Datos Identificativos 2022/23
Asignatura (*) Adquisición e Procesamento de Sinal Código 614G03011
Titulación
Grao en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Primeiro Formación básica 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Enxeñaría de Computadores
Coordinación
Dapena Janeiro, Adriana
Correo electrónico
adriana.dapena@udc.es
Profesorado
Dapena Janeiro, Adriana
Vazquez Araujo, Francisco Javier
Correo electrónico
adriana.dapena@udc.es
francisco.vazquez@udc.es
Web
Descrición xeral Na materia, o estudantado adquirirá as bases necesarias para comprender e levar a cabo a adquisición e o tratamento de sinais dixitais de diversos tipos e orixes. O estudantado aprenderá a traballar con sensores e sistemas encaixados, que se utilizan cada vez máis como fontes de datos para moitos desenvolvementos e aplicacións de intelixencia artificial.

Competencias do título
Código Competencias do título
A7 Comprender as necesidades de adquisición, almacenamento e procesamiento de datos no contexto da Internet das Cousas e as súas principais plataformas.
B2 Que o alumnado saiba aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúa as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo.
B5 Que o alumnado desenvolva aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía.
B7 Capacidade para resolver problemas con iniciativa, toma de decisións, autonomía e creatividade.
B10 Capacidade para concibir novos sistemas computacionais e/ou avaliar o rendemento de sistemas existentes, que integren modelos e técnicas de intelixencia artificial.
C2 Capacidade de traballo en equipo, en contornas interdisciplinares e xestionando conflitos.
C3 Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Adquirir as bases matemáticas necesarias para a adquisición e o procesado de sinais dixitais. A7
B5
B7
B10
Ser capaz de adquirir sinais reais utilizando hardware específico. A7
B7
B10
C2
Entender o concepto de frecuencia e aprender a deseñar e aplicar filtros dixitais. A7
B2
B5
Aprender a realizar operacións sobre sinais dixitais e a obter información destas. A7
B2
B10
C3
Programar sistemas encaixados para adquirir e preprocesar tanto sinais unidimensionales, tales como temperatura, presenza de persoas, audio, etc., como multidimensionales- imaxe e vídeo. A7
B2
B5
B7
B10
C2
C3
Programar algoritmos clásicos e de intelixencia artificial para o tratamento de sinal computacionalmente lixeiros, e por tanto adecuados aos recursos de cómputo limitados que caracterizan aos sistemas encaixados de baixo consumo de potencia. A7
B2
B5
B10
C2
C3
Deseñar e despregar múltiples sistemas encaixados, conformando redes de sensores. A7
B2
B5
B7
C2
C3
Dotar aos sistemas encaixados ou ás redes de sensores coa capacidade de interacción coa nube. A7
B2
B7
C2
C3

Contidos
Temas Subtemas
Sinais e sistemas Tipos de sinais
Operacións
Tipos de sistemas
Propiedades dos sistemas
Filtrado de sinais Suma de convolución
Filtrado no dominio do tempo
Transformada discreta de Fourier
Filtrado no dominio da frecuencia
Filtrado adaptativo
Adquisición de sinais Mostraxe
Cuantificación
Codificación
Sistemas basados en sensores Sensores
Sistemas encaixados
Redes de sensores

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A7 B5 20 10 30
Proba obxectiva A7 B2 B5 B7 C3 3 8 11
Solución de problemas A7 B2 B5 B7 C2 C3 10 17 27
Prácticas de laboratorio A7 B2 B5 B7 B10 C2 C3 30 50 80
 
Atención personalizada 2 0 2
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Exposición didáctica, usando diapositivas e o taboleiro, dos contidos teóricos da materia. Resolución de exemplos.
Proba obxectiva Exame sobre os contidos da materia que combinará preguntas de teoría coa resolución de problemas.
Solución de problemas Resolución de problemas e cuestións por parte do estudantado de forma individual ou en grupos.
Prácticas de laboratorio O estudantado realizará prácticas de laboratorio de programación en octave ou matlab, e programación de microcontroladores.

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Solución de problemas
Descrición
Sesión maxistral: Atender e resolver dúbidas relacionadas coa materia teórica exposta nas clases.

Prácticas de laboratorio: Atender e resolver dúbidas relacionadas coas prácticas propostas ou realizadas no laboratorio.

Solución de problemas: Atender e resolver dúbidas relacionadas cos problemas propostos ou resoltos en clase.

En todos os casos usaranse preferentemente horas de titoría individuais, correo electrónico, Teams, ou a través dos espazos de comunicación da ferramenta Moodle. Estes dous últimos casos serán particularmente adecuados para os alumnos con dispensa académica de exención de asistencia.

Para os alumnos matriculados a tempo parcial os horarios de titorías poderán adaptarse segundo as necesidades.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A7 B2 B5 B7 B10 C2 C3 Avaliación mediante tests nas clases de prácticas (10) e mediante a entrega de prácticas (30). 40
Proba obxectiva A7 B2 B5 B7 C3 Avaliación final de coñecementos teóricos e prácticos e de resolución de problemas que se realizará o día fixado no calendario de exames 50
Solución de problemas A7 B2 B5 B7 C2 C3 Avaliación mediante tests nas clases de problemas ou de teoría. 10
 
Observacións avaliación

Para aprobar a materia tense que cumprir que: nota final maior ou igual que 5, tendo un mínimo de 2 puntos na proba obxectiva. Se non se obtén devandito mínimo de 2 puntos, a nota máxima final será igual a 4.

Na segunda oportunidade unicamente reavalíase a proba obxectiva de teoría-problemas (5 puntos) e os tests (2 puntos). Para a nota da entrega de prácticas (3 puntos) mantense a que se obtivese durante o curso.

Para a oportunidade adiantada de avaliación manteranse os mesmos criterios que para a segunda oportunidade do curso anterior.

Os criterios e actividades de avaliación así como a puntuación establecida para o estudantado matriculado a tempo parcial e con dispensa académica de exención de docencia serán os mesmos que os esixidos ao resto do alumnado agás os tests que serán avalados xunto coa proba obxectiva. Neste caso, a complexidade e contido das avaliacións serán similares aos establecidos para o resto de estudantes.

Detección de plaxios ou copia de traballos: a realización fraudulenta das probas ou actividades de avaliación implicará directamente a cualificación de suspenso '0' na materia na oportunidade correspondente.


Fontes de información
Bibliografía básica https://octave.org/ (). .
Margolis, Michael (). Arduino Cookbook. O'Reilly Media
Haykin, Simon (). Neural networks: a comprehensive foundation. Mcmillan
Pallàs Areny, Ramón (). Sensores y acondicionadores de señal. Marcombo
Oppenheim, Alan V. (). Tratamiento de señales en tiempo. Pearson

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Programación I/614G03006
Matemática Discreta/614G03003
Introdución aos Computadores /614G03012

Materias que se recomenda cursar simultaneamente
Programación II/614G03007

Materias que continúan o temario

Observacións


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías