| Competencias del título |
| Código | Competencias del título |
| A8 | CON8 Reconocer las principales herramientas para el manejo de datos hidrológicos y vinculados a la gestión del agua, y como los datos pueden ser usados para la toma de decisiones, mediante métodos basados en conceptos estadísticos o en inteligencia artificial. |
| B5 | HAB5 Utilizar sistemas de información geográfica (SIG) para el tratamiento y elaboración de datos geoespaciales. Manejar herramientas SIG, herramientas estadísticas y herramientas basadas en inteligencia artificial para el análisis de datos vinculados a la gestión del agua |
| C6 | COM6 Integrar distintas fuentes de datos en marcos de decisión que permitan una mejor gestión del recurso hídrico. |
| Resultados de aprendizaje | |||
| Resultados de aprendizaje | Competencias del título | ||
| Conocer, comprender, saber plantear y resolver problemas de optimización en ingeniería hidráulica e hidrología, así como reconocimiento e identificación de parámetros y análisis de sensibilidad para la caracterización de problemas y toma de decisiones para la gestión de recursos hídricos e hidrológicos.. | AP8 |
BP5 |
CP6 |
| Contenidos |
| Tema | Subtema |
| 1.- Introducción | 1.1.- Conceptos Generales 1.2.- Clasificación de problemas 1.3.- Clasificación de métodos |
| 2.- Planteamiento de problemas de optimización | 2.1.- Planteamiento general 2.2.- Función objetivo y restricciones. 2.3.- Análisis de sensibilidad |
| 3.- Análisis de sensibilidad e identificación de parámetros | 3.1.- Estado directo 3.2.- Estado adjunto 3.3.- Primer orden 3.4.- Segundo orden |
| 4.- Métodos de programación matemática | 3.1.- Estado directo 3.2.- Estado adjunto 3.3.- Primer orden 3.4.- Segundo orden |
| 5.- Toma de decisiones bajo incertidumbre e Inferencia Bayesiana | 5.1.- Decisión y Utilidad 5.2.- Decisiones en incertidumbre 5.3.- Teoría de la decisión 5.4.- Decisión en procesos aleatorios independientes |
| Planificación | ||||
| Metodologías / pruebas | Competéncias | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Prueba objetiva | A8 B5 C6 | 3 | 9 | 12 |
| Solución de problemas | A8 B5 C6 | 7 | 20 | 27 |
| Sesión magistral | A8 B5 C6 | 11 | 22 | 33 |
| Atención personalizada | 3 | 0 | 3 | |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | ||||
| Metodologías |
| Metodologías | Descripción |
| Prueba objetiva | Proba escrita utilizada como actividad para la evaluación individual del aprendizaje |
| Solución de problemas | Actividad de resolución de problemas prácticos asociados a los contenidos teóricos |
| Sesión magistral | Exposición oral de los contenidos que conforman el marco teórico de la materia |
| Atención personalizada |
|
|
| Evaluación | |||
| Metodologías | Competéncias | Descripción | Calificación |
| Prueba objetiva | A8 B5 C6 | Prueba objetiva para la evaluación del aprendizaje de los contenidos de la materia. Podrán realizarse (sin previo aviso) pruebas a lo largo del curso durante las horas de clase para realizar un seguimiento del aprendizaje de la materia. | 100 |
| Observaciones evaluación | |||
| Fuentes de información |
| Básica |
Avriel M., Dembo R.S. (2009). Engineering Optimization. Springer Link
Theodoridis S. (2015). Machine Learning: A Bayesian and Optimization Perspective. Elsevier
Fletcher R. (1987). Practical Methods of Optimization. John Wiley and Sons, U.K:
Gill P., Murray W., Bright M. (1981). Practical Optimization. Academic Press, London
White D.J. (1990). Teoría de la Decisión. Alianza |
|
|
|
| Complementária | |
|
|
| Recomendaciones | |
| Asignaturas que se recomienda haber cursado previamente |
| Asignaturas que se recomienda cursar simultáneamente |
| Asignaturas que continúan el temario |
| Otros comentarios | |