Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Linguas de uso Castelán, Galego, Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado ás titulacións
Áreas: Área externa M.U en Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
A materia introduce ao estudante no deseño, modelado e verificación de sistemas que
interaccionan coa súa contorna respondendo a estritos requirimentos temporais.
Capacitaráselle no manexo das hipóteses síncrona e asíncrona mediante linguaxes de
implementación específicos, mostrando as diferenzas de concepto e ilustrando as
vantaxes e desvantaxes en cada caso, especialmente no relativo á verificación do
comportamento, unha característica inherente a estes sistemas. Describiranse as
arquitecturas de aplicación de técnicas de IA ao deseño de STRs, incidindo nas súas
vantaxes e desvantaxes no caso de contornas de complexidade engadida como os
dinámicos ou incompletamente especificados. Trátase en definitiva de formar ao
estudante no desenvolvemento de núcleos operativos nos que o respecto dos prazos
tanto de tratamento dos estímulos como de xeración da resposta revisten un carácter
crítico, algo habitual en sistemas embebidos no ámbito de sectores como o da
automoción, aeroespacial ou da defensa.
Sistemas de tempo real. Determinismo e confiabilidad. Paralelismo. Hipótese síncrona e
asíncrona. Linguaxes de implementación. Simulación. Verificación do comportamento.
Estratexias 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 E XENERAIS
CG1 - Manter e estender formulacións teóricas fundadas para permitir a introdución e
explotación de tecnoloxías novas e avanzadas no campo da Intelixencia Artificial.
CG2 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial.
CG5 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na
xestión do tempo, persoas e toma de decisións.
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de
ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de
investigación
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade
de resolución de problemas en contornas novas ou pouco coñecidos dentro de contextos
máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e
razóns últimas que as sustentan a públicos especializados e non especializados dun
modo claro e sen ambigüidades
CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan
continuar estudando dun modo que haberá de ser en gran medida autodirigido ou
autónomo.
TRANSVERSAIS
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as
comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe
ao longo da súa vida.
CT7 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou
transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sostible
ambiental, económico, político e social.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento
tecnolóxico no avance socioeconómico e cultural da sociedade.
CT9 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar
actividades, identificar as críticas, establecer prazos e cumprilos.
ESPECÍFICAS
CE19 - Coñecemento de diferentes ámbitos de aplicación das tecnoloxías baseadas en
IA e a súa capacidade para ofrecer un valor engadido diferenciador.
CE20 - Capacidade de combinar e adaptar diferentes técnicas, extrapolando
coñecementos entre diferentes ámbitos de aplicación. CE21 - Coñecemento das técnicas
que facilitan a organización e xestión de proxectos en IA en contornas reais, a xestión
dos recursos e a planificación de tarefas dunha maneira eficiente, @teniendo en cuenta
conceptos de diseminación do coñecemento e ciencia aberta. CE22 - Coñecemento de
técnicas que facilitan a seguridade dos datos, aplicacións e as comunicacións e as súas
implicacións en diferentes ámbitos de aplicación da IA.
CE30 - Ser capaz de expor, modelar e resolver problemas que requiran a aplicación de
métodos, técnicas e tecnoloxías de intelixencia artificial.
A metodoloxía Inclúe o Método expositivo / lección maxistral, prácticas de laboratorio,
titorías, traballo autónomo, estudo de casos e aprendizaxe por proxectos. levará a cabo
coas seguintes actividades formativas:
1) Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos:
trátase de sesións cuxo obxectivo é que o alumnado adquira determinadas competencias
en base á resolución de exercicios, estudo de casos e realización de proxectos que
requiran ao alumno a aplicación dos coñecementos e competencias desenvolvidas
durante a materia. Estas sesións poden requirir do alumno a presentación oral da súa
solución aos problemas expostos. Os traballos realizados polo alumnado pódense
realizar de forma individual ou en grupos de traballo.
2) Clases de teoría: Exposición oral complementada co uso de medios audiovisuais
e a introdución dalgunhas preguntas dirixidas aos estudantes, coa finalidade de
transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral
por parte do profesor, esta actividade formativa require do alumno a dedicación dun
tempo para preparar e revisar por conta propia o materiais obxecto da clase.
3) Clases prácticas de laboratorio: clases dedicadas a que o alumnado desenvolva
traballos prácticos que impliquen abordar a resolución de problemas complexos, e a
análise e deseño de solucións que constitúan un medio para a súa resolución. Esta
actividade pode requirir dos alumnos a presentación oral dos traballos realizados. Os
traballos realizados polo alumnado pódense realizar de forma individual ou en grupos
de traballo
A avaliación constará de dous partes:
- Exame final, con ponderación do 50% da nota final.
- Avaliación de traballos prácticos, con ponderación do 50% da nota final.
Será necesario alcanzar un 40% da puntuación en cada parte para poder superar a materia.
A cualificación será de non presentado cando non se entregue ningún traballo práctico nin exame final.
Segunda oportunidade
A avaliación realizarase cos mesmos criterios anteriormente descritos. Abrirase un novo prazo para a entrega dos traballos prácticos, en caso de non entregalos na primeira oportunidade.
A1: Clases de teoría: 10 horas presenciais, 20 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 7 horas presenciais, 28 horas en total de dedicación.
A3: Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: 4
horas presenciais, 27 horas en total de dedicación.
Mércores | |||
---|---|---|---|
15:30-17:00 | Grupo /CLIL_01 | - | IA.02 |
05.06.2024 16:00-20:45 | Grupo /CLIL_01 | IA.02 |
05.06.2024 16:00-20:45 | Grupo /CLE_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 |