Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 40 Total: 51
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Grado RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Ciencia de la Computación e Inteligencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable
Esta asignatura persigue que el alumnado aborde en equipo soluciones a problemas eminentemente prácticos mediante un proyecto de IA. Además de requerir de la integración de conocimientos adquiridos durante el título la asignatura potenciará el desarrollo de habilidades interpersonales, comunicativas y de trabajo en equipo. Se espera que el alumnado sea proactivo en la búsqueda de métodos y técnicas apropiadas para el problema a abordar en su proyecto.
La asignatura se estructura en dos bloques claramente diferenciados.
- Formación y práctica en habilidades de tipo profesional y comunicativo, que el alumnado deberá conocer y aplicar en la presentación del trabajo realizado en el proyecto (tanto su exposición como en los informes descriptivos).
- Realización del proyecto en sí, al cual se destinará la mayor parte del tiempo mediante tutorización.
En su conjunto, la relación de contenidos es como sigue:
1. Introducción a proyectos basados en IA
2. Definición del problema y su alcance
3. Habilidades interpersonales y trabajo en equipo
4. Presentaciones efectivas
5. Introducción a informes científico-técnicos
6. Gestión de la bibliografía y preparación de informes
7. Desarrollo de proyecto de IA.
Dado que el Proyecto Integrador I es una materia que esencialmente trata de integrar los aprendizajes adquiridos durante los dos primeros cursos de la titulación, y sigue una metodología docente de aprendizaje en base a retos y proyectos, no hay una bibliografía específica. Las referencias, recursos y materiales precisos para el desarrollo de la materia serán facilitados por el/la docente responsable en la presentación y en las introducciones a los diferentes temas y objetivos de la materia. En todo caso, siguen algunas referencias (no exhaustivas) de apoyo y consulta que se emplearán en la asignatura:
Gestión de proxectos de IA y marco normativo
- Andrew Ng, How to Build Your Career in AI. A Simple guide. https://info.deeplearning.ai/how-to-build-a-career-in-ai-book.
- ISO/IEC 42001:2023 Information technology — Artificial intelligence — Management System https://www.iso.org/standard/81230.html, 2023
- AI Act https://data.consilium.europa.eu/doc/document/PE-24-2024-INIT/es/pdf, 2024.
Trabajo en equipo y Comunicación efectiva
- Jonathan Shewchuk, Three Sins of Authors in Computer Science and Math, University of Berkeley, 1997. https://www.cs.cmu.edu/~jrs/sins.html
- Michael Ernst, How to write a technical paper or a research paper, https://homes.cs.washington.edu/~mernst/advice/write-technical-paper.ht…, 2023
- Carmine Gallo, What It Takes to Give a Great Presentation, https://hbr.org/2020/01/what-it-takes-to-give-a-great-presentation, 2020.
- Mariona Casas Deseuras, ¿Saber hablar en público es una habilidad innata?, https://theconversation.com/saber-hablar-en-publico-es-una-habilidad-in…, 2021
- Chris Anderson, How to Give a Killer Presentation. Lessons from TED, https://hbr.org/2013/06/how-to-give-a-killer-presentation, 2013.
Modelos y estrategias generales de IA, que serán complementadas en función del reto o proyecto que se aborde en cada caso
- S. Russell, P. Norvig. Artificial Intelligence. A Modern Approach. 4th ed. Pearson, 2022.
- R. Marín, J.T. Palma (Eds.) Inteligencia Artificial y Sistemas Inteligentes. Ed. McGraw-Hill, 2008.
- Curso de Inteligencia Artificial. Fernando Sancho Caparrini. http://www.cs.us.es/~fsancho
Competencias
ESPECÍFICAS
- [CE12] Conocer los fundamentos de los algoritmos y modelos de la inteligencia artificial para la resolución de problemas de cierta complejidad, entender su complejidad computacional y tener capacidad para diseñar nuevos modelos.
- [CE15] Conocer y saber aplicar y explicar correctamente las técnicas de validación de las soluciones de inteligencia artificial.
TRANSVERSALES
- [TR1] Capacidad para comunicar y transmitir sus conocimientos, habilidades y destrezas.
- [TR2] Capacidad de trabajo en equipo, en entornos interdisciplinares y gestionando conflictos.
- [TR3] Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.
- [TR4] Capacidad para introducir la perspectiva de género en los modelos, técnicas y soluciones basadas en inteligencia artificial
- [TR5] Capacidad para desarrollar modelos, técnicas y soluciones basadas en inteligencia artificial que resulten éticas, no discriminatorias y confiables.
- [TR6] Capacidad para integrar aspectos jurídicos, sociales, ambientales y económicos inherentes a la inteligencia artificial, analizando sus impactos, y comprometiéndose con la búsqueda de soluciones compatibles con un desarrollo sostenible.
Resultados del Aprendizaje
- Ser capaz de identificar y conocer las etapas básicas necesarias para abordar satisfactoriamente un proyecto de IA.
- Diseñar, desarrollar y evaluar un proyecto de IA.
- Escribir un informe científico-técnico del proyecto realizado.
- Presentar en público (a docentes y pares) el trabajo realizado, demostrando y comunicando de manera crítica los principales resultados alcanzados con el desarrollo del proyecto.
La metodología didáctica se basará en el trabajo individual y colectivo mediante aprendizaje en base a ejercicios, casos prácticos, retos y proyectos, de modo que se fomente un aprendizaje autónomo y proactivo, basado en objetivos.
Las clases expositivas presentarán las claves a tener en cuenta para desarrollar habilidades de realización de presentaciones efectivas y comunicación a públicos especializados y no especializados, trabajo en equipo, así como la elaboración de documentación y realización de informes científico-técnicos. Las presentaciones irán acompañadas de la realización de ejercicios para desarrollar dichas habilidades de forma práctica.
En las sesiones interactivas se realizarán los ejercicios y se presentarán y discutirán los resultados. También se plantearán los retos a resolver en el proyecto integrador, en el cual los grupos deberán aplicar los conocimientos y habilidades adquiridos hasta el momento en los cursos anteriores, y desarrollarán nuevos aprendizajes en base a la realización del proyecto, así como a su presentación, discusión y defensa
Se desarrollarán dinámicas y ejercicios para promover el trabajo en equipo, la comunicación efectiva a públicos especializados y no especializados
La docencia estará apoyada por la plataforma USC virtual de la siguiente manera: repositorio de la documentación relacionada con la materia (textos, presentaciones, lecturas recomendadas...) y tutorización virtual de los estudiantes (correo-e, foros).
La evaluación del aprendizaje considera la evaluación de todas las actividades prácticas propuestas por los docentes:
- Formación en habilidades profesionales (30%): presentaciones en el aula y entrega de ejercicios o trabajos
- Realización del proyecto (70%): elaboración de la memoria, documentación y defensa del mismo.
La materia podrá incluir la realización o participación en otras actividades obligatorias propuestas (como asistencia o participación en charlas, seminarios, talleres y visitas técnicas) que formarán parte de las componentes de evaluación anteriores en función del tipo de actividad y que serán propuestas en la presentación del curso o durante el transcurso del mismo.
La calificación mínima en cada una de las partes deberá ser igual o superior a 4 sobre una puntuación máxima de 10 puntos, para que pueda aprobarse el conjunto de la materia.
Cumplido el requisito anterior, la calificación final de la materia será la media aritmética ponderada por los porcentajes antes indicados de las dos partes indicadas. En caso de incurrir en alguna de las situaciones indicadas anteriormente por no alcanzarse en una o más partes la nota mínima necesaria para superar globalmente la materia, la calificación final de la oportunidad será el mínimo de las calificaciones obtenidas en dichas partes.
Obtendrán la calificación de no presentado los/las estudiantes que no hayan completado la entrega de ninguna otra actividad obligatoria.
Para superar la asignatura en la segunda oportunidad, el alumnado deberá someterse a la evaluación de todas aquellas partes obligatorias pendientes, de acuerdo con lo anteriormente especificado. Para el resto se conservarán las calificaciones obtenidas durante el curso.
En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la normativa de evaluación del rendimiento académico de los estudiantes y de revisión de las calificaciones (https://www.xunta.gal/dog/Publicados/2011/20110721/AnuncioG2018-190711-…). En aplicación de la normativa de la ETSE sobre plagio (aprobada por la Xunta da ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso de las dos oportunidades del curso, con la calificación de 0,0 en ambos casos (https://www.usc.es/etse/files/u1/NormativaPlagioETSE2019.pdf).
Tiempo de trabajo presencial: 51 horas totales, divididas en 10h (clases magistrales), 40h (seminarios y prácticas), 1h (tutorías).
Tiempo de trabajo personal: 99h (total), divididas en 9h (estudio autónomo de teoría y prácticas) y 90h (realización, documentación, presentación y defensa del proyecto).
Se recomienda que los/las estudiantes realicen de forma continuada los ejercicios planteados en clase, y hacer uso de las tutorías para la resolución de dudas.
Se recomienda haber superado todas las asignaturas de los dos primeros cursos del Grado.
La asignatura se impartirá en castellano y gallego, pero tanto en la bibliografía, referencias y apuntes podrá haber contenidos en lengua inglesa.
Maria Del Mar Pereira Alvarez
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- mar.pereira.alvarez [at] usc.es
- Categoría
- Profesor/a: Asociado/a de Universidad LOSU
Cesar Díaz Parga
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- cesardiaz.parga [at] usc.es
- Categoría
- Predoutoral Xunta
Noel Suárez Barro
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- noel.suarez.barro [at] usc.es
- Categoría
- Predoutoral Xunta
Tomás Benavides Álvarez
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- tomas.benavides.alvarez [at] usc.es
- Categoría
- Predoutoral Xunta
| Martes | |||
|---|---|---|---|
| 16:00-17:00 | Grupo /CLIL_02 | Gallego, Castellano | IA.01 |
| 17:00-18:00 | Grupo /CLE_01 | Castellano | IA.01 |
| 18:00-20:00 | Grupo /CLIL_01 | Gallego, Castellano | IA.01 |
| Jueves | |||
| 16:00-17:00 | Grupo /CLIL_01 | Gallego, Castellano | IA.01 |
| 17:00-18:00 | Grupo /CLE_01 | Castellano | IA.01 |
| 18:00-20:00 | Grupo /CLIL_02 | Castellano, Gallego | IA.01 |
| 23.01.2025 09:00-14:00 | Grupo /CLIL_01 | IA.01 |
| 23.01.2025 09:00-14:00 | Grupo /CLIL_02 | IA.01 |
| 23.01.2025 09:00-14:00 | Grupo /CLE_01 | IA.01 |
| 23.01.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |
| 23.01.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 23.01.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |
| 23.01.2025 09:00-14:00 | Grupo /CLIL_01 | IA.12 |
| 23.01.2025 09:00-14:00 | Grupo /CLE_01 | IA.12 |
| 23.01.2025 09:00-14:00 | Grupo /CLIL_02 | IA.12 |
| 01.07.2025 09:00-14:00 | Grupo /CLIL_02 | IA.11 |
| 01.07.2025 09:00-14:00 | Grupo /CLE_01 | IA.11 |
| 01.07.2025 09:00-14:00 | Grupo /CLIL_01 | IA.11 |