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 metodología seguida usa como plataforma básica el Campus Virtual de la USC. En la aula virtual de la materia el alumnado dispondrá de toda la información (material de teoría, presentaciones de clase, guiones de prácticas, etc.).
Se impartirán 15 horas de clases magistrales y 25 horas de trabajo práctico (resolución de problemas, programación).
La evaluación consta de dos partes individuales separadas, teoría y práctica.
La parte práctica de la materia se evaluará mediante un proceso de EVALUACIÓN CONTINUA:
-Ejercicios prácticos, talleres, exposiciones orales y participación en clases: 20% de la nota global
-Trabajos (individuales o en grupo): 30% de la nota global.
-Examen: 50% de la nota global
En 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 calificaciones".
En el caso de los alumnos con dispensa de asistencia aprobada por la Facultad, su calificación será la derivada del examen final. A tal fin deberán avisar al profesor dentro de la semana siguiente a la resolución oficial.
La asignatura es de 4,5 créditos y cada crédito equivale a 25 horas.
Las horas de trabajo totales se distribuyen del siguiente modo:
- Presenciales (incluyen las horas de docencia expositiva, docencia interactiva, tutorías y evaluación): 45
- Trabajo personal del alumnado: 67.5
Francisco Javier Garcia Polo
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- franciscojavier.garcia.polo [at] usc.es
- Category
- Professor: University Lecturer
| Wednesday | |||
|---|---|---|---|
| 10:45-11:45 | Grupo /CLE_01 | Spanish | Classroom 7 |
| 01.23.2025 09:00-13:00 | Grupo /CLE_01 | Computer room 1 |
| 01.23.2025 09:00-13:00 | Grupo /CLE_01 | Computer room 2 |
| 06.20.2025 09:00-13:00 | Grupo /CLE_01 | Computer room 1 |
| 06.20.2025 09:00-13:00 | Grupo /CLE_01 | Computer room 2 |