que aspectos poden abordarse con IA e cales non. |
A2 A3
|
B6 B8 B9
|
C2
|
Comprender os principios necesarios para construír solucións completas, escalables e robustas, centradas no/a usuario/a, nas que os compoñentes de IA encaixan como parte dun todo. |
A2
|
B2 B4 B6 B8 B9
|
C3
|
Manexar técnicas e ferramentas de proba para asegurar a calidade dos resultados. |
|
B8 B9
|
C2
|
Contents |
Topic |
Sub-topic |
Introdución á orientación a obxectos |
Clases e obxectos.
Métodos.
Herencia.
Interfaces e Polimorfismo. |
Técnicas de deseño de programas |
Abstracción e especificación
Módulos
Excepcións e eventos |
Tipos abstractos de datos lineais |
Listas
Pilas
Colas e Colas de Prioridade |
Tipos abstractos de datos no lineais |
Árbores
Árbores Binarios de búsqueda
Árbores AVL |
Introdución á programación funcional |
Funcións puras
Recursión
Inmutabilidade |
Planning |
Methodologies / tests |
Competencies / Results |
Teaching hours (in-person & virtual) |
Student’s personal work hours |
Total hours |
Laboratory practice |
A2 A3 B2 B6 B7 B8 B9 C2 C3 |
20 |
40 |
60 |
Problem solving |
A2 A3 B6 B7 |
10 |
17 |
27 |
Objective test |
B2 B4 B5 B7 B9 |
2 |
0 |
2 |
Guest lecture / keynote speech |
A2 A3 B5 B9 |
30 |
30 |
60 |
|
Personalized attention |
|
1 |
0 |
1 |
|
(*)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 |
Realización e entrega de distintas prácticas de programación para fomentar o traballo continuado. Proporcionarase o enunciado e as especificacións que deberán respectarse estritamente. Durante as clases o profesor supervisará o traballo solucionando dúbidas e corrixindo erros de interpretación, malos hábitos de programación e erros de sintaxe, etc. |
Problem solving |
Presentación e resolución de supostos prácticos sinxelos para afianzar os conceptos teóricos. Poderán requerir o desenvolvemento de código. Fomentarase a participación dos alumnos poñendo en común as distintas solucións para promover o diálogo aberto e a valoración de solucións. Ademais poderanse formularan exercicios adicionais que o estudante deberá resolver e comentar/corrixir co profesor.
|
Objective test |
Avaliación sumativa do alumno mediante un exame final ao termo do cuadrimestre. Será eminentemente práctico para que o alumno poida demostrar que adquiriu os coñecementos necesarios de deseño de programas, orientación a obxectos e utilización de estruturas de datos, e que adestrou o suficiente con eles como para posuír as habilidades precisas para resolver supostos prácticos que implique a aplicación dos devanditos coñecementos. |
Guest lecture / keynote speech |
Exposición oral complementada co uso de medios audiovisuais e a introdución de algunhas preguntas dirixidas
aos estudantes, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe. Constarán dunha breve descrición dos contidos temáticos e dos obxectivos básicos perseguidos, e interrelacións con outros conceptos previamente adquiridos para pasar a desenvolver os contidos teóricos. |
Personalized attention |
Methodologies
|
Problem solving |
Laboratory practice |
|
Description |
O desenvolvemento das sesións de solución 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 deben dedicarse a aclarar os conceptos xa expostos e serán una vía de interacción que permitirá extraer conclusións respecto ao grao de asimilación da materia. Realizaranse de xeito presencial. Excepcionalmente realizarase a través das ferramentas corporativas da UDC (email, Teams, etc.) respectando os horarios docentes.
|
|
Assessment |
Methodologies
|
Competencies / Results |
Description
|
Qualification
|
Objective test |
B2 B4 B5 B7 B9 |
Realización obrigatoria. Necesario aprobar a proba para superar a materia. |
60 |
Laboratory practice |
A2 A3 B2 B6 B7 B8 B9 C2 C3 |
Realización e calificación segundo as condicións establecidas no enunciado de cada práctica. Necesario aprobar as practicas para superar a materia |
40 |
|
Assessment comments |
Traballos prácticos e
solución de problemas - De acordo ao artigo 14, apartado 4, da normativa*, o
plaxio dos traballos levará unha nota global de NON APTO (0), tanto ao
estudante que presente material copiado como a quen o facilitase, e a
cualificación de SUSPENSO na oportunidade.
- Se as prácticas ou outras actividades se
realizaren en grupo, todos os membros do grupo responderán de forma solidaria
do traballo realizado e entregado e das súas posibles consecuencias.
Avaliación na segunda
oportunidade
- A
nota global das prácticas
manterase para a segunda oportunidade. Soamente as prácticas calificadas con
SUSPENSO ou NON PRESENTADAS na primeira oportunidade poderán entregarse na
segunda oportunidade, sempre de acordo ao enunciado que se propoña para elo.
- En
consonancia coa normativa de avaliación da UDC, a cualificación derivada doutras
actividades desenvolvidas ao longo do curso como parte da avaliación continua
(prácticas introdutorias, controis parciais de prácticas, probas en Grupos de Titoría Reducidos,etc.)
non serán recuperables para a segunda oportunidade.
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).
* 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.
|
Recommendations |
Subjects that it is recommended to have taken before |
Programming I/614G03006 | Discrete Mathematics/614G03003 |
|
Subjects that are recommended to be taken simultaneously |
|
Subjects that continue the syllabus |
|
|