Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación, Departamento externo vinculado a las titulaciones
Áreas: Electrónica, Área externa M.U en Intelixencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable
• Conocer y analizar la implicación de la sensorización inteligente remota en medio ambiente.
• Conocer el funcionamiento de las técnicas de análisis de datos descentralizados en entornos de aprendizaje perimetral o federado.
PROGRAMA DE TEORÍA:
Tema 1: Fundamentos básicos de la IoT inteligente
Tema 2: Plataformas HW/SW para IoT inteligente
Tema 3: Protocolos IoT para la creación de sistemas inteligentes
Tema 4: Despliegue de IA en dispositivos IoT: modelos de inferencia descentralizados
Tema 5: Monitorización inteligente
Sesión Contenido
1-USC Tema 1: Fundamentos básicos de la IoT inteligente
2-USC Tema 1: Fundamentos básicos de la IoT inteligente
3-USC Tema 2: Plataformas HW/SW para IoT inteligente
4-USC Tema 2: Plataformas HW/SW para IoT inteligente
5-USC Tema 2: Plataformas HW/SW para IoT inteligente
6-UDC Tema 3: Protocolos IoT para la creación de sistemas inteligentes
7-UDC Tema 3: Protocolos IoT para la creación de sistemas inteligentes
8-UDC Tema 4: Despliegue de IA en dispositivos IoT
9-UDC Tema 4: Despliegue de IA en dispositivos IoT
10-UDC Tema 5: Monitorización inteligente
PROGRAMA DE PRÁCTICAS:
Despliegue de proyectos de aprendizaje para inferencia en dispositivos perimetrales:
• Machine Learning sobre dispositivos de baja potencia. [UDC]
• Despliegue de CNN sobre RaspberryPi para visión por computador. [USC]
La distribución aproximada de las sesiones de prácticas se refleja en la siguiente tabla. Ha de tenerse en cuenta que la distribución concreta puede variar en cada curso académico en función tanto de los horarios como del desarrollo de la asignatura.
Sesión Duración Contenido
USC 5 horas CNN sobre RaspberryPi para visión por computador
UDC 5 horas ML sobre dispositivo de baja potencia (e.g., ESP8266, microcontrolador compatible con Arduino)
BIBLIOGRAFÍA BÁSICA:
Jan Holler, Vlasios Tsiatsis, Catherine Mulligan, Stefan Avesand, Stamatis Karnouskos David Boyle, From Machine-to-Machine to the Internet of Things: Introduction to a new Age of Intelligence, Academic Press; 1 edition
Peter Waher , Learning Internet of Things, Packt Publishing (January 27, 2015)
Samuel Greengard (2015). The Internet of Things. MIT Press
S. P. Yadav, B. S. Bhati, D. P. Mahato, S. Kumar, “Federated Learning for IoT Applications”, Springer (2022)
BIBLIOGRAFÍA COMPLEMENTARIA:
Vijay Madisetti, Arshdeep Bahga, Internet of Things (A Hands-on-Approach), Publisher: VPT; 1 edition (August 9, 2014)
Adrian McEwen, Hakim Cassimally, Designing the Internet of Things. Publisher: Wiley; 1 edition
BÁSICAS Y GENERALES
CG1 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial.
CG2 - Abordar con éxito todas las etapas de un proyecto de Inteligencia Artificial.
CG4 - Elaborar adecuadamente y con cierta originalidad composiciones escritas o argumentos motivados, redactar planes, proyectos de trabajo, artículos científicos y formular hipótesis razonables en el campo.
CG5 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones.
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
TRANSVERSALES
CT5 - Entender la importancia de la cultura emprendedora y conocer los medios al alcance de las personas emprendedoras.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.
CT9 - Tener la capacidad de gestionar tiempos y recursos: desarrollar planes, priorizar actividades, identificar las críticas, establecer plazos y cumplirlos.
ESPECÍFICAS
CE19 - Conocimiento de diferentes ámbitos de aplicación de las tecnologías basadas en IA y su capacidad para ofrecer un valor añadido diferenciador.
CE20 - Capacidad de combinar y adaptar diferentes técnicas, extrapolando conocimientos entre diferentes ámbitos de aplicación.
CE21 - Conocimiento de las técnicas que facilitan la organización y gestión de proyectos en IA en entornos reales, la gestión de los recursos y la planificación de tareas de una manera eficiente, teniendo en cuenta conceptos de diseminación del conocimiento y ciencia abierta.
CE22 - Conocimiento de técnicas que facilitan la seguridad de los datos, aplicaciones y las comunicaciones y sus implicaciones en diferentes ámbitos de aplicación de la IA.
CE30 - Ser capaz de plantear, modelar y resolver problemas que requieran la aplicación de métodos, técnicas y tecnologías de inteligencia artificial.
La materia se desarrolla mediante horas expositivas y horas interactivas, que se realizarán básicamente en los laboratorios de prácticas asignados. En las clases expositivas el profesor expondrá los contenidos teóricos de la materia, apoyándose en materiales multimedia.
Para la realización de las prácticas los alumnos dispondrán de un guión que reflejará sus objetivos, material y métodos para su realización. Cada sesión de prácticas se realizará presencialmente en la sede correspondiente (USC o UDC).
Para el estudio de la asignatura el alumno dispondrá de la bibliografía básica de la asignatura así como el material de apoyo que use el profesor.
La evaluación de la materia se realizará mediante una prueba final escrita, que supondrá el 50 % de la nota final.
La realización de las prácticas es obligatoria para poder superar la asignatura y supondrá un 50 % de la nota final. Esta evaluación se realizará en base al trabajo desarrollado en el laboratorio. Estudiantes matriculados a tiempo parcial: las fechas de entrega de las prácticas serán flexibles.
Para aprobar, se requerirá una nota mínima de 4 puntos sobre 10 tanto en el examen escrito como en la nota de prácticas.
Al alumno que no se presente a la prueba final escrita se le reflejará en el acta la calificación de NO PRESENTADO.
En caso de suspender la asignatura, la evaluación obtenida sobre la actividad práctica realizada se podrá mantener para la segunda oportunidad si su nota es superior al 50% de la nota que otorgan. En caso de que no sea superior a ese 50 % el alumno, en esta segunda oportunidad, realizará una prueba escrita, que supondrá un 70 % de la nota, y un examen práctico, que aportará el otro 30 %.
Este proceso de evaluación rige tanto para alumnos de matrícula nueva como para alumnos repetidores.
Para los casos 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.
De acuerdo con lo recogido en la memoria del título, esta asignatura contempla un total de 10 horas expositivas de clases de teoría y 10 horas de clases prácticas de laboratorio y/o aprendizaje basado en problemas
Debido a la alta correlación existente entre los conceptos desarrollados en las clases expositivas y los contenidos de las prácticas, se recomienda a los alumnos constancia en el estudio de la materia, acudiendo a las sesiones de prácticas con los conceptos ya trabajados. Con la realización de las prácticas, estos quedarán claros y asentados, facilitándose así el estudio y comprensión de la materia.
La docencia se impartirá en inglés.
Paula López Martínez
- Departamento
- Electrónica y Computación
- Área
- Electrónica
- Teléfono
- 881816435
- Correo electrónico
- p.lopez [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
| Jueves | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | Inglés | IA.12 |
| 20.01.2025 10:30-14:00 | Grupo /CLIL_01 | IA.12 |
| 20.01.2025 10:30-14:00 | Grupo /CLE_01 | IA.12 |
| 27.06.2025 10:30-14:00 | Grupo /CLIL_01 | IA.12 |
| 27.06.2025 10:30-14:00 | Grupo /CLE_01 | IA.12 |