Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 15 Clase Interactiva: 10 Total: 26
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Grado RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Ciencia de la Computación e Inteligencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
Comprender conceptos avanzados de la visión por computador, las diferentes técnicas aplicadas en la actualidad y su ámbito de aplicación.
Una vez superada la materia, el estudiantado:
- Comprenderá conceptos avanzados del procesado de imágenes.
- Sabrá implementar y aplicar los algoritmos y técnicas fundamentales para el procesamiento, análisis e interpretación avanzada de imágenes.
- Desarrollará la capacidad de aplicar la técnica de visión por computador más adecuada a problemas reales.
- Visual Transformers
- Modelos multimodales
- Detección y segmentación de vocabulario abierto
- Modelos generativos
BÁSICA
- Richard Szeliski (2022), Computer Vision: Algorithms and Applications, 2ª ed., Springer.
- Uday Kamath, Kenneth Graham, Wael Emara (2022), Transformers for Machine Learning: A Deep Dive, Chapman & Hall.
COMPLEMENTARIA
- Omar Sanseviero, Pedro Cuenca, Apolinário Passos, Jonathan Whitaker (2024), Hands-On Generative AI with Transformers and Diffusion Models, O'Reilly.
BÁSICAS Y GENERALES
- CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse mediante la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- CG4: Capacidad para seleccionar y justificar los métodos y técnicas adecuados para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial.
- CG5: Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de inteligencia artificial.
TRANSVERSALES
- TR1: Capacidad para comunicar y transmitir sus conocimientos, habilidades y destrezas.
- TR3: Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.
- TR5: Capacidad para desarrollar modelos, técnicas y soluciones basadas en inteligencia artificial que resulten éticas, no discriminatorias y confiables.
ESPECÍFICAS
- CE12: Conocer los fundamentos de los algoritmos y modelos de la inteligencia artificial para la resolución de problemas de cierta complejidad, entender su complejidad computacional y tener capacidad para diseñar nuevos modelos.
La dinámica docente de la materia fomentará la participación activa del alumnado tanto en las clases como en las tutorías. Las sesiones teóricas y prácticas estarán orientadas al desarrollo progresivo de las competencias previstas mediante metodologías centradas en el estudiante.
Cada bloque temático será introducido por el/la profesor/a con una presentación de sus objetivos, contenidos clave y recursos recomendados. A partir de ahí, se facilitará al alumnado documentación complementaria, lecturas, ejemplos y materiales de apoyo para guiar el estudio autónomo. Estas sesiones permitirán trabajar competencias como CG4, CG5 y CE12.
A lo largo del curso, se propondrán distintas tareas que incluyen ejercicios prácticos, resolución de problemas, presentaciones orales o pequeños proyectos, que podrán realizarse de forma individual o en grupo. Estas actividades tendrán plazos de entrega o presentación previamente establecidos, que se comunicarán mediante las herramientas oficiales de comunicación de la materia.
En las sesiones prácticas, el alumnado podrá aplicar los conocimientos adquiridos mediante el uso de herramientas software específicas para cada bloque. A través de estas sesiones prácticas se potenciarán competencias como CB2, CB4, CG5, TR1, TR3 y CE12.
El trabajo del alumnado se realizará de forma autónoma, contando siempre con el acompañamiento y orientación del profesorado. El curso incluirá también guiones de prácticas, seminarios y otras actividades complementarias para reforzar el aprendizaje.
La evaluación considerará tanto la parte teórica (40%) como la parte práctica (60%). Para superar la materia debe obtenerse una calificación global igual o superior a 5 sobre 10, de acuerdo con lo siguiente:
- Parte teórica: se evaluará en un único examen que se realizará en la fecha oficial. Es requisito imprescindible obtener una calificación igual o superior a 4 sobre 10 para superar el conjunto de la asignatura. En caso contrario, deberá repetirse en la convocatoria de recuperación.
- Parte práctica: las entregas de esta parte se corresponderán con los temas indicados en la sección de contenidos y la evaluación de las mismas tendrá lugar en la siguiente sesión de prácticas. Se propondrán dos entregas que se presentarán al finalizar el segundo y cuarto bloque temático. Para superar la materia será necesario obtener una calificación igual o superior a 4 sobre 10 en esta parte.
Obtendrán la calificación de no presentados los/as estudiantes que no se presenten al examen y no entreguen ninguna práctica. La asistencia tanto a las sesiones interactivas como expositivas no será obligatoria ni tendrá repercusión en la nota final.
Para superar la materia en la segunda oportunidad, el alumnado deberá someterse a la evaluación de todas aquellas partes obligatorias pendientes, de acuerdo con lo anteriormente especificado. Para el resto se conservarán las calificaciones obtenidas durante el curso.
En aplicación de la normativa de la ETSE sobre plagio (aprobada por la Junta de la ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso de las dos oportunidades del curso, con la calificación de 0 en ambos casos.
- Tiempo de trabajo presencial: 25 horas totales, divididas en 15 horas expositivas y 10 horas interactivas.
- Tiempo de trabajo personal: 50 horas totales, divididas en 20 horas de estudio autónomo de teoría y prácticas y 30 horas de trabajos, proyectos y otras actividades.
Se recomienda haber superado la materia "Visión por Computador".
Se recomienda que los/as estudiantes resuelvan, implementen, verifiquen y validen todos los ejercicios y prácticas propuestos. Igualmente se considera importante hacer uso de las tutorías para la resolución de dudas.
La docencia será reforzada mediante el uso del Campus Virtual, que funcionará como espacio central para el acceso a los materiales de la materia (presentaciones, textos, ejercicios, lecturas...), y para la comunicación con el profesorado, ya sea a través de correo electrónico, foros o tutorías en línea.
La materia será impartida en gallego.
Nicolas Vila Blanco
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881815509
- Correo electrónico
- nicolas.vila [at] usc.es
- Categoría
- Profesor/a: Profesor Ayudante Doctor LOU
Cesar Díaz Parga
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- cesardiaz.parga [at] usc.es
- Categoría
- Predoutoral Xunta
| Martes | |||
|---|---|---|---|
| 18:30-20:00 | Grupo /CLE_01 | Gallego | IA.01 |
| Miércoles | |||
| 15:30-16:30 | Grupo /CLIL_01 | Gallego | IA.01 |
| 25.05.2026 16:00-20:00 | Grupo /CLIL_01 | IA.01 |
| 25.05.2026 16:00-20:00 | Grupo /CLE_01 | IA.01 |
| 01.07.2026 09:30-14:00 | Grupo /CLIL_01 | IA.11 |
| 01.07.2026 09:30-14:00 | Grupo /CLE_01 | IA.11 |