Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 40 Total: 51
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 Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
Esta materia persegue que o alumnado aborde en equipo solucións a problemas eminentemente prácticos mediante un proxecto de IA.
Ademais de requirir da integración de coñecementos adquiridos durante o título a materia potenciará o desenvolvemento de habilidades interpersoais, comunicativas e de traballo en equipo.
Espérase que o alumnado sexa proactivo na procura de métodos e técnicas apropiadas para o problema a abordar no seu proxecto.
A materia estrutúrase en dous bloques claramente diferenciados.
-Formación e práctica en habilidades de tipo profesional e comunicativo, que o alumnado deberá coñecer e aplicar na presentación do traballo realizado no proxecto (tanto a súa exposición como nos informes descritivos).
-Realización do proxecto en si, ao cal se destinará a maior parte do tempo mediante titorización.
No seu conxunto, a relación de contidos é como segue:
1. Introdución a proxectos baseados en IA
2. Definición do problema e o seu alcance
3. Habilidades interpersonais e traballo en equipo
4. Presentacións efectivas
5. Introdución a informes científico-técnicos
6. Xestión da bibliografía e preparación de informes
7. Desenvolvemento de proxecto de IA.
Dado que o Proxecto Integrador I é unha materia que esencialmente trata de integrar as aprendizaxes adquiridas durante os dous primeiros cursos da titulación, e segue unha metodoloxía docente de aprendizaxe en base a retos e proxectos, non hai unha bibliografía específica.
As referencias, recursos e materiais precisos para o desenvolvemento da materia serán facilitados polo/a docente responsable na presentación e nas introducións aos diferentes temas e obxectivos da materia.
En todo caso, seguen algunhas referencias (non exaustivas) de apoio e consulta que se empregarán na materia:
Xestión de proxecto de IA e 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.
Traballo en equipo e 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 e estratexias xerais de IA, que serán complementadas en función do reto ou proxecto 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] Coñecer os fundamentos dos algoritmos e modelos da intelixencia artificial para a resolución de problemas de certa complexidade, entender a súa complexidade computacional e ter capacidade para deseñar novos modelos.
- [CE15] Coñecer e saber aplicar e explicar correctamente as técnicas de validación das solucións de intelixencia artificial.
TRANSVERSAIS
- [TR1] Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas.
- [TR2] Capacidade de traballo en equipo, en contornos interdisciplinares e xestionando conflitos.
- [TR3] Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións.
Iniciativa e espírito emprendedor.
- [TR4] Capacidade para introducir a perspectiva de xénero nos modelos, técnicas e solucións baseadas en intelixencia artificial
- [TR5] Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables.
- [TR6] Capacidade para integrar aspectos xurídicos, sociais, ambientais e económicos inherentes á intelixencia artificial, analizando os seus impactos, e comprometéndose coa procura de solucións compatibles cun desenvolvemento sustentable.
Resultados da Aprendizaxe
- Ser capaz de identificar e coñecer as etapas básicas necesarias para abordar satisfactoriamente un proxecto de IA.
-Deseñar, desenvolver e avaliar un proxecto de IA.
-Escribir un informe científico-técnico do proxecto realizado.
-Presentar en público (a docentes e pares) o traballo realizado, demostrando e comunicando de maneira crítica os principais resultados alcanzados co desenvolvemento do proxecto.
A metodoloxía didáctica basearase no traballo individual e colectivo mediante aprendizaxe en base a exercicios, casos prácticos, retos e proxectos, de modo que se fomente unha aprendizaxe autónoma e proactiva, baseada en obxectivos.
As clases expositivas presentarán as claves a ter en conta para desenvolver habilidades de realización de presentacións efectivas e comunicación a públicos especializados e non especializados, traballo en equipo, así como a elaboración de documentación e realización de informes científico-técnicos.
As presentacións irán acompañadas da realización de exercicios para desenvolver ditas habilidades de forma práctica.
Nas sesións interactivas realizaranse os exercicios e presentaranse e discutirán os resultados.
Tamén se formularán os retos a resolver no proxecto integrador, no cal os grupos deberán aplicar os coñecementos e habilidades adquiridos ata o momento nos cursos anteriores, e desenvolverán novas aprendizaxes en base á realización do proxecto, así como á súa presentación, discusión e defensa
Desenvolveranse dinámicas e exercicios para promover o traballo en equipo, a comunicación efectiva a públicos especializados e non especializados A docencia estará apoiada pola plataforma USC virtual do seguinte xeito: repositorio da documentación relacionada coa materia (textos, presentacións, lecturas recomendadas... ) e titorización virtual dos estudantes (correo-e, foros).
A avaliación da aprendizaxe considera a avaliación de todas as actividades prácticas propostas polos docentes:
- Formación en habilidades profesionais (30%): presentacións na aula e entrega de exercicios ou traballos
- Realización do proxecto (70%): elaboración da documentación, memoria e defensa do mesmo.
A materia poderá incluir a realización ou participación noutras actividades obrigatorias propostas (como asistencia ou participación en charlas, seminarios, talleres e visitas técnicas) que formarán parte das compoñentes de avaliación anteriores en función do tipo de actividade e que serán propostas na presentación do curso ou durante o transcurso do mesmo.
A cualificación global desta parte será a media das cualificacións das actividades propostas, coa ponderación que se especifique na presentación da materia, e sempre que en todas elas se teña unha calificación igual ou superior a 3. Nese caso, a cualificación global debe ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos, para que poida aprobarse o conxunto da materia. Aquelas actividades cunha cualificación inferior a 3 puntos deberán avaliarse na segunda oportunidade.
A cualificación mínima en cada unha das partes deberá ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos, para que poida aprobarse o conxunto da materia.
Cumprido o requisito anterior, a cualificación final da materia será a media aritmética ponderada polas porcentaxes antes indicadas das dúas partes indicadas.
En caso de incorrer nalgunha das situacións indicadas anteriormente por non alcanzarse nunha ou máis partes a nota mínima necesaria para superar globalmente a materia, a cualificación final da oportunidade será o mínimo das cualificacións obtidas nas ditas partes.
Obterán a cualificación de non presentados os/as estudantes que non completasen a entrega de ningunha outra actividade obrigatoria.
Para superar a materia na segunda oportunidade, o alumnado deberá someterse á avaliación de todas aquelas partes obrigatorias pendentes, de acordo co anteriormente especificado.
Para o resto conservaranse as cualificacións obtidas durante o curso.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na normativa de avaliación do rendemento académico dos estudantes e de revisión das cualificacións (https://www.xunta.gal/dog/Publicados/2011/20110721/AnuncioG2018-190711-…).
En aplicación da normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019) , a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso das dúas oportunidades do curso, coa cualificación de 0,0 en ambos os casos (https://www.usc.es/etse/files / u1/Normativa PlagioETSE2019.pdf).
Tempo de traballo presencial: 51 horas totais, divididas en 10h (clases maxistrais), 40h (seminarios e prácticas), 1h (titorías).
Tempo de traballo persoal: 99h (total), divididas en 9h de estudo autónomo de teoría e prácticas e 90h (realización, documentación, presentación e defensa do proxecto).
Recoméndase que os/as estudantes realicen de forma continuada os exercicios expostos en clase, e facer uso das titorías para a resolución de dúbidas.
Recoméndase ter superado todas as materias dos dous primeiros cursos do Grao.
A materia impartirase en castelán e galego, pero tanto na bibliografía, referencias e apuntes poderá haber contidos en lingua inglesa.
Maria Del Mar Pereira Alvarez
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- mar.pereira.alvarez [at] usc.es
- Categoría
- Profesor/a: Asociado/a de Universidade LOSU
Cesar Díaz Parga
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- cesardiaz.parga [at] usc.es
- Categoría
- Predoutoral Xunta
Noel Suárez Barro
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- noel.suarez.barro [at] usc.es
- Categoría
- Predoutoral Xunta
Tomás Benavides Álvarez
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- tomas.benavides.alvarez [at] usc.es
- Categoría
- Predoutoral Xunta
Martes | |||
---|---|---|---|
16:00-17:00 | Grupo /CLIL_02 | Galego, Castelán | IA.01 |
17:00-18:00 | Grupo /CLE_01 | Castelán | IA.01 |
18:00-20:00 | Grupo /CLIL_01 | Galego, Castelán | IA.01 |
Xoves | |||
16:00-17:00 | Grupo /CLIL_01 | Galego, Castelán | IA.01 |
17:00-18:00 | Grupo /CLE_01 | Castelán | IA.01 |
18:00-20:00 | Grupo /CLIL_02 | Castelán, Galego | 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 |