Primeira oportunidade:

Para aprobar a materia, o alumno deberá completar e aprobar os traballos prácticos (30%) e tutelados (30%) propostos, que representan o 60% da cualificación final, así como superar o exame final, que constitúe o 40% restante. Para iso, será necesario obter unha nota igual ou superior a 5 na cualificación global. Ademais, requírese alcanzar polo menos un 4 en cada unha das partes avaliadas para que se poida promediar.

As preguntas do exame final centraranse nos contidos específicos que se desenvolveron na materia en relación coas súas competencias e que poderán ser adquiridos polo alumno tanto na parte expositiva como na interactiva.

Exames parciais:

Non se realizará ningún exame parcial.

Segunda oportunidade e oportunidades extraordinarias:

Mantense a nota conseguida nas prácticas (traballos prácticos e tutelados) durante o curso e tamén o seu peso na nota final. Os alumnos que non alcanzasen a nota de corte nas actividades propostas durante a convocatoria anterior poderán entregar, en data previa ao exame final de segunda oportunidade, actividades similares ás non superadas, que serán propostas polos docentes. Unha vez aprobadas ambas todas as partes avaliadas por separado, o exame será o 40% da nota final e as prácticas o 60% restante (30% traballos prácticos e 30% traballos tutelados). Para aprobar a materia será necesario obter unha nota igual ou superior a 5 na cualificación global. Ademais, requírese alcanzar polo menos un 4 en cada unha das partes avaluadas para que se poida promediar.

Alumnos repetidores e/o con dispensa de asistencia:

Os alumnos repetidores e/o con dispensa de asistencia examinaranse nas mesmas condicións que os alumnos en primeira convocatoria

Non presentado:

O alumno recibirá a cualificación de "non presentado" cando non se realice o exame final.

Realización fraudulenta de exercicios ou probas:

Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido nas normativas de avaliación do rendimento oficiais de cada institución (USC, UDC, Uvigo). En particular, se se detecta calquera forma de plaxio nalgunha das probas ou exames, a cualificación final será SUSPENSO (0), e denunciarase o incidente ás autoridades académicas correspondentes.

Tódolos aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC.

Resultados de aprendizaxe	Competencias / Resultados do título
Adquirir coñecementos avanzados e demostrar, nun contexto de investigación científica e tecnolóxica ou altamente especializada, unha comprensión detallada e fundamentada dos aspectos teóricos e prácticos, e da metodoloxía de traballo en un ou máis campos de estudo.	AI25
Aplicar os coñecementos adquiridos e resolver problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos e mulitidisciplinares, sendo capaces de integrar coñecementos.	AI37
Analizar e interpretar os fluxos de datos IIoT nunha empresa industrial.	AI46
Coñecer e comprender os fundamentos do preprocesado de datos para plantas industriais.	AI68
Emplear técnicas para realizar a limpeza e preprocesado de datos IIoT para algoritmos de aprendizaxe máquina.	AI82

Temas	Subtemas
Preprocesado de datos en plantas industriais	-
Introdución á detección de anomalías	-
Selección de características	-
Desenvolvemento de xemelgos dixitais para plantas industriais. Modelos con memoria baseados en Aprendizaxe Automática. Modelos de aprendizaxe incremental	-
Técnicas de optimización automática. Adaptación das técnicas clásicas aos procesos industriais	-

Metodoloxías / probas	Competencias / Resultados	Horas lectivas (presenciais e virtuais)	Horas traballo autónomo	Horas totais
Sesión maxistral	A25 A46 A68 A82	10	7	17
Prácticas de laboratorio	A25 A37 A46 A68 A82	10	15	25
Proba mixta	A25 A37 A46 A68 A82	2	8	10
Traballos tutelados	A25 A37 A46 A68 A82	0	21	21

Atención personalizada		2	0	2

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Sesión maxistral	Consistirán na explicación dos diferentes apartados do programa da materia, coa axuda de medios electrónicos (presentacións, vídeos etc.).
Prácticas de laboratorio	Exporanse diferentes problemas prácticos relacionados co contido da materia para que o alumno resolva de forma individual ou en grupos.
Proba mixta	Proba de avaliación que se realizará ao final de curso nas correspondentes convocatorias oficiais. Consistirá nunha proba na que será necesario responder a diferentes cuestións teórico-prácticas e/ou resolución de problemas.
Traballos tutelados	O alcance e obxectivos dos proxectos, casos de uso e/o problemas prácticos poderán requirir do traballo autónomo por parte de alumnado, aínda que coa tutela do profesorado.

Metodoloxías	Competencias / Resultados	Descrición	Cualificación
Proba mixta	A25 A37 A46 A68 A82	Proba de avaliación que se realizará ao final de curso nas correspondentes convocatorias oficiais. Consistirá nunha proba na que será necesario responder a diferentes cuestións teórico-prácticas e/ou resolución de problemas.	40
Prácticas de laboratorio	A25 A37 A46 A68 A82	Exporanse diferentes problemas prácticos relacionados co contido da materia para que o alumno resolva de forma individual ou en grupos.	30
Traballos tutelados	A25 A37 A46 A68 A82	Proporanse traballos tutelados a realizar polo estudante no marco da asignatura e que serán evaluados.	30

Observacións avaliación
Primeira oportunidade: Para aprobar a materia, o alumno deberá completar e aprobar os traballos prácticos (30%) e tutelados (30%) propostos, que representan o 60% da cualificación final, así como superar o exame final, que constitúe o 40% restante. Para iso, será necesario obter unha nota igual ou superior a 5 na cualificación global. Ademais, requírese alcanzar polo menos un 4 en cada unha das partes avaliadas para que se poida promediar. As preguntas do exame final centraranse nos contidos específicos que se desenvolveron na materia en relación coas súas competencias e que poderán ser adquiridos polo alumno tanto na parte expositiva como na interactiva. Exames parciais: Non se realizará ningún exame parcial. Segunda oportunidade e oportunidades extraordinarias: Mantense a nota conseguida nas prácticas (traballos prácticos e tutelados) durante o curso e tamén o seu peso na nota final. Os alumnos que non alcanzasen a nota de corte nas actividades propostas durante a convocatoria anterior poderán entregar, en data previa ao exame final de segunda oportunidade, actividades similares ás non superadas, que serán propostas polos docentes. Unha vez aprobadas ambas todas as partes avaliadas por separado, o exame será o 40% da nota final e as prácticas o 60% restante (30% traballos prácticos e 30% traballos tutelados). Para aprobar a materia será necesario obter unha nota igual ou superior a 5 na cualificación global. Ademais, requírese alcanzar polo menos un 4 en cada unha das partes avaluadas para que se poida promediar. As preguntas do exame final centraranse nos contidos específicos que se desenvolveron na materia en relación coas súas competencias e que poderán ser adquiridos polo alumno tanto na parte expositiva como na interactiva. Alumnos repetidores e/o con dispensa de asistencia: Os alumnos repetidores e/o con dispensa de asistencia examinaranse nas mesmas condicións que os alumnos en primeira convocatoria Non presentado: O alumno recibirá a cualificación de "non presentado" cando non se realice o exame final. Realización fraudulenta de exercicios ou probas: Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido nas normativas de avaliación do rendimento oficiais de cada institución (USC, UDC, Uvigo). En particular, se se detecta calquera forma de plaxio nalgunha das probas ou exames, a cualificación final será SUSPENSO (0), e denunciarase o incidente ás autoridades académicas correspondentes. Tódolos aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC.

Bibliografía básica	Li, J., Cheng, K., Wang, S., Morstatter, F., Trevino, R. P., Tang, J., & Liu, H (2017). Feature selection: A data perspective. ACM computing surveys (CSUR), 2017, 50(6), 1-45. Brink, Henrik, Joseph W Richards, and Mark Fetherolf (2017). Real-World Machine-Learning. Shelter Island, NY Kostadinov, Simeon (2018). Recurrent Neural Networks with Python Quick Start Guide : Sequential Learning and Language Modeling with TensorFlow. 1st edition. Birmingham; Packt Publishing

Bibliografía complementaria	Artasanchez, Alberto, and Prateek Joshi (2020). Artificial Intelligence with Python: Your Complete Guide to Building Intelligent Apps Using Python 3.x and TensorFlow 2. Birmingham, England Bernico, Michael (2018). Deep Learning Quick Reference: Useful Hacks for Training and Optimizing Deep Neural Networks with TensorFlow and Keras. Birmingham, England Gomes, H. M., Read, J., Bifet, A., Barddal, J. P., & Gama, J. (2019). Machine learning for streaming data: state of the art, challenges, and opportunities. ACM SIGKDD Explorations Newsletter, 2019, 21(2), 6-22

Observacións
Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade.