Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 40 Total: 51
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación
Áreas: Ciencia da Computación e Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
Durante o Proxecto Integrador de IA II (PIIA 2) o alumnado traballará en grupo nun proxecto específico co obxectivo de deseñar, desenvolver e avaliar a súa propia solución baseada en IA aplicada a un problema práctico real.
A temática dos proxectos será proposta cada curso a partir de retos identificados por institucións e empresas que forman para da Rede de entidades colaboradoras da USC para a formación en IA (Rede ECIA-profesional).
Baixo a titorización do equipo docente e a entidade que propón o caso de uso a resolver, o estudantado aplicará e estenderá os coñecementos adquiridos ata o momento co obxectivo último de deseñar, implementar e avaliar un sistema baseado en IA, sendo capaces de proporcionar unha proba de concepto ou unha solución completa, en función do tipo de proxecto abordado.
PIIA2 forma parte do módulo profesional que se iniciou en terceiro curso con PIIA1, Por tanto, esta materia estende as competencias desenvolvidas ata agora, enfocándose en aspectos máis avanzados e desafiantes do desenvolvemento de solucións de IA, profundando na mellor abordaxe técnica desde un punto de vista integral así como na avaliación rigorosa e crítica dos resultados alcanzados, á vez que se aplican fórmulas efectivas que melloren o rendemento do traballo en equipo e séguese avanzando no desenvolvemento das capacidades para unha comunicación efectiva.
Os contidos articúlanse para que o estudantado aplique e estenda os seus coñecementos previos, fomentando a aprendizaxe autónoma, a investigación e a innovación.
Trátase dunha materia eminentemente práctica, na que se acompaña ao estudantado ao longo do ciclo de vida do proxecto para que se alcancen os obxectivos fixados no mesmo.
Polo tanto, coa finalidade de complementar os coñecementos e habilidades adquiridas ata o momento, haberá un bloque de contidos tecnolóxicos que reforzarán aspectos vinculados ao desenvolvemento e implementación de prototipos, deseño de arquitecturas e integración de sistemas como poden ser os seguintes:
1. Deseño e Desenvolvemento Iterativo de Prototipos
- Técnicas de prototipado rápido e áxil para solucións de IA.
- Implementación e mellora iterativa de varios prototipos funcionais.
- Uso de frameworks e ferramentas especializadas.
2. Arquitectura e Integración de Sistemas de IA
- Deseño arquitectónico modular e escalable para sistemas IA.
- Integración de compoñentes e sistemas externos mediante APIs, orquestración e xestión de fluxos de datos.
- Consideracións sobre rendemento, seguridade e mantenibilidade.
Por outro lado, na fase de desenvolvemento do proxecto, darase peso aos resultados técnicos obtidos e á análise crítica dos mesmos, con especial atención aos seguintes aspectos:
1. Avaliación e Validación Rigurosa de Modelos e Sistemas
- Métricas avanzadas de avaliación e técnicas de validación cruzada.
- Análise de robustez, sesgos e equidade en modelos de IA.
- Probas con datos reais ou simulados e optimización de resultados.
2. Innovación, Impacto Social e Ética en IA
- Análise crítica das implicacións legais, éticas e sociais.
- Promoción dunha visión responsable e sustentable da IA.
3. Traballo Colaborativo Avanzado e Xestión de Proxectos Complexos
- Coordinación multidisciplinar con roles definidos e autonomía.
- Xestión avanzada de proxectos, documentación e toma de decisións.
Dado que o Proxecto Integrador II é unha materia que esencialmente trata de integrar as aprendizaxes adquiridas ata o momento na titulación, e segue unha metodoloxía docente de aprendizaxe en base a retos e proxectos, non hai unha bibliografía específica.
As referencias, recursos e materiais precisos para o desenvolvemento da materia serán facilitados polo/a docente responsable na presentación e nas introducións aos diferentes temas e obxectivos da materia.
En todo caso, seguen algunhas referencias (non exhaustivas) de apoio e consulta que se empregarán na materia:
Xestión de proxectos de IA e 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.
Traballo en equipo e 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 e estratexias xerais de IA, que serán complementadas en función do reto ou proxecto 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 céntrase na integración de coñecementos para a aplicación práctica dos mesmos, polo que fai fincapé nas seguintes competencias específicas e transversais, contribuíndo tamén ao desenvolvemento das competencias básicas e xerais previstas no grao.
CE12 Coñecer os fundamentos dos algoritmos e modelos da intelixencia artificial para a resolución de problemas de certa complexidade, entender a súa complexidade computacional e ter capacidade para deseñar novos modelos.
CE15: Coñecer e saber aplicar e explicar correctamente as técnicas de validación das solucións de intelixencia artificial
COMPETENCIAS TRANSVERSAIS TR1: Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas.
TR2: Capacidade de traballo en equipo, en contornos interdisciplinares e xestionando conflitos.
TR3: Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións.
Iniciativa e espírito emprendedor.
TR4: Capacidade para introducir a perspectiva de xénero nos modelos, técnicas e solucións baseadas en intelixencia artificial TR5: Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables.
TR6: Capacidade para integrar aspectos xurídicos, sociais, ambientais e económicos inherentes á intelixencia artificial, analizando os seus impactos, e comprometéndose coa procura de solucións compatibles cun desenvolvemento sustentable.
RESULTADOS DE APRENDIZAXE
- Ser capaz de definir un problema abordable mediante un proxecto de IA e o seu alcance, tendo en conta os coñecementos adquiridos ata o momento.
- Integrar nun proxecto global coñecementos e habilidades adquiridas no resto das materias vistas no grao.
- Entender as necesidades e fundamentos da IA Confiable.
- Atopar, seleccionar e aplicar información relevante na área de IA.
- Deseñar, desenvolver e avaliar un proxecto de IA fiable.
A metodoloxía didáctica basearase no traballo individual e colectivo mediante aprendizaxe en base ás actividades vinculados ao desenvolvemento do proxecto, de modo que se fomente unha aprendizaxe autónoma e proactiva, baseada en obxectivos.
As clases expositivas centraranse en reforzar os aspectos recollidos no apartado de contidos, facendo foco en complementar aqueles aspectos que permitan abordar o deseño e desenvolvemento da solución desde un punto de vista integral.
Isto aplicarase de maneira específica a cada proxecto en función da tipoloxía e alcance do mesmo.
Unha vez conformados os grupos de traballo (equipos), asignaráselles un proxecto dentro do mapa de casos de uso proposto pola Rede de Entidades colaboradoras en formación en IA da USC (RedeECIA-profesional).
No caso de que algún dos proxectos desenvolvidos en PIIA1 poidan ter un maior percorrido, previa valoración da entidade promotora e do equipo docente, poderase expor unha segunda fase dos mesmos. Esta segunda fase do proxecto poderá ser levada a cabo polo mesmo equipo que en PIIA1 ou por outro dos equipos que se conformen en PIIA2. O equipo que aborde esta segunda fase deberá ter á súa disposición toda a documentación e recursos xerados na primeira fase de proxecto.
Cada equipo de proxecto contase un/ha cotitor/a por parte da entidade promotora do proxecto, establecéndose unha metodoloxía de seguimento e avaliación de fitos intermedios.
Nas sesións interactivas levarase a cabo un seguimento dos proxectos e presentaranse e discutiranse os avances e resultados.
Os grupos deberán aplicar os coñecementos e habilidades adquiridos ata o momento e nos cursos anteriores, e desenvolverán novas aprendizaxes en base á realización do proxecto, así como á súa presentación, discusión e defensa.
Desenvolveranse dinámicas e actividades para promover o traballo en equipo e a comunicación efectiva a públicos especializados e non especializados.
O estudantado terá que revisar a bibliografía e documentación relevante sobre a temática do proxecto, os aspectos tecnolóxicos a abordar, enunciar os obxectivos e formular as necesidades a cubrir polo proxecto de IA, desenvolver as solucións, avalialas e presentalas.
Ao final do proxecto, o estudantado deberá entregar toda a documentación asociada ao proxecto e realizar unha presentación pública, que irá acompañada dunha demostración do seu funcionamento nunha sesión tipo “demo-market” onde se presentarán os resultados tanto a público especializado como non especializado.
A docencia estará apoiada pola plataforma USC virtual do seguinte xeito: repositorio da documentación relacionada coa materia (textos, presentacións, lecturas recomendadas... ) e titorización virtual do estudantado (correo-e, foros).
A avaliación da aprendizaxe considera a avaliación de todas as actividades prácticas propostas polo equipo docente:
-Formación en habilidades profesionais (30%): presentacións na aula e entrega de actividades ou traballos
- Realización do proxecto (70%): elaboración da documentación asociada ao proxecto, presentación pública obrigatoria e defensa do mesmo.
Pola dinámica docente da materia, a asistencia ás reunións de seguimento dos proxectos que se desenvolvan en horario de clase serán de asistencia obrigatoria, especialmente aquelas nas que participen os/as titores/as da entidade promotora. Tamén poderá ser obrigatoria a realización ou participación noutras actividades obrigatorias (como asistencia ou participación en charlas, seminarios, obradoiros e visitas técnicas) que formarán parte das compoñentes de avaliación anteriores en función do tipo de actividade e que serán propostas na presentación do curso ou durante o transcurso deste.
Para aprobar a materia, a cualificación mínima en cada unha das partes (formación en habilidades profesionais e realización do proxecto) deberá ser igual ou superior a 4 sobre unha puntuación máxima de 10 puntos.
Cumprido o requisito anterior, a cualificación final da materia será a media ponderada polas porcentaxes das dúas partes.
En caso de non alcanzarse nunha ou máis partes a nota mínima necesaria para superar globalmente a materia, a cualificación final da oportunidade será o mínimo das cualificacións obtidas nas ditas partes.
Obterán a cualificación de non presentados os/as estudantes que non completasen a entrega de ningunha outra actividade obrigatoria.
Para superar a materia na segunda oportunidade, o estudantado deberá someterse á avaliación de todas aquelas partes obrigatorias pendentes, de acordo co anteriormente especificado.
Para o resto conservaranse as cualificacións obtidas durante o curso.
No caso de realización fraudulenta de exercicios ou probas, será de aplicación o recollido na normativa de avaliación do rendemento académico dos estudantes e de revisión das cualificacións (https://www.xunta.gal/dog/Publicados/2011/20110721/AnuncioG2018-190711 -… ).
En aplicación da normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019) , a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso das dúas oportunidades do curso, coa cualificación de 0,0 en ambos os casos (https://www.usc.es/etse/files / u1/Normativa PlagioETSE2019.pdf).
Tempo de traballo presencial: 51 horas totais, divididas en 10h (clases maxistrais) , 40h (seminarios e prácticas) , 1h (titorías).
Tempo de traballo persoal: 99h (total) , divididas en. (estudo autónomo de teoría e prácticas) e 90h (realización, documentación, presentación e defensa do proxecto).
Os/as estudantes deberán realizar de forma continuada as actividades planificadas ao longo do cuadrimestre, que poderán incluír non só a entrega da documentación asociada senón tamén a súa presentación e debate, coa finalidade de ir desenvolvendo e mellorando as habilidades de comunicación e exposición pública.
Recoméndase facer uso das titorías para a resolución de dúbidas.
Non se recomenda cursar a materia sen ter superadas todas as materias dos cuadrimestres anteriores, e moi especialmente o PIIA-1 e todas as materias anteriores relacionadas con tecnoloxías informáticas, algoritmia e modelos da IA, isto é, os módulos “Software e bases de datos”, “Computadores e redes”, “Fundamentos de IA”, “Resolución de problemas baseada en coñecemento e razoamento” “Big data e Internet das cousas”, “Aprendizaxe automática”, “Linguaxe e Percepción”.
La materia se impartirá en castellano y gallego, pero tanto en la bibliografía, referencias y notas podrá haber contenidos en lengua inglesa.
| Martes | |||
|---|---|---|---|
| 09:30-11:00 | Grupo /CLE_01 | - | Aula A4 |
| 11:00-13:00 | Grupo /CLIL_01 | - | Aula A4 |
| 13:00-14:00 | Grupo /CLIL_01 | - | Aula A4 |
| Xoves | |||
| 09:00-10:00 | Grupo /CLIL_02 | - | Aula A4 |
| 10:00-12:00 | Grupo /CLIL_02 | - | Aula A4 |
| 15.01.2026 16:00-20:00 | Grupo /CLIL_01 | IA.01 |
| 15.01.2026 16:00-20:00 | Grupo /CLE_01 | IA.01 |
| 15.01.2026 16:00-20:00 | Grupo /CLIL_02 | IA.01 |
| 25.06.2026 16:00-20:30 | Grupo /CLIL_02 | IA.11 |
| 25.06.2026 16:00-20:30 | Grupo /CLIL_01 | IA.11 |
| 25.06.2026 16:00-20:30 | Grupo /CLE_01 | IA.11 |