| Competencies / Study results |
| Code | Study programme competences / results |
| A7 | Comprender las necesidades de adquisición, almacenamiento y procesamiento de datos en el contexto de Internet de las Cosas y sus principales plataformas. |
| 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. |
| B5 | Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía. |
| B7 | Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. |
| B10 | Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de 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 | ||
| 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 |
| Contents |
| Topic | Sub-topic |
| 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 |
| Adquisición de sinais | Mostraxe Cuantificación Codificación |
| Aplicaciones á IA | Fundamentos de sistemas supervisados e non supervisados Aplicacións |
| Sistemas baseados en sensores (tema transversal) | Microcontroladores Sensores Aplicacións |
| Planning | ||||
| Methodologies / tests | Competencies / Results | Teaching hours (in-person & virtual) | Student’s personal work hours | Total hours |
| Guest lecture / keynote speech | A7 B5 | 20 | 10 | 30 |
| Objective test | A7 B2 B5 B7 C3 | 3 | 8 | 11 |
| Problem solving | A7 B2 B5 B7 C2 C3 | 10 | 17 | 27 |
| Laboratory practice | A7 B2 B5 B7 B10 C2 C3 | 30 | 50 | 80 |
| 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 |
| Guest lecture / keynote speech | Exposición didáctica, usando diapositivas e o taboleiro, dos contidos teóricos da materia. Resolución de exemplos. |
| Objective test | Exame sobre os contidos da materia (prácticas, teoría e problemas). |
| Problem solving | Resolución de problemas e cuestións por parte do estudantado de forma individual ou en grupos. |
| Laboratory practice | Realizaranse prácticas de programación en Python en ordenador e en microcontroladores. |
| Personalized attention |
|
|
| Assessment | |||
| Methodologies | Competencies / Results | Description | Qualification |
| Laboratory practice | A7 B2 B5 B7 B10 C2 C3 | Entrega e defensa de prácticas. | 38 |
| Objective test | 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 |
| Problem solving | A7 B2 B5 B7 C2 C3 | Avaliación mediante controis (tests ou respostas curtas) nas clases de problemas ou de teoría. | 12 |
| Assessment comments | |||
|
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 realizarase a "proba obxectiva" (5 puntos). Cada estudante poderá elixir conservar a nota de "Solución de problemas" ou repetila (1.2 puntos). A nota de "Prácticas de laboratorio" será a obtida durante o curso (3.8 puntos). Para a oportunidade adiantada, todos os contidos serán avaliados nunha única proba (10 puntos). Os estudantes a tempo parcial presentarán as "Prácticas de laboratorio" nas mesmas datas que o resto de estudantes, e realizarán o resto de probas na data do exame final fixada no calendario académico. Todos os aspectos relacionados coa “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC. |
|||
| Sources of information |
| Basic |
https://docs.micropython.org/en/latest/ (). Documentación de MicroPython.
Pallàs Areny, Ramón (). Sensores y acondicionadores de señal. Marcombo
Oppenheim, Alan V.; Schafer, Ronald W. (). Tratamiento de señales en tiempo discreto. Pearson
Proakis, John G; Manolakis, Dimitris G. (). Tratamiento digital de señales. Pearson |
|
|
|
| Complementary | |
|
|
| Recommendations | |||
| Subjects that it is recommended to have taken before | |||
|
| Subjects that are recommended to be taken simultaneously | |
|
| Subjects that continue the syllabus |
| Other comments | |