Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Horas de Titorías: 2 Clase Expositiva: 17 Clase Interactiva: 22 Total: 41
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación
Áreas: Ciencia da Computación e Intelixencia Artificial
Centro Facultade de Administración e Dirección de Empresas
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
Ao rematar a materia o alumno será capaz de:
- Coñecer e saber diferenciar os diferentes modelos de aprendizaxe automática.
- Saber aplicar o modelo de aprendizaxe automática máis axeitado para un determinado problema de explotación de datos no ámbito empresarial.
- Saber utilizar plataformas de software para construír modelos baseados na aprendizaxe automática a partir de datos.
- Saber reducir a dimensionalidade dos datos dun problema no ámbito empresarial para facilitar o seu tratamento mediante a aprendizaxe automática.
- Introdución á aprendizaxe automática.
- Redución da dimensión.
- Aprendizaxe non supervisada (agrupación).
- Aprendizaxe supervisada (Clasificación/regresión).
- Aprendizaxe de reforzo.
- Combinación e selección de modelos.
- Plataformas e ferramentas software para a aprendizaxe automática.
Bibliografía básica
D. Borrajo, J. González y P. Isasi. Aprendizaje automático. Sanz y Torres.
T.M. Mitchell. Machine Learning. McGraw Hill.
Bibliografía complementaria
E. Rich y K. Knight. Artificial Intelligence. McGraw-Hill.
S. Russel y P. Norving. Artificial Intelligence: a modern approach. Prentice Hall. 2003
De Mauro, Andrea. Data Analytics Made Easy: Use Machine Learning and Data storytelling in Your Work Without Writing Any Code Expert insight. Packt Publishing, 2021
Competencias xerais e básicas
CG2 - Identificar, reunir, analizar e interpretar datos relevantes sobre cuestións relacionadas co ámbito empresarial e tecnolóxico
CG7 - Coñecer e utilizar correctamente as ferramentas informáticas e as novas tecnoloxías relacionadas coa xestión negocio
CB1 - Que o alumnado demostrou posuír e comprender coñecementos nunha área de estudo que parte da base do educación secundaria xeral, e adoita atoparse nun nivel que, aínda que se apoia en libros de texto avanzados, tamén inclúe algúns aspectos que implican coñecementos procedentes da vangarda do seu ámbito de estudo
CB2 - Que o alumnado saiba aplicar os seus coñecementos ao seu traballo ou vocación dun xeito profesional e teña o competencias que adoitan demostrarse mediante a elaboración e defensa de argumentos e a resolución de problemas dentro a súa área de estudo
CB3 - Que os estudantes teñan a capacidade de recoller e interpretar datos relevantes (normalmente dentro da súa área de estudo) emitir xuízos que inclúan unha reflexión sobre cuestións relevantes de carácter social, científico ou ético
CB4 - Que o alumnado poida transmitir información, ideas, problemas e solucións a públicos tanto especializados como non especializados especializada
CB5 - Que os estudantes desenvolveron aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía
Habilidades transversais
CT1 - Pensar de forma integrada e crítica, e abordar os problemas desde diferentes perspectivas
CT5 - Capacidade para resolver problemas e tomar decisións aplicando os coñecementos teóricos á práctica
CT6 - Traballar en equipo, compartindo coñecementos e sabendo comunicalo ao resto do equipo e á organización.
CT9 - Capacidade de aprendizaxe autónoma e de auto avaliación
CT10 - Capacidade para utilizar ferramentas de cálculo e tecnoloxías da información e da comunicación (TIC)
Habilidades específicas
CE13 - Identificar fontes de información fiables, elaborar e interpretar dita información mediante técnicas de análise e ferramentas matemáticas, estatísticas e tecnolóxicas adecuadas para apoiar a toma de decisións
CE14 - Coñecer e saber utilizar ferramentas e mecanismos de representación, almacenamento, transformación, análise e comunicación fiable e eficiente da información
CE15 - Coñecer as posibilidades do Big Data e da intelixencia artificial e empresarial para mellorar os procesos e coñecer os requisitos para a súa implantación
CE16 - Coñecer os sistemas de información empresarial, tendo en conta as súas tres dimensións específicas (informativos, tecnolóxicos e organizativos) e tomar decisións relacionadas coa súa especificación, deseño e implantación
CE18 - Coñecer o uso e a programación de sistemas informáticos, bases de datos, criptografía e cadeas de bloques para a súa aplicación á xestión e análise da información empresarial e ao deseño e desenvolvemento de produtos, procesos e novos modelos de negocio
CE5 - Coñecer o papel integrador da tecnoloxía e coñecer os principais produtos tecnolóxicos e as tendencias tecnolóxicas asociados ás distintas áreas da xestión empresarial
A docencia impartirase de forma semi-presencial utilizando como apoio as plataformas corporativas da USC: Moodle (Campus Virtual) e MS Teams. O estudo e aprendizaxe desta materia apoiarase nas seguintes actividades:
(a) Estudo autónomo por parte do alumnado dos materiais didácticos correspondentes a cada unidade temática, que o profesorado poñerá ao dispor dos estudantes no Campus Virtual.
(b) Realización por parte do alumnado de actividades prácticas preferentemente de carácter individual. Neste sentido, propoñeranse varios casos prácticos a desenvolver ao longo da materia e que deberán ser entregados nas datas correspondentes de acordo co cronograma establecido. A información e entrega destas actividades articularase a través do Campus Virtual.
(c) Participación activa dos estudantes en actividades colaborativas (por exemplo, foros de debate). Eses foros de debate permitirán aos estudantes manifestar os seus puntos de vista e opinións, buscando a interacción e o debate compartido.
(d) Sesións presenciais: Estas sesións, que se desenvolverán de acordo cos horarios establecidos pola Facultade, impartiranse na aula correspondente e serán retransmitidas de forma síncrona en streaming. En consecuencia, o alumnado poderá asistir a elas ben de forma física ou ben conectándose a través de MS Teams. Nestas sesións levará a cabo unha revisión breve dos contidos xerais de cada unidade temática e desenvolveranse outras actividades complementarias ás realizadas de forma individual polos alumnos e orientadas a fomentar a participación e posta en común de todo o grupo.
O traballo autónomo do alumnado será guiado polo profesorado nas horas destinadas a titorías. Estas titorías desenvolveranse preferentemente a través da plataforma MSTeams.
As tarefas desta materia poderían estar vinculadas a proxectos ApS.
A parte práctica da materia avaliarase mediante un proceso de AVALIACIÓN CONTINUA:
- Participación activa na aula virtual (foros e debates, e outras ferramentas virtuais) 10%
- Actividades (traballos, exercicios e exposicións) 40%
A materia tamén terá un exame final que representará o 50% da nota final da materia.
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o establecido na “Normativa de avaliación do rendemento académico dous estudantes e de revisión dás cualificacións”.
No caso de estudantes con dispensa de asistencia homologada pola Facultade, a súa calificación será a derivada do exame final. Para tal fin, deberán comunicalo ao profesor dentro da semana seguinte á resolución oficial.
Traballo presencial na aula:
Sesións : 9 horas
Titorías (grupos reducidos): 4 horas
Horas non presenciais:
Horas de avaliación: ata 3 (exames oficiais)
Aprendizaxe virtual, estudo persoal e resolución de casos prácticos/traballos: 58 horas
Preparación de traballos: 14
Preparación de exames: 24.5
Roberto Iglesias Rodriguez
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- roberto.iglesias.rodriguez [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Ignacio Raño Noal
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- ignacio.rano [at] usc.es
- Categoría
- Profesor/a: Profesor Contratado/a Doutor
Marta Nuñez Garcia
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- martanunez.garcia [at] usc.es
- Categoría
- Investigador/a Distinguido/a
| Venres | |||
|---|---|---|---|
| 19:00-21:00 | Grupo /CLIS_01 | Galego | Aula Informática 5 |
| 08.01.2025 16:00-20:00 | Grupo /CLIS_01 | Aula Informática 5 |
| 11.06.2025 16:00-20:00 | Grupo /CLIS_01 | Aula Informática 5 |