Identifying Data 2022/23
Subject (*) Introduction to Python for Engineers Code 770538011
Study programme
Máster Universitario en Informática Industrial e Robótica
Descriptors Cycle Period Year Type Credits
Official Master's Degree 2nd four-month period
First Optional 3
Language
Spanish
Galician
Teaching method Face-to-face
Prerequisites
Department Ciencias da Computación e Tecnoloxías da Información
Coordinador
Becerra Permuy, Jose Antonio
E-mail
jose.antonio.becerra.permuy@udc.es
Lecturers
Becerra Permuy, Jose Antonio
Mallo Casdelo, Alma María
E-mail
jose.antonio.becerra.permuy@udc.es
alma.mallo@udc.es
Web
General description O obxectivo desta materia é que o alumno aprenda a programar en Python, facendo unha especial énfase en todo momento na eficiencia, e coñeza as ferramentas fundamentais que lle permitirán aplicalo posteriormente á resolución de problemas cunha importante carga matemática.

Study programme competencies
Code Study programme competences
A2 CE02 - Capacidad para desarrollar aplicaciones, implementar algoritmos y manejar estructuras de datos de forma eficiente en los lenguajes de programación, en especial los usados en robótica y/o informática industrial
B1 CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
B2 CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B6 CG1 - Buscar y seleccionar alternativas considerando las mejores soluciones posibles
B12 CG7 - Analizar de forma crítica la propia experiencia de prácticas
B13 CG8 - Aplicar los conocimientos teóricos a la práctica
C1 CT01 - Adquirir la terminología y nomenclatura científico-técnica para exponer argumentos y fundamentar conclusiones
C3 CT03 - Aplicar una metodología que fomente el aprendizaje y el trabajo autónomo

Learning aims
Learning outcomes Study programme competences
Saber programar en Python, tanto desde unha perspectiva da programación estruturada, como desde o punto de vista da orientación a obxectos, xa que todas as librerías hoxe en día usan dito paradigma. AC2
CC1
CC3
Coñecer todas as estruturas de datos soportadas por Python e saber cal é máis adecuada para cada caso, así como construír estruturas novas por encima das existentes. AC2
BC1
BC2
BC6
BC12
BC13
CC1
CC3
Ter un coñecemento básico de E/S con Python (teclado, pantalla, ficheiros). AC2
CC1
CC3
Saber utilizar arrays de forma eficiente en aplicacións de cálculo intensivo con Python. AC2
BC1
BC2
BC6
BC12
BC13
CC1
CC3
Saber representar gráficamente datos en 2D. AC2
CC1
CC3

Contents
Topic Sub-topic
Introdución a Python. Introdución.
Intérpretes.
Elementos fundamentais da linguaxe. Tipos de datos.
Valores e variables.
Operadores e operandos.
Expresións e sentenzas.
E/S básica.
Control de fluxo.
Secuencias inmutables: tuplas, cadeas de caracteres.
Secuencias mutables: listas.
Tipos de datos avanzados. Listas por comprensión.
Xeradores.
Dicionarios.
Conxuntos.
Vectores e matrices.
Pilas e colas.
Funcións Definición.
Devolución de resultados.
Variables locais e globais.
Argumentos por posición e por nome.
Argumentos con valor por defecto e lista variable de argumentos.
Funcións incorporadas.
Funcións lambda.
Decoradores.
Recursividade.
Programación orientada a obxectos. Clases e obxectos.
Herdanza e especialización.
Propiedades.
Atributos e métodos de clase.
Redefinición de operadores.
Excepcións.
NumPy Arrays: definición e utilización.
Módulos de uso frecuente.
Visualización de datos. Matplotlib:
- Elementos dunha figura.
- Utilización.
- Backends.
- Figuras interactivas.
- Optimización do rendemento.
Seaborn:
- Características.
- Utilización.

Planning
Methodologies / tests Competencies Ordinary class hours Student’s personal work hours Total hours
Mixed objective/subjective test B1 B6 C1 2.5 0 2.5
Guest lecture / keynote speech B1 C1 11 15.4 26.4
Laboratory practice A2 B6 B12 B13 10 15.4 25.4
Supervised projects A2 B2 B6 B12 B13 C3 0 18.7 18.7
 
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
Mixed objective/subjective test Proba de avaliación que se realizará nas correspondentes oportunidades das convocatorias oficiais. Consistirá nunha proba escrita coa finalidade de comprobar o afianzamento dos conceptos teóricos máis importantes vistos na materia.
Guest lecture / keynote speech Actividade presencial na aula que serve para establecer os conceptos fundamentais da materia. Consiste na exposición oral facendo uso profuso de medios audiovisuais e buscando a participación dos alumnos mediante a formulación de casos prácticos e a realización de preguntas, co fin de facilitar a aprendizaxe e fomentar o espírito crítico.
Laboratory practice Mediante esta actividade os alumnos implementarán no laboratorio pequenos programas / sistemas que exemplificarán os conceptos vistos nas sesións maxistrais, de forma que poidan probar no mundo real algúns dos métodos e técnicas, e valorar de primeira man os problemas (e as súas implicacións) que xorden na implementación. Durante a súa realización, o alumno poderá expor dúbidas ao profesor ou consultar os materiais que estime oportuno.
Supervised projects Realización dun ou varios traballos ao longo do cuadrimestre, de forma autónoma e titorizados polos profesores, que implicarán levar á práctica os conceptos vistos nas sesións maxistrais. Polo menos o traballo final será realizado en grupo e os alumnos entregarán, en soporte informático, unha memoria e terán que realizar tamén unha presentación ante o profesor e os seus compañeiros de clase.

Personalized attention
Methodologies
Laboratory practice
Supervised projects
Description
Prácticas de laboratorio: a atención personalizada nas clases prácticas consistirá en resolver as dúbidas conceptuais ou procedementais que poidan xurdir durante a súa realización, modulando o tempo de atención a cada alumno en función das súas necesidades individuais.

Traballos tutelados: a atención personalizada nos traballos consistirá en titorías intermedias, durante o prazo habilitado para a súa realización, que se centrarán na revisión do traballo realizado ata ese momento, suxerindo cambios e aclarando dúbidas.

Consideracións para os alumnos con matrícula a tempo parcial: acordarase con cada un deles unha atención personalizada en todas as metodoloxías anteriores compatible coa dispoñibilidade horaria do profesor.

Assessment
Methodologies Competencies Description Qualification
Supervised projects A2 B2 B6 B12 B13 C3 Desenvolvemento dun ou varios proxectos individuais ou en grupos reducidos. Será necesario entregar os materiais en tempo e forma seguindo as indicacións do enunciado. Polo menos o traballo final requirirá a exposición oral por parte de todos os integrantes do grupo de traballo, empregando para iso a presentación entregada. A non realización da presentación supoñerá unha nota de cero nesta actividade.

Nomenclatura empregada na sección de observacións para esta actividade:
TT: nota obtida no traballo tutelado.
70
Mixed objective/subjective test B1 B6 C1 Proba final da materia que consistirá na realización dun exame individual. Esta proba terá preguntas de tipo teóricas e prácticas relacionadas cos conceptos estudados nas clases maxistrais, nas prácticas de laboratorio ou cos contidos dos traballos / proyectos tutelados.

Nomenclatura empregada na sección de observacións para esta actividade:
PM: nota obtida nesta proba.
30
 
Assessment comments
Para poder aprobar a materia o estudante deberá cumprir os seguintes requisitos (puntuación entre 0 e 10 en todas as actividades):
  1. Que a nota nos traballos tutelados sexa maior ou igual que 5.
  2. Que a nota na proba mixta sexa maior ou igual que 5.
Se non se cumpren todos os requisitos anteriores a cualificación será de suspenso e a nota numérica máxima que se poderá obter, na oportunidade correspondente, será de 4,5 puntos. Se se cumpren os requisitos esixidos, a nota final calcularase da seguinte forma:
  • NOTA FINAL = 0,3*PM + 0,7*TT
Notas sobre as actividades:
  • No caso dos alumnos matriculados a tempo parcial, ofreceráselles a posibilidade de pasar a parte da puntuación dos traballos tutelados á proba mixta. Igualmente cos alumnos que se presenten na convocatoria de decembro. Por iso, é necesario que os estudantes se poñan en contacto cos profesores ao comezo do curso.
  • Todas as actividades terán unha única oportunidade para a súa entrega durante o curso académico, salvo a proba mixta que terá dúas oportunidades oficiais de exame. Por tanto, as notas obtidas durante o curso nos traballos tutelados gárdanse para a oportunidade de xullo, NON SENDO POSIBLE REPETILOS.
  • De acordo ao artigo 14, apartados 1 e 3 da normativa de avaliación, revisión e reclamación das cualificacións dos estudos de grao e máster universitario, cuxa última versión é do 29 de xuño de 2017, a copia ou intento de copia (ou calquera comportamento impropio) durante unha proba implicará a cualificación de suspenso cun 0 nas dúas oportunidades da convocatoria anual.
  • De acordo ao artigo 14, apartado 4 da mesma normativa, o plaxio de calquera traballo implicará a cualificación de suspenso cun 0 no devandito traballo.

Sources of information
Basic Saha, A. (2015). Doing Math with Python: Use Programming to Explore Algebra, Statistics, Calculus, and More!.. No Starch Press.
Agarwal, B., & Baka, B. (2018). Hands-On Data Structures and Algorithms with Python: Write complex and powerful code using the latest features of Python 3.7. Second Edition.. Packt Publishing Ltd.
Lubanovic, B. (2019). Introducing Python: Modern Computing in Simple Packages. Second Edition.. O'Reilly Media, Inc.

Complementary


Recommendations
Subjects that it is recommended to have taken before

Subjects that are recommended to be taken simultaneously

Subjects that continue the syllabus
Python for Engineers. Advanced /770538012

Other comments
Para axudar a conseguir unha contorna sustentable e cumprir co obxectivo da acción número 5 ("Docencia e investigación saudable e sustentable ambiental e social") do "Plan de Acción Green Campus Ferrol" a entrega dos traballos documentais que se realicen nesta materia:

1. Solicitarase en formato virtual e/ou soporte informático.

2. Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos.

3. De realizarse en papel:

- Non se empregarán plásticos.

- Realizaranse impresións a dobre cara.

- Empregarase papel reciclado.

- Evitarase a impresión de borradores.


(*)The teaching guide is the document in which the URV publishes the information about all its courses. It is a public document and cannot be modified. Only in exceptional cases can it be revised by the competent agent or duly revised so that it is in line with current legislation.