ECTS credits ECTS credits: 6
ECTS Hours Rules/Memories Hours of tutorials: 1 Expository Class: 10 Interactive Classroom: 40 Total: 51
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Electronics and Computing
Areas: Computer Science and Artificial Intelligence
Center Higher Technical Engineering School
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable
Durante el Proyecto Integrador de IA II (PIIA 2) el alumnado trabajará en grupo en un proyecto específico con el objetivo de diseñar, desarrollar y evaluar su propia solución basada en IA aplicada a un problema práctico real. La temática de los proyectos será propuesta cada curso a partir de retos identificados por instituciones y empresas que forman para de la Red de entidades colaboradoras de la USC para la formación en IA (Red ECIA-profesional).
Bajo la tutorización del equipo docente y la entidad que propone el caso de uso a resolver, el estudiantado aplicará y extenderá los conocimientos adquiridos hasta el momento con el objetivo último de diseñar, implementar y evaluar un sistema basado en IA, siendo capaces de proporcionar una prueba de concepto o una solución completa, en función del tipo de proyecto abordado.
PIIA2 forma parte del módulo profesional que se inició en tercer curso con PIIA1, Por tanto, esta asignatura extiende las competencias desarrolladas hasta ahora, enfocándose en aspectos más avanzados y desafiantes del desarrollo de soluciones de IA, profundizando en el mejor abordaje técnico desde un punto de vista integral así como en la evaluación rigurosa y crítica de los resultados alcanzados, a la vez que se aplican fórmulas efectivas que mejoren el rendimiento del trabajo en equipo y se sigue avanzando en el desarrollo de las capacidades para una comunicación efectiva.
Los contenidos se articulan para que el estudiantado aplique y extienda sus conocimientos previos, fomentando el aprendizaje autónomo, la investigación y la innovación. Se trata de una materia eminentemente práctica, en la que se acompaña al estudiantado a lo largo del ciclo de vida del proyecto para que se alcancen los objetivos fijados en el mismo.
Por tanto, con la finalidad de complementar los conocimientos y habilidades adquiridas hasta el momento, habrá un bloque de contenidos tecnológicos que reforzarán aspectos vinculados al desarrollo e implementación de prototipos, diseño de arquitecturas e integración de sistemas como los siguientes:
1. Diseño y Desarrollo Iterativo de Prototipos
o Técnicas de prototipado rápido y ágil para soluciones de IA.
o Implementación y mejora iterativa de varios prototipos funcionales.
o Uso de frameworks y herramientas especializadas.
2. Arquitectura e Integración de Sistemas de IA
o Diseño arquitectónico modular y escalable para sistemas IA.
o Integración de componentes y sistemas externos mediante APIs, orquestación y gestión de flujos de datos.
o Consideraciones sobre rendimiento, seguridad y mantenibilidad.
Por otro lado, en la fase de desarrollo del proyecto, se dará peso a los resultados técnicos obtenidos y al análisis crítico de los mismos, con especial atención a los siguientes aspectos:
1. Evaluación y Validación Rigurosa de Modelos y Sistemas
o Métricas avanzadas de evaluación y técnicas de validación cruzada.
o Análisis de robustez, sesgos y equidad en modelos de IA.
o Pruebas con datos reales o simulados y optimización de resultados.
2. Innovación, Impacto Social y Ética en IA
o Análisis crítico de las implicaciones éticas, legales y sociales.
o Promoción de una visión responsable y sostenible de la IA.
3. Trabajo Colaborativo Avanzado y Gestión de Proyectos Complejos
o Coordinación multidisciplinar con roles definidos y autonomía.
o Gestión avanzada de proyectos, documentación y toma de decisiones.
Dado que el Proyecto Integrador II es una materia que esencialmente trata de integrar los aprendizajes adquiridos hasta el momento en la titulación, y sigue una metodología docente de aprendizaje en base a retos y proyectos, no hay una bibliografía específica. Las referencias, recursos y materiales precisos para el desarrollo de la materia serán facilitados por el/la docente responsable en la presentación y en las introducciones a los diferentes temas y objetivos de la materia. En todo caso, siguen algunas referencias (no exhaustivas) de apoyo y consulta que se emplearán en la asignatura:
Gestión de proyectos de IA y 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.
• Andrew Ng, Machine Learning Yearning. https://home-wordpress.deeplearning.ai/wp-content/uploads/2022/03/andre…
• 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.
Trabajo en equipo y 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 y estrategias generales de IA, que serán complementadas en función del reto o proyecto 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
PIIA-2 se centra en la integración de conocimientos para la aplicación práctica de los mismos, por lo que hace hincapié en las siguientes competencias específicas y transversales, contribuyendo también al desarrollo de las competencias básicas y generales previstas en el grado.
COMPETENCIAS ESPECÍFICAS
CE12: Conocer los fundamentos de los algoritmos y modelos de la inteligencia artificial para la resolución de problemas de cierta complejidad, entender su complejidad computacional y tener capacidad para diseñar nuevos modelos.
CE15: Conocer y saber aplicar y explicar correctamente las técnicas de validación de las soluciones de inteligencia artificial
COMPETENCIAS TRANSVERSALES
TR1: Capacidad para comunicar y transmitir sus conocimientos, habilidades y destrezas.
TR2: Capacidad de trabajo en equipo, en contornos interdisciplinares y gestionando conflictos.
TR3: Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.
TR4: Capacidad para introducir la perspectiva de género en los modelos, técnicas y soluciones basadas en inteligencia artificial
TR5: Capacidad para desarrollar modelos, técnicas y soluciones basadas en inteligencia artificial que resulten éticas, no discriminatorias y confiables.
TR6: Capacidad para integrar aspectos jurídicos, sociales, ambientales y económicos inherentes a la inteligencia artificial, analizando sus impactos, y comprometiéndose con la búsqueda de soluciones compatibles con un desarrollo sostenible.
RESULTADOS DE APRENDIZAJE
- Ser capaz de definir un problema abordable mediante un proyecto de IA y su alcance, teniendo en cuenta los conocimientos adquiridos hasta el momento.
- Integrar en un proyecto global conocimientos y habilidades adquiridas en el resto de las asignaturas vistas en el grado.
- Entender las necesidades y fundamentos de la IA Confiable.
- Encontrar, seleccionar y aplicar información relevante en el área de IA.
- Diseñar, desarrollar y evaluar un proyecto de IA confiable.
La metodología didáctica se basará en el trabajo individual y colectivo mediante aprendizaje en base a las actividades vinculados al desarrollo del proyecto, de modo que se fomente un aprendizaje autónomo y proactivo, basado en objetivos. Las clases expositivas se centrarán en reforzar los aspectos recogidos en el apartado de contenidos, haciendo foco en complementar aquellos aspectos que permitan abordar el diseño y desarrollo de la solución desde un punto de vista integral. Esto se aplicará de manera específica a cada proyecto en función de la tipología y alcance del mismo.
Una vez conformados los grupos de trabajo (equipos), se les asignará un proyecto dentro del mapa de casos de uso propuesto por la Red de Entidades colaboradoras en formación en IA de la USC (RedeECIA-profesional). En el caso de que alguno de los proyectos desarrollados en PIIA1 puedan tener un mayor recorrido, previa valoración de la entidad promotora y del equipo docente, se podrá plantear una segunda fase de los mismos. Esta segunda fase del proyecto podrá ser llevada a cabo por el mismo equipo que en PIIA1 o por otro de los equipos que se conformen en PIIA2. El equipo que aborde esta segunda fase deberá tener a su disposición toda la documentación y recursos generados en la primera fase de proyecto. Cada equipo de proyecto contara con un/a cotutor/a por parte de la entidad promotora del proyecto, estableciéndose una metodología de seguimiento y evaluación de hitos intermedios.
En las sesiones interactivas se llevará a cabo un seguimiento de los proyectos y se presentarán y discutirán los avances y resultados. Los grupos deberán aplicar los conocimientos y habilidades adquiridos hasta el momento y en los cursos anteriores, y desarrollarán nuevos aprendizajes en base a la realización del proyecto, así como a su presentación, discusión y defensa. Se desarrollarán dinámicas y actividades para promover el trabajo en equipo y la comunicación efectiva a públicos especializados y no especializados.
El estudiantado tendrá que revisar la bibliografía y documentación relevante sobre la temática del proyecto, los aspectos tecnológicos a abordar, enunciar los objetivos y formular las necesidades a cubrir por el proyecto de IA, desarrollar las soluciones, evaluarlas y presentarlas. Al final del proyecto, el estudiantado deberá entregar toda la documentación asociada al proyecto y realizar una presentación pública, que irá acompañada de una demostración de su funcionamiento en una sesión tipo “demo-market” donde se presentarán los resultados tanto a público especializado como no especializado.
La docencia estará apoyada por la plataforma USC virtual de la siguiente manera: repositorio de la documentación relacionada con la materia (textos, presentaciones, lecturas recomendadas...) y tutorización virtual del estudiantado (correo-e, foros).
La evaluación del aprendizaje considera la evaluación de todas las actividades prácticas propuestas por el equipo docente:
- Formación en habilidades profesionales (30%): presentaciones en el aula y entrega de actividades o trabajos
- Realización del proyecto (70%): elaboración de la documentación asociada al proyecto, presentación pública obligatoria y defensa del mismo.
Por la dinámica docente de la materia, la asistencia a las reuniones de seguimiento de los proyectos que se desarrollen en horario de clase serán de asistencia obligatoria, especialmente aquellas en las que participen los/las tutores/as de la entidad promotora. También podrá ser obligatoria la realización o participación en otras actividades obligatorias (como asistencia o participación en charlas, seminarios, talleres y visitas técnicas) que formarán parte de las componentes de evaluación anteriores en función del tipo de actividad y que serán propuestas en la presentación del curso o durante el transcurso del mismo.
Para aprobar la materia, la calificación mínima en cada una de las partes (formación en habilidades profesionales y realización del proyecto) deberá ser igual o superior a 4 sobre una puntuación máxima de 10 puntos. Cumplido el requisito anterior, la calificación final de la materia será la media ponderada por los porcentajes de las dos partes. En caso deno alcanzarse en una o más partes la nota mínima necesaria para superar globalmente la materia, la calificación final de la oportunidad será el mínimo de las calificaciones obtenidas en dichas partes. Obtendrán la calificación de no presentado los/las estudiantes que no hayan completado la entrega de ninguna otra actividad obligatoria. Para superar la asignatura en la segunda oportunidad, el estudiantado deberá someterse a la evaluación de todas aquellas partes obligatorias pendientes, de acuerdo con lo anteriormente especificado. Para el resto se conservarán las calificaciones obtenidas durante el curso. En el caso de realización fraudulenta de ejercicios o pruebas, será de aplicación lo recogido en la normativa de evaluación del rendimiento académico de los estudiantes y de revisión de las calificaciones (https://www.xunta.gal/dog/Publicados/2011/20110721/AnuncioG2018-190711-…). En aplicación de la normativa de la ETSE sobre plagio (aprobada por la Xunta da ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso de las dos oportunidades del curso, con la calificación de 0,0 en ambos casos(https://www.usc.es/etse/files/u1/NormativaPlagioETSE2019.pdf).
Tiempo de trabajo presencial: 51 horas totales, divididas en 10h (clases magistrales), 40h (seminarios y prácticas), 1h (tutorías). Tiempo de trabajo personal: 99h (total), divididas en 9h (estudio autónomo de teoría y prácticas) y 90h (realización, documentación, presentación y defensa del proyecto).
Los/as estudiantes deberán realizar de forma continuada las actividades planificadas a lo largo del cuatrimestre, que podrán incluir no solo la entrega de la documentación asociada sino también su presentación y debate, con la finalidad de ir desarrollando y mejorando las habilidades de comunicación y exposición pública. Se recomienda hacer uso de las tutorías para la resolución de dudas.
No se recomienda cursar la materia sin haber superado todas las materias de los cuatrimestres anteriores, y muy especialmente el PIIA-1 y todas las materias anteriores relacionadas con tecnologías informáticas, algoritmia y modelos de la IA, esto es, los módulos “Software y bases de datos” , “Computadores y redes” , “Fundamentos de IA” , “Resolución de problemas basada en conocimiento y razonamiento” “Big data e Internet de las cosas” , “Aprendizaje automático” , “Lenguaje y Percepción”.
| Tuesday | |||
|---|---|---|---|
| 09:30-11:00 | Grupo /CLE_01 | - | Classroom A4 |
| 11:00-13:00 | Grupo /CLIL_01 | - | Classroom A4 |
| 13:00-14:00 | Grupo /CLIL_01 | - | Classroom A4 |
| Thursday | |||
| 09:00-10:00 | Grupo /CLIL_02 | - | Classroom A4 |
| 10:00-12:00 | Grupo /CLIL_02 | - | Classroom A4 |
| 01.15.2026 16:00-20:00 | Grupo /CLIL_02 | IA.01 |
| 01.15.2026 16:00-20:00 | Grupo /CLIL_01 | IA.01 |
| 01.15.2026 16:00-20:00 | Grupo /CLE_01 | IA.01 |
| 06.25.2026 16:00-20:30 | Grupo /CLIL_02 | IA.11 |
| 06.25.2026 16:00-20:30 | Grupo /CLIL_01 | IA.11 |
| 06.25.2026 16:00-20:30 | Grupo /CLE_01 | IA.11 |