Datos Identificativos 2024/25
Asignatura (*) Python para Enxeñeiros Avanzado Código 730556012
Titulación
Máster Universitario en Informática Industrial e Robótica
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Optativa 3
Idioma
Castelán
Galego
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Enxeñaría Industrial
Coordinación
Becerra Permuy, Jose Antonio
 Correo electrónico
jose.antonio.becerra.permuy@udc.es
Profesorado
Becerra Permuy, Jose Antonio
Jove Pérez, Esteban
 Correo electrónico
jose.antonio.becerra.permuy@udc.es
esteban.jove@udc.es
Web
Descrición xeral O obxectivo desta materia é proporcionar ao alumno os coñecementos necesarios sobre técnicas e ferramentas en Python para que este sexa capaz de resolver, utilizando devandita linguaxe, problemas habituais en enxeñería (cálculo numérico, procesado de sinal, etc.).

Competencias / Resultados do título
Código Competencias / Resultados do título
A12 COMP12 - Capacidade para desenvolver e programar aplicacións complexas, incluíndo multihilo e/ou multiproceso e/ou procesos distribuídos.
A13 COMP13 - Capacidade para uso e desenvolvemento de código e librarías que permitan captar o contorno e realizar visión por computador ou realidade aumentada e actuar sobre el en sistemas robóticos e/ou industriais.
A33 HAB05 - Programar e despregar sistemas de supervisión en sistemas de automatización.
A34 HAB06 - Programar un sistema embebido exprofeso para unha aplicación de control industrial.
A49 OPT-COMP6 - Deseñar aplicacións en Python, incluíndo o traballo con IDEs que soportan o traballo colaborativo, control de versións e depuración de aplicacións multithread e multiproceso.
A65 OPT-CON6 - Identificar as principais librarías e funcións para a análise de datos en Python e traballo con ficheiros de E/S de diversos formatos coñecidos e utilizados en aplicacións científicas.
A83 OPT-HAB6 - Resolver problemas de cálculo numérico, procesado de sinais e matemática simbólica en Python

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
COMP12 - Capacidade para desenvolver e programar aplicacións complexas, incluíndo multihilo e/ou multiproceso e/ou procesos distribuídos. AI12
COMP13 - Capacidade para uso e desenvolvemento de código e librarías que permitan captar o contorno e realizar visión por computador ou realidade aumentada e actuar sobre el en sistemas robóticos e/ou industriais. AI13
HAB05 - Programar e despregar sistemas de supervisión en sistemas de automatización. AI33
HAB06 - Programar un sistema embebido exprofeso para unha aplicación de control industrial. AI34
OPT-COMP6 - Deseñar aplicacións en Python, incluíndo o traballo con IDEs que soportan o traballo colaborativo, control de versións e depuración de aplicacións multithread e multiproceso. AI49
OPT-CON6 - Identificar as principais librarías e funcións para a análise de datos en Python e traballo con ficheiros de E/S de diversos formatos coñecidos e utilizados en aplicacións científicas. AI65
OPT-HAB6 - Resolver problemas de cálculo numérico, procesado de sinais e matemática simbólica en Python. AI83

Contidos
Temas Subtemas
Os bloques ou temas seguintes desenvolven os contidos establecidos na ficha da memoria de verificación. - Desenvolvemento e depuración de proxectos software complexos. IDEs. Depuradores. Software de control de versións.
- Programación multiproceso e multifío.
- Introdución a cálculo numérico e procesado de sinal en Python.
- Librerías de análises de datos.
- Matemática simbólica en Python.
Tema 1: Visual Studio Code como IDE avanzado. - Instalación.
- Configuración.
- Workspaces.
- Depuración.
Tema 2: Control de versións. Git:
- Conceptos.
- Instalación.
- Interfaces gráficas.
- Comandos.
GitHub.
Tema 3: Medición de tempos de execución. timeit
cProfile
Tema 4: Programación multiproceso e multihilo. Procesos e fíos.
Implementación de fíos en Python.
Implementación de multiproceso en Python.
Intercambio de datos entre procesos.
Sincronización.
Tema 5: SciPy. Módulos:
- E/S.
- Álxebra lineal.
- Estatística.
- Integrais.
- Interpolación.
- Procesado de imaxes.
- Optimización.
- Procesado de sinal.
Tema 6: Análise de datos con pandas. Instalación.
Series.
DataFrames.
Tema 7: Computación simbólica con SymPy. Conceptos básicos.
Módulos.
Solvers.

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Proba mixta A12 A49 A65 A83 2.5 0 2.5
Sesión maxistral A12 A49 A65 A83 10.5 15.75 26.25
Prácticas de laboratorio A12 A49 A83 10.5 15.75 26.25
Traballos tutelados A12 A13 A33 A34 A49 A65 A83 0 18 18
 
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
Proba mixta 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.
Sesión maxistral 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.
Prácticas de laboratorio 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.
Traballos tutelados 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.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Traballos tutelados
Descrición
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.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Proba mixta A12 A49 A65 A83 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. 40
Traballos tutelados A12 A13 A33 A34 A49 A65 A83 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. 60
 
Observacións avaliación
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 (TT) sexa maior ou igual que 5.
  2. Que a nota na proba mixta (PM) 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 = 0,4*PM + 0,6*TT
Notas sobre as actividades:
  • Os alumnos que se presenten na convocatoria adiantada terán a posibilidade de pasar a parte da puntuación dos traballos tutelados á proba mixta. Para iso, será necesario que os estudantes se poñan en contacto cos profesores ao comezo do curso.
  • Na 2ª oportunidade os alumnos poderán manter as notas aprobadas si así o desexan e deberán repetir as partes nas que estén suspensos.
  • Tódolos aspectos relacionados con "dispensa académica", "dedicación ao estudo", "permanencia" e "fraude académica" rexeranse de acordo coa normativa académica vixente da UDC.

Fontes de información
Bibliografía básica Van Hattem, R. (2016). Mastering Python. Packt Publishing Ltd.
Mehta, H. K. (2015). Mastering Python Scientific Computing. Packt Publishing Ltd.
Fandango, A. (2017). Python Data Analysis 2nd edition. Packt Publishing Ltd.

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Python para Enxeñeiros Introdutorio/730556010

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións
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.


(*)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