Datos Identificativos 2022/23
Asignatura (*) Sistemas Intelixentes de Tempo Real Código 614544026
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 3
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento
Coordinación
Cabalar Fernandez, Jose Pedro
Correo electrónico
pedro.cabalar@udc.es
Profesorado
Cabalar Fernandez, Jose Pedro
Correo electrónico
pedro.cabalar@udc.es
Web
Descrición xeral

Competencias do título
Código Competencias do título
A8 CE07 - capacidade para entender as implicacións do desenrolo dun sistema intelixente explicable e interpretable
A9 CE08 - capacidade para deseñar e desenvolver sistemas intelixentes seguros, en términos de integridade, confidencialidade e robustez
A10 CE09 - capacidade para ter un coñecemento profundo dos principios fundamentáis e modelos da computación cuántica e sabelos aplicar para interpretar, seleccioar, valorar, modelar, e crear novos conceptos, teorías, usos e desenrolos tecnolóxicos relacionados coa intelixencia artificial
A14 CE13 - coñecemento das ferramentas informáticas no campo do análisis dos datos e modelización estadística, e capacidade para seleccionar as máis axeitadas para a resolución de problemas
A15 CE14 - Comprensión e dominio das principáis técnicas de aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volúmenes de datos. Compresión e dominio de fundamentos e técnicas básicas para a búsqueda e o filtrado de información en grandes coleccións de datos
A16 CE15 - coñecemento das ferramentas informáticas no campo da aprendizaxe automática, e capacidade para seleccionar a máis axeitad para a resolución dun problema
A20 CE19 - coñecemento de diferentes ámbitos de aplicación das tecnologías basadas en IA e a súa capacidade para ofrecer un valor engadido diferenciador
A21 CE20 - capacidade de combinar e adaptar diferentes técnicas, extrapolando coñecementos entre diferentes ámbitos de aplicación
A22 CE21 - coñecemento das técnicas que facilitan a organización e xestión de proxectos en IA en entornos reais, a xestión dos recursos e a planificación de tarefas dun xeito eficiente, tendo en conta conceptos de diseminación do coñecemento e ciencia aberta
A23 CE22 - coñecemento de técnicas que facilitan a seguridade dos datos, aplicacións e as comunicacións e as súas implicacións en diferentes ámbitos de aplicación da IA
A28 CE27 - Comprensión da importancia da cultura emprendedora e coñecemento dos medios ao alcance das persoas emprendedoras
A29 CE28 - coñecemento adecuado do concepto de empresa, a súa organización e xestión, e os distintos sectores empresariáis có obxectivo de facilitar solucións dende a intelixencia Artificial
A30 CE29 - Ser capaz de aplicar os coñecementos, capacidades e actitudes á realidade empresarial e profesional, planificando, xestionando e evaluando proxectos no ámbito da intelixencia artificial
A31 CE30 - Ser capaz de plantexar, modelar e resolver problemas que requiran a aplicación de métodos, técnicas e tecnoloxías de intelixencia artificial
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B2 CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial
B5 CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B9 CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades
B10 CB05 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo
C2 CT02 - Dominar a expresión e comprensión, de xeito oral e escrito, dun idioma extranxeiro
C4 CT04 - Desenvolverse para o exercicio dunha una cidadanía respetuosa coa cultura democrática, os dereitos humáns e la perspectiva de xénero
C5 CT05 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras
C6 CT06 - Adquirir habilidades para a vida e hábitos, rutinas e estilos de vida saudables

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer as características e funcións dun sistema de tempo real AM7
AM8
AM9
AM13
AM14
AM15
AM19
AM20
AM21
AM22
BM1
BM2
BM5
BM6
BM9
BM10
CM2
CM4
CM5
CM6
Capacidade para o deseño e a programación dun sistema de tempo real AM7
AM8
AM9
AM13
AM14
AM15
AM19
AM22
AM27
BM7
BM9
BM10
CM2
CM4
CM5
CM6
Coñecer as linguaxes de programación mais comúns para sistemas de tempo 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
Coñecer a produción de compoñentes software fiables, con especial atención á tolerancia a fallas e a recuperación de erros 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

Contidos
Temas Subtemas
Sistemas de Tempo Real Sistemas de Tempo Real
Determinismo e confiabilidade Determinismo e confiabilidade
Paralelismo Paralelismo
Hipótese síncrona e asíncrona Hipótese síncrona e asíncrona
Linguaxes de implementación Linguaxes de implementación
Simulación Simulación
Verificación do comportamento Verificación do comportamento
Estratexias de planificación Estratexias de planificación
Arquitecturas Arequitecturas

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
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
Proba obxectiva 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 maxistral 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
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Traballo práctico, normalmente en grupos, con ferramentas de sistemas de tempo real
Proba obxectiva Examen individual onde se evalúan os coñecementos e capacidades adquiridas polo alumno, especialmente en comprensión dos fundamentos impartidos nas clases maxistráis
Sesión maxistral Clases de fundamentos impartidas polo profesor e combinadas con pequenos exercicios non computables na evaluación final

Atención personalizada
Metodoloxías
Sesión maxistral
Prácticas de laboratorio
Proba obxectiva
Descrición
Titorías e asistencia remota por correo eletrónico ou plataforma electrónica (Teams, moodle, etc)

Avaliación
Metodoloxías Competencias Descrición Cualificación
Sesión maxistral 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 Dependendo da evolución do curso, unha parte do exame podería ser consolidada mediante a entrega de exercicios ao longo das las sesións maxistráis 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 dunha ou varias prácticas 49.5
Proba obxectiva 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 exame individual formado por varios exercicios que serán calificados hata un máximo de 50 puntos 50
 
Observacións avaliación

Fontes de información
Bibliografía básica

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Aprendizaxe Automática I/614544012
Aprendizaxe Profunda/614544013
Aprendizaxe Automática II/614544014
Coñecemento e Razoamento con Incerteza/614544007
Razoamento e Planificación/614544003

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións


(*)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