Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Lenguas de uso Castellano, Gallego, Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa M.U en Intelixencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
La asignatura introduce al estudiante en el diseño, modelado y verificación de sistemas
que interaccionan con su entorno respondiendo a estrictos requerimientos temporales.
Se le capacitará en el manejo de las hipótesis síncrona y asíncrona mediante lenguajes
de implementación específicos, mostrando las diferencias de concepto e ilustrando las
ventajas y desventajas en cada caso, especialmente en lo relativo a la verificación del
comportamiento, una característica inherente a estos sistemas. Se describirán las
arquitecturas de aplicación de técnicas de IA al diseño de STRs, incidiendo en sus
ventajas y desventajas en el caso de entornos de complejidad añadida como los
dinámicos o incompletamente especificados. Se trata en definitiva de formar al
estudiante en el desarrollo de núcleos operativos en los que el respeto de los plazos
tanto de tratamiento de los estímulos como de generación de la respuesta revisten un
carácter crítico, algo habitual en sistemas embebidos en el ámbito de sectores como el
de la automoción, aeroespacial o de la defensa.
Sistemas de tiempo real. Determinismo y confiabilidad. Paralelismo. Hipótesis síncrona
y asíncrona. Lenguajes de implementación. Simulación. Verificación del
comportamiento. Estrategias de planificación. Arquitecturas.
Básica:
J. Liu, "Real-Time Systems", Prentice-Hall, 2000. ISBN: 978-0130996510
Complementaria:
H. Kopetz, "Real-Time Systems", Springer, 2011, 2 Edición. ISBN: 978-1441982360
BÁSICAS Y GENERALES
CG1 - Mantener y extender planteamientos teóricos fundados para permitir la
introducción y explotación de tecnologías nuevas y avanzadas en el campo de la
Inteligencia Artificial.
CG2 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial.
CG5 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la
gestión del tiempo, personas y toma de decisiones.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser
originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de
investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de
resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más
amplios (o multidisciplinares) relacionados con su área de estudio
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y
razones últimas que las sustentan a públicos especializados y no especializados de un
modo claro y sin ambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan
continuar estudiando de un modo que habrá de ser en gran medida autodirigido o
autónomo.
TRANSVERSALES
CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las
comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje
a lo largo de su vida.
CT7 - Desarrollar la capacidad de trabajar en equipos interdisciplinares o
transdisciplinares, para ofrecer propuestas que contribuyan a un desarrollo sostenible
ambiental, económico, político y social.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo
tecnológico en el avance socioeconómico y cultural de la sociedad.
CT9 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar
actividades, identificar las críticas, establecer plazos y cumplirlos.
ESPECÍFICAS
CE19 - Conocimiento de diferentes ámbitos de aplicación de las tecnologías basadas en
IA y su capacidad para ofrecer un valor añadido diferenciador.
CE20 - Capacidad de combinar y adaptar diferentes técnicas, extrapolando
conocimientos entre diferentes ámbitos de aplicación.
CE21 - Conocimiento de las técnicas que facilitan la organización y gestión de
proyectos en IA en entornos reales, la gestión de los recursos y la planificación de tareas
de una manera eficiente, teniendo en cuenta conceptos de diseminación del
conocimiento y ciencia abierta.
CE22 - Conocimiento de técnicas que facilitan la seguridad de los datos, aplicaciones y
las comunicaciones y sus implicaciones en diferentes ámbitos de aplicación de la IA.
CE30 - Ser capaz de plantear, modelar y resolver problemas que requieran la aplicación
de métodos, técnicas y tecnologías de inteligencia artificial.
La metodología Incluye el Método expositivo / lección magistral, prácticas de
laboratorio, tutorías, trabajo autónomo, estudio de casos y aprendizaje por proyectos. Se
llevará a cabo con las siguientes actividades formativas:
1) Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: se
trata de sesiones cuyo objetivo es que el alumnado adquiera determinadas
competencias en base a la resolución de ejercicios, estudio de casos y realización
de proyectos que requieran al alumno la aplicación de los conocimientos y
competencias desarrolladas durante la asignatura. Estas sesiones pueden requerir
del alumno la presentación oral de su solución a los problemas planteados. Los
trabajos realizados por el alumnado se pueden realizar de forma individual o en
grupos de trabajo.
2) Clases de teoría: 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. Además
del tiempo de exposición oral por parte del profesor, esta actividad formativa
requiere del alumno la dedicación de un tiempo para preparar y revisar por
cuenta propia los materiales objeto de la clase.
3) Clases prácticas de laboratorio: clases dedicadas a que el alumnado desarrolle
trabajos prácticos que impliquen abordar la resolución de problemas complejos,
y el análisis y diseño de soluciones que constituyan un medio para su resolución.
Esta actividad puede requerir de los alumnos la presentación oral de los trabajos
realizados. Los trabajos realizados por el alumnado se pueden realizar de forma
individual o en grupos de trabajo
La evaluación constará de dos partes:
- Examen final, con ponderación del 50% de la nota final.
- Evaluación de trabajos prácticos, con ponderación del 50% de la nota final.
Será necesario alcanzar un 40% de la puntuación en cada parte para poder superar la materia.
La calificación será de no presentado cuando no se entregue ningún trabajo práctico ni examen final.
Segunda oportunidad
La evaluación se realizará con los mismos criterios anteriormente descritos. Se abrirá un nuevo plazo para la entrega de los trabajos prácticos, en caso de no haberlos entregado en la primera oportunidad.
A1: Clases de teoría: 10 horas presenciales, 20 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 7 horas presenciales, 28 horas en total de
dedicación.
A3: Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 4
horas presenciales, 27 horas en total de dedicación.
Miércoles | |||
---|---|---|---|
15:30-17:00 | Grupo /CLIL_01 | - | IA.02 |
05.06.2024 16:00-20:45 | Grupo /CLE_01 | IA.02 |
05.06.2024 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
10.07.2024 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
10.07.2024 16:00-20:45 | Grupo /CLE_01 | IA.02 |