ECTS credits ECTS credits: 6
ECTS Hours Rules/Memories Student's work ECTS: 99 Hours of tutorials: 3 Expository Class: 24 Interactive Classroom: 24 Total: 150
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Applied Physics
Areas: Applied Physics
Center Higher Polytechnic Engineering School
Call: First Semester
Teaching: Sin docencia (Extinguida)
Enrolment: No Matriculable
La meta de este curso es proporcionar una introducción a la visión artificial con técnicas clásicas y desde una perspectiva práctica.
OBJETIVOS
• Comprender que es la visión artificial, sus metas e identificar las áreas clave de aplicación de esta disciplina en la robótica.
• Desarrollar habilidades necesarias para construir aplicaciones prácticas de visión artificial.
• Comprender los fundamentos básicos de la formación de imágenes, modelos de cámara, proceso de calibración y visión estereoscópica.
• Familiarizarse tanto con los contenidos teóricos y aspectos prácticos del procesado digital de imágenes.
• Ganar conocimiento en métodos de segmentación, reconocimiento y categorización de imágenes y escenas.
• Conocer estado del arte e implementar los modelos de atención visual útiles en robótica.
RESULTADOS DA APRENDIZAJE
Una vez terminado este curso, los resultados del aprendizaje que se espera que el estudiante consiga son:
• RA1: saber programar técnicas de encausado de imagen y venidlo obtenidas desde sensores visuales embarcados en el robot;
• RA2: entender el funcionamiento de los métodos y técnicas básicas de procesamiento, análisis de imagen y vídeo digital, así como ser capaz de escoger e implementar los más adecuados en función del ámbito de aplicación;
• RA3: saber utilizar y comprender la utilidad de las representaciones frecuencial y multiescala de imágenes y vídeo; aprender y programar técnicas avanzadas de tratamiento de imagen (filtrado, segmentación o clustering) mediante espacios de color;
• RA4: ser capaz de diseñar e implementar soluciones de detección visual para reconocimiento de objetos, escenas, caras o gestos que permitan guiar/comunicarse con un robot; conocer y aplicar las técnicas de calibración de cámaras y percepción de visión estéreo y RGBD;
• RA5: saber seleccionar y aplicar modelos de atención visual para detectar posiciones relevantes en una escena rápidamente.
La memoria del título contempla para esta materia los seguintes contenidos:
• Captación, formación y procesado básico de imágenes y vídeo.
• Calibración de cámaras, visión estéreo y RGBD.
• Espacios de color, segmentación y agrupamiento.
• Representación frecuencial 2D y 3D.
• Filtrado y representación piramidal de imágenes y vídeo.
• Reconocimiento de objetos, escenas y gestos.
• Detección y seguimiento de objetos móviles.
• Modelos de atención visual.
Estos contenidos teóricos se desarrollarán de acuerdo con el siguiente temario:
BLOQUE 1: PROCESADO DIGITAL DE IMÁGENES
Distribución en horas para este bloque:
• Presenciales:: 8 docencia expositiva, 8 aulas de informática, 1 tutorías grupo.
• Non presenciales: 15 preparación temas, 10 elaboración trabajos, 2 preparación pruebas evaluación.
TEMA 1: INTRODUCCIÓN A LA VISIÓN ARTIFICIAL Y PRESENTACIÓN DE LA MATERIA
Introducción al campo de la visión artificial y presentación de la materia.
Logística del curso: configuración del entorno de trabajo.
Hardware disponible para realizar visión artificial en sistemas empotrados
TEMA 2: IMAGEN DIGITAL
Formación digital de imágenes: iluminación, ópticas, cámaras, digitalización y captura.
Manipulación computacional de la imagen digital
Espacios de color y representación digital.
Imágenes con canal alfa y con profundidad (RGBD)
vídeo: captación y manejo.
TEMA 3: TÉCNICAS BÁSICAS DE PROCESADO DIGITAL DE IMÁGENES
Operaciones básicas y transformaciones geométricas de imágenes
Umbrales y histogramas.
Convolución y cross-correlación: concepto de filtro
Tansformada de Fourier: conceptos y propiedades
TEMA 4: REALCE DE IMÁGENES, FILTRADO Y CONTORNOS
Filtrado de imágenes en el dominio espacial: lineal y no lineal
Filtrado lineal en el dominio frecuencial
Espacios multiescala: pirámides de imágenes.
Operaciones morfológicas
Detección de bordes: análisis, codificación y etiquetado de componentes conexas
Detección de formas paramétricas: Transformada de Hough
BLOQUE 2: PUNTOS ATENCIONALES, DESCRIPCIÓN Y RECONOCIMIENTO
Distribución en horas para este bloque:
• Presenciales: 10 docencia expositiva, 10 aulas de informática, 1 tutorías grupo
• Non presenciales: 16 preparación temas, 14 elaboración trabajos, 3 preparación probas evaluación.
TEMA 5: DETECCIÓN DE PUNTOS DE INTERÉS
Puntos relevantes en una imagen: atención visual
Conceptos de mapas de saliencia, relevancia y prioridad
Detectores de puntos de interés geométricos y basados en gradientes de intensidad
Saliencia visual y detección de puntos perceptualmente relevantes
Modelos de saliencia computacionalmente eficientes en el dominio espectral: residuo y fase global
TEMA 6: CARACTERIZACIÓN: DESCRIPTORES Y VECTORES DE CARACTERÍSTICAS
Introducción: descriptores, vectores de características e invarianza.
Concepto de descriptores de características y de vectores de características
Descriptores globales, locales invariantes y binarios.
Descriptores de contorno y región.
TEMA 7: CLASIFICACIÓN DE IMÁGENES
Introducción a la clasificación de imágenes: supervisado y no supervisado.
Flujo típico de un sistema de clasificación de imágenes.
Clasificadores no supervisados y supervisados.
Clasificador de pirámides de bolsas de palabras visuales.
TEMA 8: SEGMENTACIÓN
Introducción: Teoría de la Gestalt de agrupamiento perceptual
Concepto de segmentación y tipos: aglomerativo, semántico y panóptico
Algoritmos de segmentación y clustering aglomerativo.
Superpixels y sobresegmentación
TEMA 9: INTRODUCCIÓN AL ANÁLISIS DE VÍDEO
Introducción al análisis de vídeo
Filtrado y transformada de Fourier 3D
Estimación del movimiento empleando el flujo óptico
Seguimiento visual de uno o múltiples objetos
Introducción al reconocimiento objetos y acciones
BLOQUE 3: GEOMETRÍA VISUAL
Distribución en horas para este bloque:
• Presenciales: 6 docencia expositiva, 6 aulas de informática, 1 tutorías grupo
• Non presenciales: 9 preparación temas, 8 elaboración trabajos, 2 preparación pruebas evaliación.
TEMA 10: MODELOS DE CÁMARAS Y VISIÓN ESTÉREO
Geometría proyectiva: coordenadas homogéneas, transformaciones e invariantes
Modelos lineales de cámara: parámetros internos, externos y calibración
Visión estéreo, geometría epipolar, estimación de la matriz fundamental
Emparejamiento de la disparidad estéreo y rectificación por correspondencias
Cámaras RGBD y reconstrucción de la escena
TEMA 11: ESTRUCTURA DES MOVIMIENTO (SfM), RECONSTRUCCIÓN 3D Y VISUAL SLAM
Introducción: que es SLAM y porque es necesario.
Odometría, SfM, y visual SLAM
Sensores para SLAM
Problemas con monocular SLAM
Módulos de un sistema moderno de SLAM
PROGRAMA DE PRÁCTICAS:
La enseñanza experimental de los alumnos constituye una parte sustancial de todo curso de visón artificial. Además de su papel de ilustrar contenidos específicos del programa de la materia, las prácticas permiten al estudiante desarrollar competencias transversales propias de la titulación. Estas actividades promueven la elección y aplicación de métodos analíticos, de cálculo y experimentales ya establecidos, así como interpretación de los resultados para llegar a conclusiones válidas en el ámbito del estudio. Además, fomentar el trabajo en equipo, se practica la comunicación oral y escritura y la gestión de la información. Los objetivos específicos son:
• Desarrollar hábitos correctos de trabajo en equipo mediante la aplicación del método científico al análisis de problemas prácticos reales.
• Aprender la implementación de técnicas aprendidas, el correcto manejo de datos y a extraer conclusiones de los experimentos, proporcionándoles además experiencia en la transmisión de la información técnica mediante la redacción de informes científico-técnicos y la exposición oral.
• Desarrollar su compromiso con las metas marcadas para un grupo de trabajo y con los principios éticos involucrados en el trabajo científico y técnico.
Para conseguir los anteriores objetivos en las prácticas de Visión Artificial, en cada tema se aporta a los estudiantes bloques de código que facilitarán la comprensión de la implementación de las técnicas estudiadas y permitirán abordar tareas más complejas. La relación de experimentos propuesta:
P1: CONFIGURACIÓN E INSTALACIÓN DEL ENTORNO DE TRABAJO EN El ORDENADOR PERSONAL
P2: PROCESADO DIGITAL DE IMAGEN
• captura de imágenes, carga de ficheros y manipulación de los canales (color y profundidad)
• espacios de color, manipulación y conversión
• umbralización adaptativa
• jugando con los espacio-frecuencia y sus propiedades
• filtrado y pirámides de imágenes
• transformaciones y operaciones morfológicas
• detección y análisis de entornos
• opcional: detector de contornos de los caracteres en imágenes de matrículas de coches
P3: PUNTOS ATENCIONALES, DESCRIPCIÓN Y RECONOCIMIENTO
• detección de puntos de interés
• mapas de saliencia: residuo espectral y modulación de la fase
• uso de descriptores de imagen y contornos
• uso de los clasificadores: svm, ramdon forest, bow
• identificación de imágenes
• opcional: implementación de un clasificador de imágenes completo
P4: VÍDEO
• estimación del flujo óptico
• seguimiento de uno o varios objetos
• detección de puntos relevantes en vídeo y seguimiento
• construcción y entrenamiento de un detector de objetos ( hog + svm liineal)
• implementación del método de Malima et al. para el reconocimiento de gestos.
• opcional: reconocimiento de caras para video-vigilancia sobre RPI
P5: GEOMETRÍA VISUAL Y ESTEREOSCOPÍA
• manejo de transf ormaciones homogéneas del plano.
• construcción de la matriz de cámara y comprobar la proyección de puntos 3d de control.
• uso de los estimadores solvepnp y findhomography.
• rectificación de planos y medida de distancias.
• panorámica de imágenes tomadas desde lo mismo punto (o mosaico de un plano).
• opcional reconstrucción 3d a partir de dos vistas: estimación de la matriz fundamental, autocalibración, extracción de cámaras consistentes con la matriz esencial y triangulación.
POYECTO FINAL (POR PAREJAS) DE TEMÁTICA LIBRE: El EQUIPO DEBE ELEGIR UNA APLICACIÓN PRÁCTICA QUE INTEGRE DISTINTAS TÉCNICAS DEL CURSO.
SEMINARIOS O CONFERENCIAS:
Seminario 1: La nueva era de la visión artificial causada por la irrupción del Deep-Learning
• DOCUMENTACIÓN DE LA MATERIA
o Documentación preparada explicitamente por el profesorado y que será distribuida a través de campus virtual.
• BIBLIOGRAFÍA BÁSICA
o Gonzalo Pajares y Jesús Manuel De La Cruz. VISIÓN POR COMPUTADOR: IMÁGENES DIGITALES Y APLICACIONES (2ª). RAMA. ISBN(13): 9788478978311
o Gonzalo Pajares Y Jesús Manuel De La Cruz. EJERCICIOS RESUELTOS DE VISIÓN POR COMPUTADOR (1ª). RAMA. ISBN(13): 9788478978281
o Gonzalez, Rafael C. ; Woods, Richard E. DIGITAL IMAGE PROCESSING PRENTICE HALL. ISBN(13): 9780131687288
o Richard Szeliski. COMPUTER VISION: ALGORITHMS AND APPLICATIONS (2ª ed). Draft 2021 Springer. (https://szeliski.org/Book/)
o David A. Forsyth and Jean Ponce. COMPUTER VISION: A MODERN APPROACH. Prentice Hall. Pearson Education International. 2011
• BIBLIOGRAFÍA COMPLEMENTARIA
o Richard Hartley and Andrew Zisserman. MULTIPLE VIEW GEOMETRY IN COMPUTER VISION. Cambridge University Press
• ENLACES RECOMENDADOS
o Computer Vision, University of Texas (Grauman), 2018. (http://vision.cs.utexas.edu/376-spring2018/)
o Computer Vision, New York University (Fergus), 2019. (https://cs.nyu.edu/~fergus/teaching/vision/index.html)
o Computer Vision, University of Illinois (Lazebnik), 2019. (http://slazebni.cs.illinois.edu/spring19/)
o Advances in Computer Vision, MIT (Freeman, Torralba and Isola), 2019. (http://6.869.csail.mit.edu/fa19/)
o Computer Vision, Aachen University (Leibe), 2019. (http://www.mmp.rwth-aachen.de/course/28/)
o Artigos de Visión artificial con código (https://paperswithcode.com/area/computer-vision)
En esta materia el alumno adquirirá o practicará una serie de competencias genéricas, deseables en cualquier titulación universitaria, y específicas, propias de la ingeniería en general o de la robótica en particular. Dentro del cuadro de competencias que se diseñó para la titulación, se trabajarán las siguientes:
Competencias básicas:
CB1.- Que los estudiantes demostraran poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, aunque se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
CB2.- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
CB3.- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CB4.- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
CB5.- Que los estudiantes desarrollaran aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
Competencias generales:
CG1.- Conocimiento de materias básicas y tecnologías, que le capacite para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a las nuevas situaciones.
CG2.- Capacidad de resolución de problemas en el campo de la ingeniería robótica con creatividad, iniciativa, metodología y razonamiento crítico.
CG3.- Capacidad de utilizar herramientas informáticas para el modelado, la simulación y el diseño de aplicaciones de ingeniería.
CG4.- Saber las necesidades tecnológicas de la sociedad y la industria, y ser capaz de mejorar servicios y procesos de producción aplicando tecnología actual de robótica, mediante la elección, adquisición y puesta en marcha de sistemas robóticos en diferentes aplicaciones, tanto industriales como de servicios.
CG5.- Ser capaz de obtener y analizar información sobre circuitos, elementos de máquinas, control automático, sensores y sistemas informáticos, con el fin último de lograr aplicaciones robóticas autónomas y flexibles.
CG6.- Concebir, calcular, diseñar y poner en marcha algoritmos, equipos o instalaciones en el ámbito de la robótica, para aplicaciones industriales o de servicios, habida cuenta aspectos de calidad, seguridad, criterios ambientales, uso racional y eficiente de recursos.
CG8.- Capacidad de trabajar en un grupo multidisciplinar y de comunicar, tanto por escrito como de forma oral, conocimientos, procedimientos, resultados e ideas relacionadas con la robótica y la electrónica.
Competencias Transversales:
CT1.- Capacidad de análisis y síntesis.
CT2.- Capacidad para el razonamiento y la argumentación.
CT3.- Capacidad de trabajo individual, con actitud autocrítica.
CT4.- Capacidad para trabajar en grupo y abarcar situaciones problemáticas de forma colectiva.
CT5.- Capacidad para obtener información adecuada, diversa y actualizada.
CT6.- Capacidad para elaborar y presentar un texto organizado y comprensible.
CT7.- Capacidad para realizar una exposición en público de forma clara, escueta y coherente.
CT8.- Compromiso de veracidad de la información que ofrece a los demás.
CT9.- Habilidad en el manejo de TICs.
CT10.- Utilización de información bibliográfica y de Internet.
CT11.- Utilización de información complementaria y/el puntual en lengua inglesa.
CT12.- Capacidad para resolver problemas mediante la aplicación integrada de sus conocimientos.
Competencias específicas:
CE12.- Capacidad de conocer e implementar métodos de extracción de características a partir de la información percibida por cámaras y sensores 3D al desarrollo de aplicaciones en robots y sistemas inteligentes
CE16.- Utilizar e implementar métodos de reconocimiento de patrones y de aprendizaje computacional en el análisis de datos sensoriales y para la toma de decisiones en sistemas robóticos.
CE19.- Entender y saber programar las técnicas de análisis, procesado y detección de patrones nos distintos tipos de señales procedentes de diferentes sensores y cámaras.
Clases expositivas de grupo grande:
Descripción: Presentación en el aula de los conceptos propios de la materia haciendo uso de metodología expositiva con lecciones magistrales participativas y medios audiovisuales. Cada sesión, se iniciará con un breve resumen del expuesto en el día anterior y se rematará con una compilación breve.
Propósito: Transmitir los contenidos de la materia motivando al alumnado a la reflexión y facilitándole el descubrimiento de las relaciones entre diversos conceptos.
Contenido en ECTS: 3 (24 horas presenciales)
Metodología Docente: Lección magistral. Debates. Tutoría académica.
Competencias trabajadas: CB1, CB4, CB5, CG1, CG2, CG4, CG5, CT1,CT10- CT2, CE12, CE16, CE19
Actividades interactivas con grupos reducidos (problemas, laboratorio y proyecto final):
Descripción: Actividades a través de las cuales se pretende mostrar al alumnado como debe actuar a partir de la aplicación de los conocimientos adquiridos, a hacer observaciones experimentales cuidadosas y obtener conclusiones a partir de los datos obtenidos.
Propósito: Desarrollo en el alumnado de las habilidades instrumentales de la materia.
Contenido en ECTS: 2,75 (24 horas presenciales)
Metodología Docente: Prácticas de laboratorio. Desarrollo de proyectos. Tutoría académica.
Competencias: CB1, CB2, CB3, CB4, CB5, CG1, CG2, CG3, CG4, CG5, CG8, CG6, CT1-CT12, CE12, CE16, CE19
Seminarios (grupo grande):
Descripción: Modalidad organizativa de los procesos de enseñanza y aprendizaje donde tratar en profundidad una temática actual relacionada con la materia. Incorpora actividades basadas en la indagación, el debate, la reflexión y el intercambio.
Propósito: Desarrollo en el alumnado de las competencias cognitivas y procedimentales de la materia.
Contenido en ECTS: 0,1 (1 horas presenciales)
Competencias: CB1, CB5, CG1, CG2, CG4, CE12, CE16, CE19
Tutorías académicas (grupo pequeño e individuales):
Descripción: manera de organizar los procesos de enseñanza y aprendizaje que se basa en la interacción directa entre el estudiante y el profesor
Propósito: 1) Orientan el trabajo autónomo y grupal del alumnado, 2) profundizar en distintos aspectos de la materia y 3) orientar la formación académica integral del estudiante
Contenido en ECTS: 0,7 (7 horas presenciales)
Competencias: CB3, CB4, CB5, CG2, CG4, CE12, CE16, CE19
Actividades no presenciales individuales (Estudio y trabajo autónomo):
Descripción: 1) Actividades (guiadas y no guiadas) propuestas por el profesor a través de las cuales, y de forma individual, se ahonda en aspectos concretos de la materia posibilitando al estudiante avanzar en la adquisición de determinados conocimientos y procedimientos de la materia, 2) Estudio individualizado de los contenidos de la materia 3) Actividades evaluables (informes, presentaciones, ...)
Propósito: Favorecer en el estudiante a capacidad para autorregular su aprendizaje, planificándolo, diseñándolo, evaluándolo y adecuándolo a sus especiales condiciones e intereses.
Contenido en ECTS: 3 (30 horas no presenciales)
Competencias: CB1, CB2, CB4, CG1, CG2, CG3, CG8, CT1-CT12, CE12, CE16, CE19
Actividades no presenciales grupales (Estudio y trabajo en grupo)
Descripción: Actividades (guiadas y no guiadas) propuestas por el profesor a través de las cuales y de forma grupal se afonda en aspectos concretos de la materia posibilitando a los estudiantes avanzar en la adquisición de determinados conocimientos y procedimientos de la materia.
Propósito: Favorecer en los estudiantes a generación e intercambio de ideas, la identificación y análisis de diferentes puntos de vista sobre una temática, la generalización o transferencia de conocimiento y la valoración crítica del incluso.
Contenido en ECTS: 2 (20 horas no presenciales)
Competencias: CB1, CB2, CB4, CG1, CG2, CG3, CG8, CT1-CT12, CE12, CE16, CE19
Se empleará un sistema de evaluación continua, que tenga características de evaluación formativa, de manera que sirva de realimentación en el proceso de enseñanza-aprendizaje por parte del estudiante. La estructura del sistema es la siguiente:
CRITERIOS DE EVALUACIÓN
Definimos los siguientes criterios de evaluación para atender al grado de adquisición de las competencias por parte del estudiante y los resultados del aprendizaje:
- CE1: El alumno es capaz de resolver problemas simples de visión artificial en el campo de la robótica.
- CE2: El alumno integra los conocimientos explicados nos distintos temas de teoría para poder resolver de manera creativa los problemas que se le presenten.
- CE3: El alumno es capaz de implementar algoritmos de visión que dan solución a los problemas expuestos, integrando los conocimientos adquiridos sobre el funcionamiento de los sistemas de visión artificial, haciendo uso de los recursos bibliográficos y herramientas informáticas a su alcance.
- CE4: El alumno es capaz de generar documentación correctamente redactada, clara y precisa sobre el trabajo realizado en las prácticas.
- CE5: El alumno expone y defiende de manera clara y razonada sus propuestas para la resolución de los problemas expuestos.
INSTRUMENTOS DE CALIFICACIÓN
Esta sección expone los instrumentos de evaluación que serán aplicados la cada uno de los criterios de evaluación.
- Tests de conocimientos básicos (TCB). cada estudiante realizará un test de conocimientos básicos por cada tema a través de la plataforma del Campus Virtual. Esta prueba consistirá en una serie preguntas de respuesta múltiple que abordarán los aspectos teóricos básicos del tema pero implicarán programación para poderlas responder.
- Prácticas (PL). Consiste en la implementación e integración de código en casos prácticos reales que ilustren la aplicación de los contenidos teóricos vistos. Se le suministrará un conjunto de rutinas base para que el estudiante pueda abordar el problema con garantías de éxito.
- Proyecto final (PF). Consiste en el diseño e implementación de una aplicación práctica en la que cada equipo (dos estudiantes) deben aplicar e interrelacionar los conocimientos teórico-prácticos adquiridos en la materia.
La elección de la temática será libre. El trabajo terminará cuando se entreguen los códigos fuente, una memoria del trabajo y se realice un vídeo de presentación.
CRITERIOS DE CALIFICACIÓN
Para considerar superada la evaluación continua los alumnos deberán cumplir las siguientes condiciones:
- que haya asistido, como mínimo, la un 80% de las clases teóricas y prácticas,
- que haya realizado todos los tests de conocimientos básicos (TCB). Se considerarán superados si obtiene una calificación final promedio superior o igual la mitad de la nota máxima de los TCB,
- que haya realizado todas las prácticas de cada tema y demostrara su capacidad de dar solución a los problemas prácticos planteados. Se entenderá que superó estas competencias se obtiene una calificación final promedio superior o igual la mitad de la nota máxima de los PL
- que haya presentado el proyecto final. Se entenderá que superó estas competencias si obtiene una calificación final promedio superior o igual la mitad de la nota máxima de los PF,
- la materia se considerará superada si se obtiene una calificación global ponderada igual o superior a 5 (sobre 10) entre todos los instrumentos de evaluación.
PROCEDIMIENTOS DE EVALUACIÓN
Todo aquel estudiante que no participe o no complete totalmente todas las tareas del proceso de evaluación continua, deberá presentar los trabajos correspondientes, o bien a la 1ª o a la 2ª oportunidad, para recuperar la/las partes pendientes. La calificación constará en la oportunidad en la que queden superados las deficiencias detectadas:
-Si no asistió al 80% de las clases deberá presentar ejercicios extra de los temas a los que no asistió que le aportará el profesor,
-Si no presentó/superó la/s práctica/s, deberá presentar/mejorar el material correspondiente según la retroalimentación dada por el profesor,
Si no presentó/superó el proyecto final aportará/mejorará el material requerido según la retroalimentación dada por el profesor.
PESO EN LA CALIFICACIÓN DE LOS INSTRUMENTOS DE EVALUACIÓN
- Tests de conocimientos básicos (TCB) = 20%
- Prácticas (PL) = 40%
- Proyecto final (PF) = 40%
COMPETENCIAS (C*), RESULTADOS DE AVALIACIÓN (RA) Y CRITERIOS DE AVALIACIÓN (CE)
- Tests de conocimientos básicos: CB1,CB2,CB3,CB4,CB5,CG1-CG5, CE12, CE16, CE19 RA1-RA5 CA1, CA2
- Prácticas (PL) :CB1,CB2,CB3,CB4,CB5, CG1-CG8, CT4-CT11, CE12, CE16, CE19 RA1-RA5 CA1-CA4
- Proyecto final (PF) : CB1,CB2,CB3,CB4,CB5, CG1-CG8, CT4-CT12, CE12, CE16, CE19 RA1-RA5 CE1-CE5
EVALUACIÓN DE ESTUDIANTES CON DISPENSA ACADÉMICA
Para que un alumno pueda optar la esta evaluación, tendrán que obtener la dispensa de asistencia solicitándola al Director de la EPSE. Una vez aprobada, para superar esta materia es obligatorio la realización de los TCBs, las prácticas y el proyecto final con su correspondiente exposición oral/entrevista.
EVALUACIÓN DE ESTUDIANTES REPETIDORES
Los alumnos repetidores serán evaluados como el resto del alumnado. Sólo quedan exentos de la asistencia presencial a las clases teóricas y prácticas.
ESTUDIANTES CON DISCAPACIDAD O NECESIDADES EDUCATIVAS ESPECIALES
Las adaptaciones curriculares para estudiantes con discapacidad o con necesidades educativas especiales, el fin de garantizar la igualdad de oportunidades, no discriminación, la accesibilidad universal y la mayor garantía de éxito académico serán pautadas por el Servicio de Participación e Integración Universitaria (SEPIU), dependiente de la Vicerreitoría de Igualdad, Cultura y Servicios. Será requisito para eso la emisión de un informe de adaptaciones curriculares por parte de la dicha unidad, por lo que los estudiantes con discapacidad o necesidades educativas especiales deberán contactar con ella, el fin de analizar conjuntamente las distintas alternativas.
CONDUCTA, INTEGRIDAD Y HONESTIDAD ACADÉMICA
La USC está plenamente comprometida con los más altos estándares de integridad y honestidad
Académica reflejadas en su Código Ético (https://www.usc.es/gl/goberno/valedor/codigoetico/codigoetico.html). Para acompañar este proceso, la Universidad dispone de la Normativa de Evaluación del Rendimiento sobre conducta académica de la USC y de diferentes herramientas (antiplagio, supervisión) que ofrecen una garantía colectiva para el completo desarrollo de estes valores esenciales.
De acuerdo con esta Normativa de Evaluación, si un alumno realiza fraudulentamente una prueba o ejercicio exigido en la evaluación implicará la calificación de suspenso en la convocatoria correspondiente, con independencia del proceso disciplinario que se pueda seguir contra el alumno infractor. Se considerará fraudulenta, entre otras, copiar en un examen así como la realización de trabajos plagiados u obtenidos de fuentes accesibles al público sin reelaboración o reinterpretación y sin citas a los autores y a las fuentes.
Lectura y preparación de los temas 25
Realización de test de conocimeintos teóricos 10
Realización de actividades prácticas 30
Realización del proyecto final 20
Preparación de tutorías 5
TOTAL 90
En la memoria de título, se exigen como requisitos previos para afrontar con éxito esta materia:
• manejar con soltura los conocimientos de programación, cálculo vectorial y álgebra
• Habilidades de lectura en la lengua inglesa
• Fluidez en la programación para la realización de la parte práctica de la materia
Como recomendación se hacen las siguientes:
• asistir a las clases e intervenir de manera activa en ellas, así como en el resto de las actividades interactivas (seminarios, prácticas, tutorías de aula).
• Tratar de llevar el estudio de la materia al día.
• Realizar unas buenas prácticas y esforzarse en los trabajos que decida llevar a cabo a lo largo del curso.
• Utilizar las notas y la bibliografía aconsejada por el profesor en cada bloque temático.
La materia dispone de un aula en el Campus Virtual de la USC: http://www.usc.es/campusvirtual. En ella, el estudiante, podrá encontrar todo el material necesario y realizará las pruebas test de cada uno de los temas. Todas las entregas de las prácticas y del proyecto final se realizarán a través de esta plataforma.
-----------------------------------------------------------------------------
Plan de contingencia COVID-19 (escenarios de no presencialidad):
-----------------------------------------------------------------------------
CONTENIDOS
No se precisará reajustar los contenidos.
BIBLIOGRAFÍA BÁSICA:
No se precisa hacer cambios en este apartado. El material básico preciso (notas de la materia) está disponible en el Campus Virtual o accediendo telemáticamente la Biblioteca de la USC.
PLANIFICACIÓN
No se precisará reajustar la temporización. Se mantendrán los horarios y turnos de laboratorio planificadas nos horarios del centro.
METODOLOGÍAS:
Los cambios metodológicos adaptados son:
- Las lecciones magistrales e interactivas serán desarrolladas on-line con los estudiantes, mediante sesiones síncronas, empleando la herramienta Teams. En cada tema se planificarán actividades para ayudarle a los alumnos con el aprendizaje a distancia y se grabarán en vídeo las clases síncronas para que quede la disposición de todo el alumnado asíncronamente. Todas estas sesiones se llevarán a cabo en el horario preestablecido de clases.
- Las prácticas se realizarán a través de Teams y accediendo al material necesario a través del Campus Virtual. En cuanto a la elaboración de la memoria (entrega mediante Teams o campus virtual) y la presentación oral del experimento (mediante Teams y grabación para retener la evidencia) seguirán las mismas pautas que en un escenario de presencialidad.
- El proyecto final: no se requieren cambios en cuanto a su planteamiento. Las sesiones de apoyo se realizarán a través de Teams en horario de tutorías o sesiones específicas programadas específicamente para el grupo completo.
- Las pruebas de conocimientos básicos de cada tema.
Se realizarán a través de las plataformas autorizadas por la USC (Teams y/o Campus Virtual).
- Tutorías en grupo e individuales: se sustituirá la presencialidad por reuniones síncronas con la herramienta Teams nos horarios preestablecidos de la materia. También se habilitarán y fomentará la interacción a través del foro de Teams para orientar a los alumnos con su aprendizaje autónomo. Todas las sesiones grupales estarán disponibles al alumnando asíncronamente mediante vídeos grabados durante la sesión síncrona. Las tutorías individuales NO se grabarán en vídeos. Se admitirán dudas de alumnos enviadas mediante correo-e pero la respuesta será asíncrona en los horarios de la tutorías individuales.
EVALUACIÓN Y CALIFICACIÓN:
No se precisan hacer cambios en los porcentajes especificados.
Xose Ramon Fernandez Vidal
Coordinador/a- Department
- Applied Physics
- Area
- Applied Physics
- Phone
- 881816428
- xose.vidal [at] usc.es
- Category
- Professor: University Lecturer
Angel Piñeiro Guillen
- Department
- Applied Physics
- Area
- Applied Physics
- angel.pineiro [at] usc.es
- Category
- Professor: University Lecturer
| Wednesday | |||
|---|---|---|---|
| 09:00-10:00 | Grupo /CLE_01 | Galician | Classroom 8 (Lecture room 2) |
| Thursday | |||
| 09:00-10:00 | Grupo /CLE_01 | Galician | Classroom 8 (Lecture room 2) |
| 12:00-14:00 | Grupo /CLIS_01 | Galician | Computer Room 5 (Pav III) |
| Friday | |||
| 12:00-14:00 | Grupo /CLIS_02 | Galician | Computer Room 5 (Pav III) |
| 01.20.2022 16:00-18:00 | Grupo /CLE_01 | Classroom 7 (Lecture room 2) |
| 06.20.2022 16:00-18:00 | Grupo /CLE_01 | Classroom 7 (Lecture room 2) |