Créditos ECTS Créditos ECTS: 4.5
Horas ECTS Criterios/Memorias Horas de Titorías: 2 Clase Expositiva: 17 Clase Interactiva: 22 Total: 41
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 Facultade de Administración e Dirección de Empresas
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable
Ao rematar a materia o alumno será capaz de:
- Coñecer e saber diferenciar os diferentes modelos de aprendizaxe automática.
- Saber aplicar o modelo de aprendizaxe automática máis axeitado para un determinado problema de explotación de datos no ámbito empresarial.
- Saber utilizar plataformas de software para construír modelos baseados na aprendizaxe automática a partir de datos.
- Saber reducir a dimensionalidade dos datos dun problema no ámbito empresarial para facilitar o seu tratamento mediante a aprendizaxe automática.
- Introdución á aprendizaxe automática.
- Redución da dimensión.
- Aprendizaxe non supervisada (agrupación).
- Aprendizaxe supervisada (Clasificación/regresión).
- Aprendizaxe de reforzo.
- Combinación e selección de modelos.
- Plataformas e ferramentas software para a aprendizaxe automática.
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 xerais e básicas
CG2 - Identificar, reunir, analizar e interpretar datos relevantes sobre cuestións relacionadas co ámbito empresarial e
tecnolóxico
CG7 - Coñecer e utilizar correctamente as ferramentas informáticas e as novas tecnoloxías relacionadas coa xestión
negocio
CB1 - Que o alumnado demostrou posuír e comprender coñecementos nunha área de estudo que parte da base do
educación secundaria xeral, e adoita atoparse nun nivel que, aínda que se apoia en libros de texto avanzados, tamén inclúe
algúns aspectos que implican coñecementos procedentes da vangarda do seu ámbito de estudo
CB2 - Que o alumnado saiba aplicar os seus coñecementos ao seu traballo ou vocación dun xeito profesional e teña o
competencias que adoitan demostrarse mediante a elaboración e defensa de argumentos e a resolución de problemas dentro
a súa área de estudo
CB3 - Que os estudantes teñan a capacidade de recoller e interpretar datos relevantes (normalmente dentro da súa área de estudo)
emitir xuízos que inclúan unha reflexión sobre cuestións relevantes de carácter social, científico ou ético
CB4 - Que o alumnado poida transmitir información, ideas, problemas e solucións a públicos tanto especializados como non especializados
especializada
CB5 - Que os estudantes desenvolveron aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores
cun alto grao de autonomía
Habilidades transversais
CT1 - Pensar de forma integrada e crítica, e abordar os problemas desde diferentes perspectivas
CT5 - Capacidade para resolver problemas e tomar decisións aplicando os coñecementos teóricos á práctica
CT6 - Traballar en equipo, compartindo coñecementos e sabendo comunicalo ao resto do equipo e á organización.
CT9 - Capacidade de aprendizaxe autónoma e de autoavaliación
CT10 - Capacidade para utilizar ferramentas de cálculo e tecnoloxías da información e da comunicación (TIC)
Habilidades específicas
CE13 - Identificar fontes de información fiables, elaborar e interpretar dita información mediante técnicas de análise e
ferramentas matemáticas, estatísticas e tecnolóxicas adecuadas para apoiar a toma de decisións
CE14 - Coñecer e saber utilizar ferramentas e mecanismos de representación, almacenamento, transformación, análise e
comunicación fiable e eficiente da información
CE15 - Coñecer as posibilidades do Big Data e da intelixencia artificial e empresarial para mellorar os procesos
e coñecer os requisitos para a súa implantación
CE16 - Coñecer os sistemas de información empresarial, tendo en conta as súas tres dimensións específicas
(informativos, tecnolóxicos e organizativos) e tomar decisións relacionadas coa súa especificación, deseño e implantación
CE18 - Coñecer o uso e a programación de sistemas informáticos, bases de datos, criptografía e cadeas de bloques para a súa
aplicación á xestión e análise da información empresarial e ao deseño e desenvolvemento de produtos, procesos e novos modelos de negocio
CE5 - Coñecer o papel integrador da tecnoloxía e coñecer os principais produtos tecnolóxicos e as tendencias tecnolóxicas
asociados ás distintas áreas da xestión empresarial
A metodoloxía seguida utiliza o Campus Virtual da USC como plataforma básica. Na aula virtual da materia o alumnado disporá de toda a información (material teórico, exposicións en clase, guións prácticos, etc.).
Impartiranse 15 horas de clases maxistrais e 25 horas de traballo práctico (resolución de problemas, programación)
A avaliación consta de dúas partes individuais separadas, a teoría e a práctica.
A parte práctica da materia avaliarase mediante un proceso de AVALIACIÓN CONTINUA:
-Exercicios prácticos, obradoiros, exposicións orais e participación nas clases: 20% da nota global.
-Traballos (individuais ou en grupo): 30% da nota global.
-Exame: 50% da nota global
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o establecido na “Normativa de avaliación do rendemento académico dous estudantes e de revisión dás cualificacións”.
No caso de estudantes con dispensa de asistencia homologada pola Facultade, a súa calificación será a derivada do exame final. Para tal fin, deberán comunicalo ao profesor dentro da semana seguinte á resolución oficial.
A materia é de 4,5 créditos e cada crédito equivale a 25 horas.
O horario total de traballo distribúese da seguinte forma:
- Presencial (inclúe as horas de docencia expositiva, docencia interactiva, titorías e avaliación): 45
- Traballo persoal do alumno: 67,5
Francisco Javier Garcia Polo
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- franciscojavier.garcia.polo [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Mércores | |||
---|---|---|---|
10:45-11:45 | Grupo /CLE_01 | Castelán | Aula 7 |
23.01.2025 09:00-13:00 | Grupo /CLE_01 | Aula Informática 1 |
23.01.2025 09:00-13:00 | Grupo /CLE_01 | Aula Informática 2 |
20.06.2025 09:00-13:00 | Grupo /CLE_01 | Aula Informática 1 |
20.06.2025 09:00-13:00 | Grupo /CLE_01 | Aula Informática 2 |