ECTS credits ECTS credits: 4.5
ECTS Hours Rules/Memories Hours of tutorials: 2 Expository Class: 17 Interactive Classroom: 22 Total: 41
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Electronics and Computing
Areas: Computer Science and Artificial Intelligence
Center Faculty of Business Administration and Management
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable
Al completar la materia el/la alumno/a será capaz de:
- Conocer y saber diferenciar los diferentes modelos de aprendizaje automático.
- Saber aplicar el modelo más apropiado de aprendizaje automático para un problema determinado de explotación de datos en el ámbito empresarial.
- Saber utilizar plataformas software para construir modelos basados en aprendizaje automático a partir de datos.
- Saber reducir la dimensionalidad de los datos de un problema en el ámbito empresarial para facilitar su tratamiento mediante aprendizaje automático.
- Introducción al aprendizaje automático.
- Reducción de la dimensión.
- Aprendizaje no supervisado (agrupamiento).
- Aprendizaje supervisado (Clasificación/regresión).
- Aprendizaje por refuerzo.
- Combinación y selección de modelos.
- Plataformas y herramientas software para aprendizaje automático.
Bibliografía básica
D. Borrajo, J. González y P. Isasi. Aprendizaje automático. Sanz y Torres.
T.M. Mitchell. Machine Learning. McGraw Hill.
Bibliografía complementaria
E. Rich y K. Knight. Artificial Intelligence. McGraw-Hill.
S. Russel y P. Norving. Artificial Intelligence: a modern approach. Prentice Hall. 2003
De Mauro, Andrea. Data Analytics Made Easy: Use Machine Learning and Data storytelling in Your Work Without Writing Any Code Expert insight. Packt Publishing, 2021
Competencias generales y básicas
CG2 - Identificar, reunir, analizar e interpretar datos relevantes sobre cuestiones relacionadas con el ámbito empresarial y tecnológico
CG7 - Conocer y emplear correctamente las herramientas informáticas y las nuevas tecnologías relacionadas con la gestión empresarial
CB1 - Que los estudiantes hayan demostrado 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, si bien 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 hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
Competencias transversales
CT1 - Pensar de forma integrada y crítica, y abordar los problemas desde diferentes perspectivas
CT5 - Capacidad de resolver problemas y tomar decisiones aplicando los conocimientos teóricos a la práctica
CT6 - Trabajar en equipo, compartiendo los conocimientos y sabiéndolos comunicar al resto del equipo y la organización
CT9 - Capacidad para el aprendizaje autónomo y autoevaluación
CT10 - Habilidad en el manejo de herramientas de cálculo y tecnologías de la información y de la comunicación (TIC)
Competencias específicas
CE13 - Identificar fuentes de información fiable, elaborar e interpretar dicha información utilizando las técnicas de análisis y las herramientas matemáticas, estadísticas y tecnológicas apropiadas para dar apoyo a la toma de decisiones
CE14 - Conocer y saber utilizar herramientas y mecanismos de representación, almacenamiento, transformación, análisis y comunicación de la información de manera fiable y eficiente
CE15 - Comprender las posibilidades del Big Data y la inteligencia artificial y de negocio para la mejora de los procesos empresariales y conocer los requerimientos para su implantación
CE16 - Entender los sistemas de información empresarial, tomando en consideración sus tres dimensiones específicas (informacional, tecnológica y organizativa) y tomar decisiones relacionadas con su especificación, diseño e implantación
CE18 - Conocer el uso y programación de sistemas informáticos, bases de datos, criptografía y cadenas de bloques para su aplicación a la gestión y análisis de la información empresarial y al diseño y desarrollo de productos, procesos y nuevos modelos de negocio
CE5 - Comprender el rol integrador de la tecnología y conocer los principales productos tecnológicos y tendencias de la tecnología asociados a los diversos ámbitos de la gestión empresarial
La docencia se impartirá de forma semipresencial utilizando como apoyo las plataformas corporativas de la USC: Moodle (Campus Virtual) y MS Teams. El estudio y aprendizaje de esta asignatura se apoyará en las siguientes actividades:
(a) Estudio autónomo por parte del alumnado de los materiales didácticos correspondientes a cada unidad temática, que el profesorado pondrá a disposición de los estudiantes en el Campus Virtual.
(b) Realización por parte del alumnado de actividades prácticas preferentemente de carácter individual. En este sentido, se propondrán varios casos prácticos a desarrollar a lo largo de la asignatura y que deberán ser entregados en las fechas correspondientes de acuerdo con el cronograma establecido. La información y entrega de estas actividades se articulará a través del Campus Virtual.
(c) Participación activa de los estudiantes en actividades colaborativas (por ejemplo, foros de debate). Esos foros de debate permitirán a los estudiantes manifestar sus puntos de vista y opiniones, buscando la interacción y el debate compartido.
(d) Sesiones presenciales: Estas sesiones, que se desarrollarán de acuerdo con los horarios establecidos por la Facultad, se impartirán en el aula correspondiente y serán retransmitidas de forma síncrona en streaming. En consecuencia, el alumnado podrá asistir a ellas bien de forma física o bien conectándose a través de MS Teams. En estas sesiones se llevará a cabo una revisión breve de los contenidos generales de cada unidad temática y se desarrollarán otras actividades complementarias a las realizadas de forma individual por los alumnos y orientadas a fomentar la participación y puesta en común de todo el grupo.
El trabajo autónomo del alumnado será guiado por el profesorado en las horas destinadas a tutorías. Estas tutorías se desarrollarán preferentemente a través de la plataforma MSTeams.
Las tareas de esta materia podran estar vinculadas a proyectos de innovación ApS.
La parte práctica de la asignatura se evaluará mediante un proceso de EVALUACIÓN CONTINUA:
- Participación activa en el aula virtual (foros y debates, y otras herramientas virtuales) 10%
- Actividades (trabajo, ejercicios y exposiciones) 40%
La asignatura también tendrá un examen final que supondrá el 50% de la nota final de la asignatura.
Para los casos de realización fraudulenta de ejercicios o pruebas, se estará a lo dispuesto en las "Normas para la evaluación del rendimiento académico de dos alumnos y la revisión de calificaciones".
En el caso de alumnos con dispensa de asistencia aprobada por la Facultad, su nota será la derivada del examen final. A tal efecto, deberán comunicarlo al profesor dentro de la semana siguiente a la resolución oficial.
Trabajo presencial en el aula:
Sesiones: 9 horas
Tutorías (grupos reducidos): 4 horas
Horario no presencial
Horas de evaluación: hasta 3 (exámenes oficiales)
Aprendizaje virtual, estudio personal y resolución de casos prácticos/trabajos: 58 horas
Preparación del trabajo: 14
Preparación de exámenes: 24,5
Roberto Iglesias Rodriguez
- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- roberto.iglesias.rodriguez [at] usc.es
- Category
- Professor: University Lecturer
Ignacio Raño Noal
- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- ignacio.rano [at] usc.es
- Category
- Professor: Temporary PhD professor
Marta Nuñez Garcia
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- martanunez.garcia [at] usc.es
- Category
- Investigador/a Distinguido/a
| Friday | |||
|---|---|---|---|
| 19:00-21:00 | Grupo /CLIS_01 | Galician | Computer room 5 |
| 01.08.2025 16:00-20:00 | Grupo /CLIS_01 | Computer room 5 |
| 06.11.2025 16:00-20:00 | Grupo /CLIS_01 | Computer room 5 |