Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 15 Clase Interactiva: 10 Total: 26
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Fisioloxía, Electrónica e Computación
Áreas: Fisioloxía, Ciencia da Computación e Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
A materia ten como obxectivo coñecer a fisioloxía do sistema nervioso e do cerebro. Exponse unha introdución ao concepto de intelixencia natural, onde se explicará a noción de intelixencia e unha descrición xeral dos diferentes tipos de intelixencia que se coñecen. Tratarase a continuación o substrato físico que sustenta a intelixencia, achegando unha visión xeral do sistema nervioso central, e do cerebro en particular. Abordarase a fisioloxía das unidades de computación biolóxica, as neuronas, e como estas procesan e propagan a información. Por último, a materia cubrirá exemplos de circuítos e redes neuronais, incidindo nos mecanismos asociativos e de integración que permiten explicar comportamentos sinxelos.
Os obxectivos específicos da materia son:
· Coñecer a fisioloxía do sistema nervioso e do cerebro, a noción de intelixencia e os seus tipos
· Saber as bases do substrato físico que sustenta a intelixencia: sistema nervioso central e cerebro
· Coñecer os mecanismos básicos de funcionamento das neuronas para a propagación da información.
Os contidos distribúense en teoría e prácticas:
Teoría:
1. Introdución: Intelixencia Artificial e Intelixencia Natural.(Sesión 1; S1; 1,5h por sesión)
2. Nivel de membrana: Medios intra e extracelular: movemento de ións, potencial de membrana en repouso, canles iónicos. S2 e S3
3. Nivel de neurona: morfoloxía neuronal, actividade eléctrica en dendritas-soma-axón, potencial de acción, propagación de variacións de potencial. S4-S6
4. Nivel de sinapsis: sinapsis química e eléctrica, procesos na terminal presináptica e postsináptica, modelos de sinapsis. S7 e S8
5. Nivel de circuítos: sistemas xerais, microcircuitos, inhibición lateral e sistemas de retroalimentación, macrocircuitos, sistema somatosensorial, sistema visual. S9 e S10
Prácticas:
Práctica 1: Nivel de membrana e neurona: potencial de membrana/potencial de acción. Ferramenta: Neurosim. L1 , 2h por práctica.
Práctica 2: Nivel de sinapsis: sinapsis química. Ferramenta: Neurosim. L2 e L3
Práctica 3: Nivel de circuítos: inhibición lateral e sistemas de retroalimentación. Ferramenta: Neurosim L4 e L5
Básica:
Principles of neural science by Eric R. Kandel, John D. Koester, Sarah H. Mack, Steven A. Siegelbaum Ed McGraw-Hill
Complementaria:
From molecules to networks : an introduction to cellular and molecular neuroscience by John H. Byrne and James L. Roberts Editor Academic Press
A materia contribúe ao desenvolvemento das seguintes competencias xerais e específicas recollidas na memoria do título:
Competencias básicas e xerais:
CG2 - Capacidade para resolver problemas con iniciativa, toma de decisións, autonomía e creatividade.
CG4 - Capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propoñer novos métodos baseados en intelixencia artificial.
Competencias transversais:
TR1 - Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas.
TR3 - Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións.
Iniciativa e espírito emprendedor.
Os resultados da aprendizaxe serán:
· Coñecer a fisioloxía do sistema nervioso e do cerebro, a noción de intelixencia e os seus tipos
· Saber as bases do substrato físico que sustenta a intelixencia: sistema nervioso central e cerebro
· Coñecer os mecanismos básicos de funcionamento das neuronas para a propagación da información.
A metodoloxía de ensino será diferente para as clases de teoría/expositivas e para as clases prácticas/aboratorio:
- As clases teóricas consistirán en clases expositivas onde se explicarán os conceptos e fundamentos da materia. Propoñeranse exercicios e cuestións para que o alumno aplique os conceptos e razoe utilizando os fundamentos da materia. Competencias traballadas: CG2 e TR3.
- As clases prácticas ou de laboratorio consistirán en experimentos e problemas prácticos para entender os fundamentos do sistema nervioso e da actividade neurona. O alumno traballará de forma individual ou en grupos reducidos para realizar os experimentos e resolver os problemas expostos. Ao finalizar as sesións terán que responder a un conxunto de cuestións sobre as prácticas realizadas. Competencias traballadas: CG2, CG4, TR1 e TR3. Asistencia presencial 100% obrigatoria para a súa avaliación.
Usarase o Campus Virtual como plataforma básica (repositorio de contidos e tutorización virtual do alumnado). Na aula virtual da materia, o alumnado terá toda a información (material teórico, diapositivas de clase, guións de prácticas etc.)/ etc.).
Sistema de avaliación
A avaliación terá en conta tanto a parte teórica como prácticas. Para aprobar a materia o alumno terá que conseguir unha nota global igual ou superior a 5 (sobre un máximo de 10 puntos). O peso de cada parte na nota global é o seguinte:
Informes de prácticas: 40% da nóta. Asistencia presencial 100% obrigatoria para a súa avaliación.Entregas de informes: L1, L2, L3 e L4, ao termo de cada sesión; L5 durante un intervalo de dúas semanas tras o termo da sesión.
Exame final: 60% da nota
Será necesario unha nota mínima no exame final de 4,0 sobre 10 (2,4 sobre 6) para sumar a nota obtida da avaliación dos informes de prácticas no cálculo da Nota global.
Obterán a cualificación de non presentado os/as estudantes que non se presentaron ao exame nin presentasen os informes de prácticas.
Para superar a materia na segunda oportunidade o alumnado deberá someterse á avaliación das partes da materia que non fosen superadas na primeira oportunidade. Para o resto conservaranse as cualificacións obtidas durante o curso. No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recolleito na normativa de avaliación do rendemento académico do alumnado e de revisión das cualificacións (https://www.xunta.gal/dog/publicados/2011/20110721/ AnuncioG2018-190711-4180_gl.html). En aplicación da normativa da ETSE sobre plaxio (aprobada pola Xunta dá ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría supoñerá o suspenso das dúas oportunidades do curso, coa cualificación de 0,0 en ambos os casos (https://www.usc.es/etse/files/u1/NormativaPlagioETSE2019.pdf).
O tempo de traballo presencial da materia é de 25 horas, coa seguinte distribución:
Horas teóricas: 15h
Horas prácticas: 10h
O tempo de estudo estimado para o alumno é de 50 horas.
Recoméndase que o alumnado manteña actualizados os contidos teóricos da materia. E por outra banda, resolver todos os exercicios e prácticas propostos (non só os avaliables). Tamén se considera importante facer un uso intensivo das titorías para resolver dúbidas e a participación activa en sesións expositivas e interactivas.
Eduardo Manuel Sánchez Vila
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816466
- Correo electrónico
- eduardo.sanchez.vila [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Francisco Javier Martin Cora
Coordinador/a- Departamento
- Fisioloxía
- Área
- Fisioloxía
- Teléfono
- 881812295
- Correo electrónico
- franciscoj.martin.cora [at] usc.es
- Categoría
- Profesor/a: Profesor Contratado/a Doutor
| Luns | |||
|---|---|---|---|
| 09:00-10:30 | Grupo /CLE_01 | Castelán | IA.01 |
| Mércores | |||
| 15:30-17:30 | Grupo /CLIL_02 | Castelán | IA.S1 |
| 17:30-19:30 | Grupo /CLIL_01 | Castelán | IA.S2 |
| 19.12.2025 16:00-20:00 | Grupo /CLIL_01 | IA.11 |
| 19.12.2025 16:00-20:00 | Grupo /CLIL_02 | IA.11 |
| 19.12.2025 16:00-20:00 | Grupo /CLE_01 | IA.11 |
| 16.06.2026 16:00-20:30 | Grupo /CLIL_01 | IA.01 |
| 16.06.2026 16:00-20:30 | Grupo /CLIL_02 | IA.01 |
| 16.06.2026 16:00-20:30 | Grupo /CLE_01 | IA.01 |