Datos Identificativos 2022/23
Asignatura (*) Programación II Código 614G03007
Titulación
Grao en Intelixencia Artificial
Descriptores Ciclo Periodo Curso Tipo Créditos
Grado 2º cuatrimestre
 Primero Formación básica 6
Idioma
Castellano
Modalidad docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinador/a
Cabrero Canosa, Mariano Javier
 Correo electrónico
mariano.cabrero@udc.es
Profesorado
,
Alvarez Estevez, Diego
Cabrero Canosa, Mariano Javier
López Varela, Emilio
Paz López, Alejandro
Vilares Calvo, David
 Correo electrónico
inigo.lopezrioboo.botana@udc.es
diego.alvareze@udc.es
mariano.cabrero@udc.es
e.lopezv@udc.es
alejandro.paz.lopez@udc.es
david.vilares@udc.es
Web http://campusvirtual.udc.es
Descripción general Nesta materia o alumnado desenvolverá as destrezas necesarias para decidir con criterio a combinación de estruturas de datos (lineais ou árbores) e algoritmos máis convenientes para resolver un determinado problema de forma eficiente en termos de recursos espaciais e temporais. Ademais, a materia introduce o paradigma de orientación a obxectos, os seus elementos e propiedades básicas como clases, obxectos, herdanza, polimorfismo, etc. e o paradigma de programación funcional, as súas estruturas de datos características, e ámbitos de aplicación, salientando aqueles onde se logran formulacións e resolucións máis fáciles que con outros paradigmas de programación

Competencias del título
Código Competencias del título
A2 Capacidad para resolver problemas de inteligencia artificial que precisen algoritmos, aplicando correctamente metodologías de desarrollo software y diseño centrado en usuario/a.
A3 Capacidad para comprender y dominar los conceptos básicos de lógica, gramáticas y lenguajes formales para analizar y mejorar las soluciones basadas en inteligencia artificial.
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.
B4 Que el alumnado pueda transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
B5 Que el alumnado haya desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
B6 Capacidad para concebir, redactar, organizar, planificar, y desarrollar modelos, aplicaciones y servicios en el ámbito de la inteligencia artificial, identificando objetivos, prioridades, plazos recursos y riesgos, y controlando los procesos establecidos.
B7 Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad.
B8 Capacidad para diseñar y crear modelos y soluciones de calidad basadas en Inteligencia Artificial que sean eficientes, robustas, transparentes y responsables.
B9 Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en 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.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Llevar a cabo el proceso que permite, desde la abstracción, implementar código de alta calidad. A2
 B2
B5
B7
 C3
Aplicar programación modular para resolver problemas específicos en el ámbito de IA. A2
 B6
B8
B9
 C3
Adquirir competencias para resolver problemas de forma metodológica y práctica. B5
B7
 C3
Identificar y tener la capacidad para seleccionar en un entorno práctico las principales librerías en el campo de IA y Ciencia de Datos. B2
B5
B9
Comprender los conceptos básicos de la programación funcional y el lambda cálculo y demostrar en qué medida su aplicación favorece el desarrollo de aplicaciones en IA. A3
 B8
B9
Adquirir las competencias para analizar la complejidad computacional de un determinado algoritmo, así como desarrollar las capacidades necesarias para escoger la combinación de estructuras de datos y estrategia de resolución más apropiada para resolver de modo eficiente (en términos de recursos espaciales y temporales) un determinado problema. A2
 B4
B6
B7
 C2
C3
Analizar las alternativas para afrontar e identificar que aspectos pueden abordarse con IA y cuales no. A2
A3
 B6
B8
B9
 C2
Comprender los principios necesarios para construír soluciones completas, escalables y robustas, centradas en el/la usuario/a, en las que los componentes de IA encajan como parte de un todo. A2
 B2
B4
B6
B8
B9
 C3
Manejar técnicas y herramentas de prueba para asegurar la calidad de los resultados. B8
B9
 C2

Contenidos
Tema Subtema
Introducción a la orientación a objetos Clases y objetos.
Métodos.
Herencia.
Interfaces y Polimorfismo.
Técnicas de diseño de programas Abstracción y especificación
Módulos
Excepcións y eventos
Tipos abstractos de datos lineales Listas
Pilas
Colas y Colas de Prioridad
Tipos abstractos de datos no lineales Árboles
Árboles Binarios de búsqueda
Árboles AVL
Introducción a la programación funcional Funciones puras
Recursión
Inmutabilidad

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Prácticas de laboratorio A2 A3 B2 B6 B7 B8 B9 C2 C3 20 40 60
Solución de problemas A2 A3 B6 B7 10 17 27
Prueba objetiva B2 B4 B5 B7 B9 2 0 2
Sesión magistral A2 A3 B5 B9 30 30 60
 
Atención personalizada 1 0 1
 
(*)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 Realización y entrega de distintas prácticas de programación para formentar o traballo continuado. Proporcionarase o enunciado e as especificacións que deberán respectarse estritamente. Durante as clases o profesor supervisará o traballo solucionando dúbidas e corrixindo erros de interpretación, malos hábitos de programación e erros de sintaxe, etc.
Solución de problemas Presentación y resolución de supuestos prácticos sencillos para afianzar los conceptos teóricos. Podrán requerir el desarrollo de código. Se fomentará la participación de los alumnos poniendo en común las distintas soluciones para promover el diálogo abierto y la valoración de soluciones. Además se podrán formular ejercicios adicionales que el estudante deberá resolver y comentar/corregir con el profesor.
Prueba objetiva Evaluación sumativa del alumno mediante un examen final al término del cuatrimestre. Será eminentemente práctico para que el alumno pueda demostrar que adquirió los conocimientos necesarios de diseño de programas, orientación a objetos y utilización de estructuras de datos, y que entrenó lo suficiente con ellos como para poseer las habilidades precisas para resolver supuestos prácticos que implique la aplicación de los dichos conocimientos.
Sesión magistral Exposición oral complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con la finalidad de transmitir conocimientos y facilitar el aprendizaje. Constarán de una breve descripción de los contenidos temáticos y de los objetivos básicos perseguidos, e interrelaciones con otros conceptos previamente adquiridos para pasar a desarrollar los contenidos teóricos.

Atención personalizada
Metodologías
Solución de problemas
Prácticas de laboratorio
Descripción
El desarrollo de las sesiones de solución de problemas y los laboratorios de prácticas se realizará atendiendo al progreso de los alumnos en las capacidades de comprensión y asimilación de los contenidos impartidos. El avance general de la clase se compaginará con una atención específica la aquellos alumnos que presenten mayores dificultades en la tarea del aprendizaje y con un apoyo adicional a aquellos otros que presenten mayor desparpajo y deseen ampliar conocimientos.

En el que respeta a las tutorías individuales, dado su carácter personalizado deben dedicarse a aclarar los conceptos ya expuestos y serán una vía de interacción que permitirá extraer conclusiones respeto al grado de asimilación de la materia. Se realizarán de manera presencial. Excepcionalmente se realizará a través de las herramientas corporativas de la UDC (email, Teams, etc.) respetando los horarios docentes.

Evaluación
Metodologías Competéncias Descripción Calificación
Prueba objetiva B2 B4 B5 B7 B9 Realización obligatoria. Necesario aprobar la prueba para superar a materia. 60
Prácticas de laboratorio A2 A3 B2 B6 B7 B8 B9 C2 C3 Realización y calificación según las condiciones establecidas en el enunciado de cada práctica. Necesario aprobar las practicas para superar la materia. 40
 
Observaciones evaluación

Trabajos prácticos y solución de problemas

  • De acuerdo al artículo 14, apartado 4, de la normativa*, el plagio de los trabajos llevará una nota global de NO APTO (0), tanto al estudiante que presente material copiado como a quién lo facilitara, y la cualificación de SUSPENSO en la oportunidad.
  • Si las prácticas u otras actividades se realizar en grupo, todos los miembros del grupo responderán de forma solidaria del trabajo realizado y entregado y de sus posibles consecuencias.

Matrícula a tiempo parcial

  • Los alumnos matriculados a tiempo parcial tendrán que entregar las actividades evaluables en las condiciones y plazos específicos que se establecerán. Será deber del estudiante comunicar su situación al profesorado.

No presentado

  • Quien no concurra a la prueba objetiva en el período oficial de evaluación tendrá la condición de “No presentado” (NP).

* Normativa de evaluación, revisión y reclamación de las cualificaciones de los estudios de grado y máster universitario, aprobada por el Consejo de Gobierno de la Universidade da Coruña el 19 de diciembre de 2013.


Fuentes de información
Básica Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser (2013). Data Structures and Algorithms in Python. John Wiley & Sons
Kenneth A. Lambert (2013). Fundamentals of Python: Data Structures. Course Technologies

Complementária Camilo Chacon (2021). Computación y Programación Funcional. Marcombo
Bradley N. Miller, David L. Ranum. (2013). Problem Solving with Algorithms and Data Structures using Python.. Franklin, Beedle & Associates
Benjamin Baka (2017). Python Data Structures and Algorithms: Improve application performance with graphs, stacks, and queues.. Packt Publishing

Sitio web del entorno de desarrollo Spyder: https://www.spyder-ide.org/

Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Programación I/614G03006
Matemática Discreta/614G03003

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