Programación II

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 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.

Algoritmos e estruturas de datos. Estruturas de datos lineais (pilas, listas e colas). Árbores. Lambda cálculo. Programación funcional.

Básica:

Algoritmos y estructuras de datos en Python: un enfoque ágil y estructurado / Walter Bel. - 1a ed. - Paraná: Editorial Uader, 2020. ISBN 978-950-9581-60-9. https://editorial.uader.edu.ar/catalogo/algoritmos-y-estructuras-de-dat… Revisado el 11/05/2022.

Complementaria:

Condor y De la Cruz. Algoritmos resueltos con Python. Eidec editorial, 2020. ISBN: 978-958-53018-2-5. https://doi.org/10.34893/6kbn-5a63

- [CB2] Que o alumnado saiba aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúa as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo.
- [CB4] Que o alumnado poida transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado.
- [CB5] Que o alumnado desenvolvese aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía.
- [ CG1] Capacidade para concibir, redactar, organizar, planificar, e desenvolver modelos, aplicacións e servizos no ámbito da intelixencia artificial, identificando obxectivos, prioridades, prazos recursos e riscos, e controlando os procesos establecidos.
- [ CG2] Capacidade para resolver problemas con iniciativa, toma de decisións, autonomía e creatividade.
- [ CG3] Capacidade para deseñar e crear modelos e solucións de calidade baseadas en Intelixencia Artificial que sexan eficientes, robustas, transparentes e responsables.
- [ CG4] Capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propoñer novos métodos baseados en intelixencia artificial.
[CE2] Capacidade para resolver problemas de intelixencia artificial que precisen algoritmos, aplicando correctamente metodoloxías de desenvolvemento software e deseño centrado en usuario/a.
- [CE3] Capacidade para comprender e dominar os conceptos básicos de lóxica, gramáticas e linguaxes formais para analizar e mellorar as solucións baseadas en intelixencia artificial.
- [ TR2] Capacidade de traballo en equipo, en contornas interdisciplinares e xestionando.
- [ TR3] Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor.

Utilizaranse as seguintes metodoloxías docentes: Sesións expositivas (SE) e Sesións interactivas (SI). As SE serán clases maxistrais nas que se impartirán conceptos teóricos, resolveranse exercicios e problemas. As SI serán sesións prácticas en aula de informática.

Incluirá:
Realización de problemas, prácticas, proxectos e/ou entrega de memorias cunha ponderación do 30% da nota final.
Superación de probas parciais e/ou finais, cunha ponderación do 70% da nota final. Será necesario alcanzar un 5 no cómputo final das probas parciales/finais para superar a materia. De non acadar o 5, a nota final será a nota da avaliación continua.
A calificación será de non presentado cando non se entregue ninguna tarefa da avaliación continua e non se entregue ningunha proba parcial nin final.

Os criterios de avaliación das partes de teoría e práctica na oportunidade de recuperación serán exactamente os mesmos que para a oportunidade ordinaria. Para aprobar a avaliación continua da materia será necesario superar todas as actividades propostas a medida que se van plantexando ó longo do curso.

Clases maxistrais (teóricas, exercicios ou problemas): 20 horas, 100% presencial
Sesións prácticas en aula de informática e/ou laboratorio: 30 horas,100% presencial
Traballo persoal do alumnado (estudo, realización de exercicios, prácticas, proxectos) e outras actividades (avaliación): 99 horas, 0% presencial

Requisitos previos recomendados: Programación I, Matemática Discreta