Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Linguas de uso Castelán, Galego, Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado ás titulacións
Áreas: Área externa M.U en Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
O obxectivo principal desta materia é proporcionar aos alumnos os coñecementos mínimos necesarios para a resolución de problemas no ámbito dos sistemas intelixentes en tempo real, e a comprensión adecuada sobre o modo de enfocar a resolución dos devanditos problemas, pero prestando unha especial atención ao manexo do tempo real.
Sistemas de tempo real. Determinismo e confiabilidade. Paralelismo. Planificación. Linguaxes de implementación.
Básica:
Alan Burns, Andy Wellings, Sistemas de tiempo real y lenguajes de programación, 9788478290581, 3ª, Addison-
Wesley, 2003
Complementaria:
Manuel I. Capel Tuñón, Programación Concurrente y en tiempo real: Fundamentos y aplicaciones, 9788417289362,
Garceta, 2022
Rafael H. Bordini, Jomi Fred Hübner, Michael Wooldridge, Programming Multi-agent systems in Agent-Speak with
Jason, 10.1002/9780470061848, Wiley, 2007
Olivier Boissier, Rafael H. Bordini, Jomi Hubner, Alessandro Ricci, Multi-Agent Oriented Programming: Programming
Multi-Agent Systems Using JaCaMo, 9780262044578, MIT Press, 2020
BÁSICAS E XENERAIS
CG1 - Manter e estender formulacións teóricas fundadas para permitir a introdución e
explotación de tecnoloxías novas e avanzadas no campo da Intelixencia Artificial.
CG2 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial.
CG5 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na
xestión do tempo, persoas e toma de decisións.
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de
ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de
investigación
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade
de resolución de problemas en contornas novas ou pouco coñecidos dentro de contextos
máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e
razóns últimas que as sustentan a públicos especializados e non especializados dun
modo claro e sen ambigüidades
CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan
continuar estudando dun modo que haberá de ser en gran medida autodirigido ou
autónomo.
TRANSVERSAIS
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as
comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe
ao longo da súa vida.
CT7 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou
transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sostible
ambiental, económico, político e social.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento
tecnolóxico no avance socioeconómico e cultural da sociedade.
CT9 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar
actividades, identificar as críticas, establecer prazos e cumprilos.
ESPECÍFICAS
CE19 - Coñecemento de diferentes ámbitos de aplicación das tecnoloxías baseadas en
IA e a súa capacidade para ofrecer un valor engadido diferenciador.
CE20 - Capacidade de combinar e adaptar diferentes técnicas, extrapolando
coñecementos entre diferentes ámbitos de aplicación. CE21 - Coñecemento das técnicas
que facilitan a organización e xestión de proxectos en IA en contornas reais, a xestión
dos recursos e a planificación de tarefas dunha maneira eficiente, @teniendo en cuenta
conceptos de diseminación do coñecemento e ciencia aberta. CE22 - Coñecemento de
técnicas que facilitan a seguridade dos datos, aplicacións e as comunicacións e as súas
implicacións en diferentes ámbitos de aplicación da IA.
CE30 - Ser capaz de expor, modelar e resolver problemas que requiran a aplicación de
métodos, técnicas e tecnoloxías de intelixencia artificial.
A metodoloxía Inclúe o Método expositivo / lección maxistral, prácticas de laboratorio,
titorías, traballo autónomo, estudo de casos e aprendizaxe por proxectos. levará a cabo
coas seguintes actividades formativas:
1) Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos:
trátase de sesións cuxo obxectivo é que o alumnado adquira determinadas competencias
en base á resolución de exercicios, estudo de casos e realización de proxectos que
requiran ao alumno a aplicación dos coñecementos e competencias desenvolvidas
durante a materia. Estas sesións poden requirir do alumno a presentación oral da súa
solución aos problemas expostos. Os traballos realizados polo alumnado pódense
realizar de forma individual ou en grupos de traballo.
2) Clases de teoría: Exposición oral complementada co uso de medios audiovisuais
e a introdución dalgunhas preguntas dirixidas aos estudantes, coa finalidade de
transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral
por parte do profesor, esta actividade formativa require do alumno a dedicación dun
tempo para preparar e revisar por conta propia o materiais obxecto da clase.
3) Clases prácticas de laboratorio: clases dedicadas a que o alumnado desenvolva
traballos prácticos que impliquen abordar a resolución de problemas complexos, e a
análise e deseño de solucións que constitúan un medio para a súa resolución. Esta
actividade pode requirir dos alumnos a presentación oral dos traballos realizados. Os
traballos realizados polo alumnado pódense realizar de forma individual ou en grupos
de traballo
A avaliación constará de tres partes:
- Proba de comprensión de coñecementos, con ponderación do 30% da nota final. Consistirá na presentación dun vídeo e unha memoria cunha solución propia a un exercicio proposto. Esta proba metodolóxica é obrigatoria para poder superar a materia, tanto se se segue a avaliación continua como non. Para superar esta parte da avaliación, o estudante debe obter 5 puntos ou máis na súa nota. As entregas tardías e aquelas que se entreguen nun formato diferente ao do pedido serán valoradas con 0.
- Seguimento continuo da materia, con ponderación do 30% da nota final. Ao final de cada tema propoñeranse problemas/exercicios que servirán para unha avaliación mediante un seguimento continuo da materia. Para liberar esta proba de avaliación, o alumno deberá obter 5 puntos ou máis na súa nota final. No caso de non optar pola avaliación continua, na data do exame os alumnos poderán contestar os exercicios que se presenten.
- Aprendizaxe baseado en proxectos, con ponderación do 40% da nota final: Avaliarase a solución (código + memoria explicativa) a un proxecto práctico proposto e asignado. Esta proba avaliarase coas aplicacións proporcionadas para a súa realización en grupos de 2 persoas. Esta proba metodolóxica é obrigatoria, tanto se se segue a avaliación continua como non. A entrega deberá realizarse nas datas e na forma indicadas. As entregas tardías e aquelas que se entreguen nun formato diferente ao solicitado serán valoradas con 0. A entrega poderá requirir unha defensa por parte dos integrantes do
grupo na data e forma que se indiquen. Para superar esta proba de avaliación, o estudante debe obter 5 puntos ou máis na súa cualificación final.
Posto que o sistema de avaliación por defecto é o de AVALIACIÓN CONTINUA, considérase que todos/as os/as alumnos/as matriculados optan polo devandito sistema. En caso de non optar por este sistema de avaliación, unha vez superado o prazo dun mes desde o comezo do cuadrimestre, habilitarase un prazo de 5 días hábiles para que o alumnado matriculado na materia manifeste, formalmente, a súa intención de non acollerse a este sistema de AVALIACIÓN CONTINUA. Neste caso, a proba constará de tres partes:
- Exame de Teoría, cunha ponderación do 30%: Proba obxectiva que incluirá a avaliación dos conceptos teóricos vistos ao longo do curso e resolución de exercicios/problemas propostos no Sistema de Avaliación Continua. Para a superación desta parte da materia o estudante deberá obter unha cualificación igual ou superior a 5 puntos (sobre 10).
- Estudo de casos mediante a elaboración de Memoria e Vídeo, cunha ponderación do 30%: Elaboración dun vídeo e unha breve memoria que presente/defenda a solución do alumno a un caso de estudo que se determine, o traballo será entregado na data que se determine previa á do Exame final. Para a superación desta parte da materia o estudante deberá obter unha cualificación igual ou superior a 5 puntos (sobre 10) na avaliación tanto da memoria, como do vídeo. Unha entrega tardía ou que non se axuste aos parámetros fixados para a entrega será cualificada con 0 puntos.
- Solución a un proxecto mediante o desenvolvemento dunha práctica e un informe de prácticas, cunha ponderación do 40%: se propoñerá para os alumnos que se acollan a este sistema e deberá ser entregado na data (anterior á data de exame) e forma que se determine. A solución constará dun código coa solución e un informe que explique e defenda dita solución. Para a superación desta parte da materia o estudante deberá obter unha cualificación igual ou superior a 5 puntos (sobre 10) na avaliación tanto no código, como no informe. Unha vez realizada a entrega, poderase requirir a defensa do traballo realizado con obxecto de comprobar a autoría da mesma na data de exame mediante a contestación dunha serie de preguntas relativas ao Proxecto asignado.
Tanto se se segue a avaliación continua como non, a nota final da materia calcúlase mediante media ponderada das probas anteriores, para poder realizar dicha media o alumno deberá alcanzar como mínimo un 4 en cada unha das probas. Se ao finalizar o curso, un alumno presenta unha cualificación inferior a 4, nunha ou máis das probas anteriores, a súa cualificación virá determinada polo valor mínimo entre a media das notas das devanditas probas e catro. Todas as entregas das probas anteriores que non se realicen a tempo e na forma solicitada serán cualificadas cun 0.
Os criterios de avaliación para a 2ª oportunidade serán os mesmos que para a primeira oportunidade.
A1: Clases de teoría: 10 horas presenciais, 20 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 7 horas presenciais, 28 horas en total de dedicación.
A3: Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: 4
horas presenciais, 27 horas en total de dedicación.
Está materia é impartida pola Universidade de Vigo.
Materias que se recomenda ter cursado previamente:
Sistemas multiaxente
| Mércores | |||
|---|---|---|---|
| 15:30-17:00 | Grupo /CLE_01 | Inglés | IA.02 |
| 04.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 04.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 09.07.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 09.07.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |