Datos Identificativos 2022/23
Asignatura (*) Sistemas Inteligentes de Tiempo Real Código 614544026
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Primero Optativa 3
Idioma
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento
Coordinador/a
Cabalar Fernandez, Jose Pedro
Correo electrónico
pedro.cabalar@udc.es
Profesorado
Cabalar Fernandez, Jose Pedro
Correo electrónico
pedro.cabalar@udc.es
Web
Descripción general

Competencias del título
Código Competencias del título
A8 CE07 - Capacidad para entender las implicaciones del desarrollo de un sistema inteligente explicable e interpretable
A9 CE08 - Capacidad para diseñar y desarrollar sistemas inteligentes seguros, en términos de integridad, confidencialidad y robustez
A10 CE09 - Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación cuántica y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la inteligencia artificial
A14 CE13 - Conocimiento de las herramientas informáticas en el campo del análisis de los datos y modelización estadística, y capacidad para seleccionar las más adecuadas para la resolución de problemas
A15 CE14 - Comprensión y dominio de las principales técnicas de aprendizaje automático, incluyendo las dedicadas al tratamiento de grandes volúmenes de datos. Compresión y dominio de fundamentos y técnicas básicas para la búsqueda y el filtrado de información en grandes colecciones de datos
A16 CE15 - Conocimiento de las herramientas informáticas en el campo del aprendizaje automático, y capacidad para seleccionar la más adecuada para la resolución de un problema
A20 CE19 - Conocimiento de diferentes ámbitos de aplicación de las tecnologías basadas en IA y su capacidad para ofrecer un valor añadido diferenciador
A21 CE20 - Capacidad de combinar y adaptar diferentes técnicas, extrapolando conocimientos entre diferentes ámbitos de aplicación
A22 CE21 - Conocimiento de las técnicas que facilitan la organización y gestión de proyectos en IA en entornos reales, la gestión de los recursos y la planificación de tareas de una manera eficiente, teniendo en cuenta conceptos de diseminación del conocimiento y ciencia abierta
A23 CE22 - Conocimiento de técnicas que facilitan la seguridad de los datos, aplicaciones y las comunicaciones y sus implicaciones en diferentes ámbitos de aplicación de la IA
A28 CE27 - Comprensión de la importancia de la cultura emprendedora y conocimiento de los medios al alcance de las personas emprendedoras
A29 CE28 - Conocimiento adecuado del concepto de empresa, su organización y gestión, y los distintos sectores empresariales con el objetivo de facilitar soluciones desde la Inteligencia Artificial
A30 CE29 - Ser capaz de aplicar los conocimientos, capacidades y actitudes a la realidad empresarial y profesional, planificando, gestionando y evaluando proyectos en el ámbito de la inteligencia artificial
A31 CE30 - Ser capaz de plantear, modelar y resolver problemas que requieran la aplicación de métodos, técnicas y tecnologías de inteligencia artificial
B1 CG01 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial
B2 CG02 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial
B5 CG05 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones
B6 CB01 - 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
B7 CB02 - 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
B9 CB04 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigu?edades
B10 CB05 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
C2 CT02 - Dominar la expresión y la comprensión de forma oral y escrita de un idioma extranjero
C4 CT04 - Desarrollarse para el ejercicio de una ciudadanía respetuosa con la cultura democrática, los derechos humanos y la perspectiva de género
C5 CT05 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras
C6 CT06 - Adquirir habilidades para la vida y hábitos, rutinas y estilos de vida saludables

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Conocer las características y funciones de un sistema de tiempo real. AM7
AM8
AM9
AM13
AM14
AM15
AM19
AM20
AM21
AM22
BM1
BM2
BM5
BM6
BM9
BM10
CM2
CM4
CM5
CM6
Capacidad para el diseño y la programación de un sistema de tiempo real AM7
AM8
AM9
AM13
AM14
AM15
AM19
AM22
AM27
BM7
BM9
BM10
CM2
CM4
CM5
CM6
Conocer los lenguajes de programación más comunes para sistemas de tiempo real, tanto síncronos como asíncronos. AM7
AM8
AM9
AM13
AM14
AM15
AM19
AM20
AM21
AM22
AM27
AM28
AM29
AM30
BM1
BM2
BM5
BM6
BM7
BM9
BM10
CM2
CM4
CM5
CM6
Conocer la producción de componentes software fiables, con especial atención a la tolerancia a fallos y a la recuperación de errores AM7
AM8
AM9
AM13
AM14
AM15
AM19
AM20
AM21
AM22
AM27
AM28
AM29
AM30
BM1
BM2
BM5
BM6
BM7
BM9
BM10
CM2
CM4
CM5
CM6

Contenidos
Tema Subtema
Sistemas de tiempo real Sistemas de tiempo real
Determinismo y confiabilidad Determinismo y confiabilidad
Paralelismo Paralelismo
Hipótesis síncrona y asíncrona Hipótesis síncrona y asíncrona
Lenguajes de implementación Lenguajes de implementación
Simulación Simulación
Verificación del comportamiento Verificación del comportamiento
Estrategias de planificación Estrategias de planificación
Arquitecturas Arquitecturas

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Prácticas de laboratorio A8 A9 A10 A14 A15 A16 A20 A21 A22 A23 A28 A29 A31 A30 B1 B2 B5 B6 B7 B9 B10 C2 C4 C5 C6 10.5 21 31.5
Prueba objetiva A8 A9 A10 A14 A15 A16 A20 A21 A22 A23 A28 A29 A31 A30 B1 B2 B5 B6 B7 B9 B10 C2 C4 C5 C6 1.5 10.5 12
Sesión magistral A8 A9 A10 A14 A15 A16 A20 A21 A22 A23 A28 A29 A31 A30 B1 B2 B5 B6 B7 B9 B10 C2 C4 C5 C6 10.5 21 31.5
 
Atención personalizada 0 0
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Prácticas de laboratorio Trabajo práctico, normalmente en grupos, con herramientas de programación de sistemas de tiempo real
Prueba objetiva Examen individual donde se evalúan los conocimientos y capacidades adquiridas por el alumno, especialmente en comprensión de los fundamentos impartidos en clases magistrales
Sesión magistral Clases de fundamentos impartidas por el profesor y combinadas con pequeños ejercicios no computables en la evaluación final

Atención personalizada
Metodologías
Sesión magistral
Prácticas de laboratorio
Prueba objetiva
Descripción
Tutorías y asistencia remota por correo eletrónico o plataforma electrónica (Teams, moodle, etc)

Evaluación
Metodologías Competéncias Descripción Calificación
Sesión magistral A8 A9 A10 A14 A15 A16 A20 A21 A22 A23 A28 A29 A31 A30 B1 B2 B5 B6 B7 B9 B10 C2 C4 C5 C6 Dependiendo de la evolución del curso, una parte del examen podría ser consolidada mediante la entrega de ejercicios a lo largo de las sesiones magistrales 0.5
Prácticas de laboratorio A8 A9 A10 A14 A15 A16 A20 A21 A22 A23 A28 A29 A31 A30 B1 B2 B5 B6 B7 B9 B10 C2 C4 C5 C6 Entrega de una o varias prácticas 49.5
Prueba objetiva A8 A9 A10 A14 A15 A16 A20 A21 A22 A23 A28 A29 A31 A30 B1 B2 B5 B6 B7 B9 B10 C2 C4 C5 C6 Un examen individual compuesto de varios ejercicios que serán calificados hasta un máximo de 50 puntos. 50
 
Observaciones evaluación

Fuentes de información
Básica

Complementária


Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Aprendizaje Automático I/614544012
Aprendizaje Profundo/614544013
Aprendizaje Automático II/614544014
Conocimiento y Razonamiento con Incertidumbre/614544007
Razonamiento y Planificación/614544003

Asignaturas que se recomienda cursar simultáneamente

Asignaturas que continúan el temario

Otros comentarios


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías