Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 99 Horas de Titorías: 3 Clase Expositiva: 24 Clase Interactiva: 24 Total: 150
Linguas de uso Castelán, Galego
Tipo: Materia Ordinaria Grao RD 1393/2007 - 822/2021
Centro Escola Politécnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Sen docencia (Extinguida)
Matrícula: Non matriculable
A meta deste curso é proporcionar unha introdución á visión artificial con técnicas clásicas e a súa aplicación a casos prácticos.
OBXECTIVOS
• Comprender que é a visión artificial, as súas metas e identificar áreas clave de aplicación desta disciplina na robótica.
• Desenvolver as habilidades necesarias para construír aplicacións prácticas de visión artificial.
• Comprender os fundamentos básicos da formación de imaxes, modelos de cámara, proceso de calibración e visión estereoscópica.
• Familiarizarse tanto cos contidos teóricos e aspectos prácticos do procesado dixital de imaxes.
• Gañar coñecemento en métodos de segmentación, recoñecemento e categorización de imaxes e escenas.
• Coñecer estado da arte e implementar os modelos de atención visual útiles en robótica.
RESULTADOS DA APRENDIZAXE
Unha vez rematado este curso, os resultados que se espera que o estudante acade son:
• RA1: saber programar técnicas de procesado de imaxe e vídeo obtidas desde sensores visuais embarcados no robot;
• RA2: entender o funcionamento dos métodos e técnicas básicas de procesamento e análise de imaxe e vídeo dixital, así como ser capaz de escoller e implementar os máis axeitados en función do ámbito de aplicación;
• RA3: saber utilizar e comprender a utilidade das representacións frecuencial e multiescala de imaxes e vídeos; aprender e programar técnicas avanzadas de tratamento de imaxe (filtrado, segmentación ou clustering) mediante espazos de cor;
• RA4: ser capaz de deseñar e implementar solucións de detección visual para recoñecemento de obxectos, escenas, caras ou xestos que permitan guiar/comunicarse a/cun robot; coñecer e aplicar as técnicas de calibración de cámaras e percepción de visión estéreo e RGBD;
• RA5: saber seleccionar e aplicar modelos de atención visual para detectar posicións relevantes nunha escena rapidamente.
A memoria do título contempla para esta materia os seguintes contidos:
• Captación, formación e procesado básico de imaxes e vídeo.
• Calibración de cámaras, visión estéreo e RGBD.
• Espazos de cor, segmentación e agrupamento.
• Representación frecuencial 2D e 3D.
• Filtrado e representación piramidal de imaxes e vídeo.
• Recoñecemento de obxectos, escenas e xestos.
• Detección e seguimento de obxectos móbiles.
Estes contidos teóricos serán desenvoltos de acordo ao seguinte temario:
BLOQUE 1: PROCESADO DIXITAL DE IMAXES
Distribución en horas para este bloque (teoría e prácticas):
• Presenciais: 8 docencia expositiva, 8 aulas de informática/prácticas, 1 titorías grupo, 1 titoría individual, 2 avaliación e revisión.
• Non presenciais: 15 preparación temas, 10 elaboración traballos/prácticas, 2 titorías grupo, 1 titoría individual, 2 avaliación e revisión.
TEMA 1: INTRODUCCIÓN A VISIÓN ARTIFICIAL E PRESENTACIÓN DA MATERIA
Introdución ao campo da visión artificial e presentación da materia
Loxística do curso: configuración do entorno de traballo e hardware dispoñible
TEMA 2: IMAXE DIXITAL
Formación dixital de imaxes: iluminación, ópticas, cámaras, dixitalización e captura
Manipulación computacional da imaxe dixital
Espazos de cor e a representación dixital
Imaxes con canle alfa e con profundidade (RGBD)
Introdución ao vídeo: captación e manexo
TEMA 3: TÉCNICAS BÁSICAS DE PROCESADO DIXITAL DE IMAXES
Operacións básicas e transformacións xeométricas de imaxes
Limiares e histogramas
Convolución e cross-correlación: concepto de filtro
Transformada de Fourier:conceptos, propiedades e utilidade
TEMA 4: REALCE DE IMAXES, FILTRADO E CONTORNAS
Filtrado de imaxes no dominio espacial: lineal e non lineal
Filtrado lineal no dominio frecuencial: construción de bancos de filtros
Espazos multiescala: pirámides de imaxes
Operacións morfolóxicas
Detección de bordes: análise, codificación e etiquetado de compoñentes conexas
Detección de formas paramétricas: transformada de Hough
BLOQUE 2: PUNTOS ATENCIONAIS, DESCRICIÓN E RECOÑECEMENTO
Distribución en horas para este bloque (teoría e prácticas):
• Presenciais: 11 docencia expositiva, 12 aulas de informática/prácticas, 1 titorías grupo, 1 titoría individual, 2 avaliación e revisión.
• Non presenciais: 16 preparación temas, 14 elaboración traballos/prácticas, 3 titorías grupo, 1 titoría individual, 3 avaliación e revisión.
TEMA 5: DETECCIÓN DE PUNTOS DE INTERESE
Puntos relevantes nunha imaxe: atención visual
Conceptos de mapas de saliencia, relevancia e prioridade
Detectores de puntos de interese xeométricos e baseados en gradientes de intensidade
Saliencia visual e deteción de puntos perceptualmente relevantes
Modelos de saliencia computacionalmente eficientes no dominio espectral: residuo e fase global
TEMA 6: CARACTERIZACIÓN: DESCRITORES E VECTORES DE CARACTERÍSTICAS
Introdución: descritores, vectores de características e invarianza
Concepto de descritores de características e de vectores de características
Descritores globais, locais invariantes e binarios
Descritores de contorno e rexión
TEMA 7: CLASIFICACIÓN DE ESCENAS E OBXECTOS
Introdución á clasificación de imaxes: supervisado e non supervisado
Fluxo típico dun sistema de clasificación de imaxes
Clasificadores non supervisados e supervisados.
Clasificador de Pirámides de Bolsas de Palabras Visuais
Detectores de obxectos (HoG+SVM)
TEMA 8: SEGMENTACIÓN
Introdución: Teoría da Gestalt de agrupamento perceptual
Concepto de segmentación e tipos: semántico, instancias e panóptico
Algoritmos de segmentación e clustering aglomerativo
Superpixels e sobresegmentación
TEMA 9: : INTRODUCIÓN AO ANÁLISE DE VÍDEO
Introdución ao análise de vídeo
Fluxo óptico e estimación do movemento: Lucas-Kanade e Horn-Schunck
Seguimento visual dun/varios obxecto/s
Aplicacións do movemento: segmentación e recoñecemento.
Dominio Transformado de Fourier 3D: interpretación e usos
BLOQUE 3: XEOMETRÍA VISUAL
Distribución en horas para este bloque (teoría e prácticas):
• Presenciais: 4 docencia expositiva, 4 aulas de informática/prácticas, 1 titorías grupo, 2 titoría individual, 1 avaliación e revisión.
• Non presenciais: 9 preparación temas, 8 elaboración traballos/prácticas, 3 titorías grupo, 1 titoría individual, 2 avaliación e revisión.
TEMA 10: MODELOS DE CÁMARAS E VISIÓN ESTÉREO
Xeometría proxectiva: coordenadas homoxéneas, transformacións e invariantes
Modelo lineal de cámara: parámetros internos, externos e calibración
Visión estéreo, xeometría epipolar, estimación da matriz fundamental
Emparellamento da disparidade estéreo e rectificación por correspondencias
Estrutura dende movemento (SfM) e reconstrución 3D
Aplicación: cámaras RGBD
PROGRAMA DE PRÁCTICAS:
O ensino experimental dos alumnos constitúe unha parte substancial de todo curso de visón artificial. Ademais do seu papel de ilustrar contidos específicos do programa da materia, as prácticas permiten ao estudante desenvolver competencias transversais propias da titulación. Estas actividades promoven a elección e aplicación de métodos analíticos, de cálculo e experimentais xa establecidos, así como interpretación dos resultados para chegar a conclusións válidas no ámbito do estudo. Ademais, fomentar o traballo en equipo, practícase a comunicación oral e escrita e a xestión da información. Os obxectivos específicos son:
• Desenvolver hábitos correctos de traballo en equipo mediante a aplicación do método científico á análise de problemas prácticos reais.
• Aprender a implementación das técnica aprendidas, o correcto manexo de datos e a extraer conclusións dos experimentos, proporcionándolles ademais experiencia na transmisión da información técnica mediante a redacción de informes científico-técnicos e a exposición oral.
• Desenvolver o seu compromiso coas metas marcadas para un grupo de traballo e cos principios éticos involucrados no traballo científico e técnico.
Para acadar os anteriores obxectivos nas prácticas de Visión Artificial, en cada tema apórtase aos estudantes bloques de código que facilitarán a comprensión da implementación das técnicas estudadas e permitirán que aborde tarefas máis complexas. A relación de experimentos proposta:
P1: CONFIGURACIÓN E INSTALACIÓN DO ENTORNO DE TRABALLO NO ORDENADOR PERSOAL
P2 : PROCESADO DIXITAL BÁSICO DE IMAXES E ESPAZOS DE COR
P3: DESEÑO E IMPLEMENTACIÓN DE BANCOS DE FILTROS LOG-GABOR E GAUSSIANOS NO DOMINIO FRECUENCIAL
P4: MODELOS DE SALIENCIA VISUAL
P5: CLASIFICADOR DE IMAXES: ANÁLISE DAS COMBINACIÓNS DESCRITOR-CLASIFICADOR
P6: CONSTRUCIÓN E ADESTRAMENTO DUN DETECTOR DE OBXECTOS PROPIO
P7: IMPLEMENTACIÓN E AVALIACIÓN DE TÉCNICAS DE SEGMENTACIÓN CLÁSICAS
P8: ANÁLISE DE VÍDEO: DETECCIÓN E SEGUIMENTO DE OBXECTOS
P9: XEOMETRÍA VISUAL, ESTEREOSCOPÍA E RECONSTRUCIÓN
POXECTO FINAL (POR PARELLAS) DE TEMÁTICA LIBRE. O EQUIPO DEBE ELIXIR UNHA APLICACIÓN PRÁCTICA QUE INTEGRE DISTINTAS TÉCNICAS DO CURSO.
SEMINARIOS OU CONFERENCIAS:
• Presenciais: 1 docencia expositiva
Seminario 1: A nova era da visión artificial causada pola irrupción do Deep-Learning
• DOCUMENTACIÓN DA MATERIA
o Documentación preparada explicitamente para esta materia polo profesorado da mesma, e que será distribuída a través do campus virtual.
• BIBLIOGRAFÍA BÁSICA
o Gonzalo Pajares Y Jesús Manuel De La Cruz. VISIÓN POR COMPUTADOR: IMÁGENES DIGITALES Y APLICACIONES (2ª). RAMA. ISBN(13): 9788478978311
o Gonzalo Pajares Y Jesús Manuel De La Cruz. EJERCICIOS RESUELTOS DE VISIÓN POR COMPUTADOR (1ª). RAMA. ISBN(13): 9788478978281
o Gonzalez, Rafael C. ; Woods, Richard E. DIGITAL IMAGE PROCESSING PRENTICE HALL. ISBN(13): 9780131687288
o Richard Szeliski. COMPUTER VISION: ALGORITHMS AND APPLICATIONS (2ª ed). Draft 2021 Springer. (https://szeliski.org/Book/)
o David A. Forsyth and Jean Ponce. COMPUTER VISION: A MODERN APPROACH. Prentice Hall. Pearson Education International. 2011
• BIBLIOGRAFÍA COMPLEMENTARIA
o Richard Hartley and Andrew Zisserman. MULTIPLE VIEW GEOMETRY IN COMPUTER VISION. Cambridge University Press
• ENLACES RECOMENDADOS
o Computer Vision, University of Texas (Grauman), 2018. (http://vision.cs.utexas.edu/376-spring2018/)
o Computer Vision, New York University (Fergus), 2019. (https://cs.nyu.edu/~fergus/teaching/vision/index.html)
o Computer Vision, University of Illinois (Lazebnik), 2019. (http://slazebni.cs.illinois.edu/spring19/)
o Advances in Computer Vision, MIT (Freeman, Torralba and Isola), 2019. (http://6.869.csail.mit.edu/fa19/)
o Computer Vision, Aachen University (Leibe), 2019. (http://www.mmp.rwth-aachen.de/course/28/)
o Artigos de Visión artificial con código (https://paperswithcode.com/area/computer-vision)
Nesta materia o alumno adquirirá ou practicará unha serie de competencias xenéricas, desexables en calquera titulación universitaria, e específicas, propias da enxeñaría en xeral ou da robótica en particular. Dentro do cadro de competencias que se deseñou para a titulación, traballaranse as seguintes:
Competencias básicas:
CB1.- Que os estudantes demostrasen posuír e comprender coñecementos nunha área de estudo que parte da base da educación secundaria xeral, e adóitase atopar a un nivel que, aínda que se apoia en libros de texto avanzados, inclúe tamén algúns aspectos que implican coñecementos procedentes da vangarda do seu campo de estudo.
CB2.- Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo.
CB3.- Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética.
CB4.- Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado.
CB5.- Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía.
Competencias xerais:
CG1.- Coñecemento de materias básicas e tecnoloxías, que lle capacite para a aprendizaxe de novos métodos e tecnoloxías, así como que lle dote dunha gran versatilidade para adaptarse a novas situacións.
CG2.- Capacidade de resolución de problemas no campo da enxeñaría robótica con creatividade, iniciativa, metodoloxía e razoamento crítico.
CG3.- Capacidade de utilizar ferramentas informáticas para o modelado, a simulación e o deseño de aplicacións de enxeñaría.
CG4.- Saber as necesidades tecnolóxicas da sociedade e a industria, e ser capaz de mellorar servizos e procesos de produción aplicando tecnoloxía actual de robótica, mediante a elección, adquisición e posta en marcha de sistemas robóticos en diferentes aplicacións, tanto industriais como de servizos.
CG5.- Ser capaz de obter e analizar información sobre circuítos, elementos de máquinas, control automático, sensores e sistemas informáticos, co fin último de lograr aplicacións robóticas autónomas e flexibles.
CG6.- Concibir, calcular, deseñar e pór en marcha algoritmos, equipos ou instalacións no ámbito da robótica, para aplicacións industriais ou de servizos, tendo en conta aspectos de calidade, seguridade, criterios ambientais, uso racional e eficiente de recursos.
CG7.- Capacidade de traballar nun grupo multidisciplinar e de comunicar, tanto por escrito como de forma oral, coñecementos, procedementos, resultados e ideas relacionadas coa robótica e a electrónica.
Competencias Transversais:
CT1.- Capacidade de análise e síntese.
CT2.- Capacidade para o razoamento e a argumentación.
CT3.- Capacidade de traballo individual, con actitude autocrítica.
CT4.- Capacidade para traballar en grupo e abarcar situacións problemáticas de forma colectiva.
CT5.- Capacidade para obter información adecuada, diversa e actualizada.
CT6.- Capacidade para elaborar e presentar un texto organizado e comprensible.
CT7.- Capacidade para realizar unha exposición en público de forma clara, concisa e coherente.
CT8.- Compromiso de veracidade da información que ofrece aos demais.
CT9.- Habilidade no manexo de TIC’s.
CT10.- Utilización de información bibliográfica e de Internet.
CT11.- Utilización de información complementaria e/o puntual en lingua inglesa.
CT12.- Capacidade para resolver problemas mediante a aplicación integrada dos seus coñecementos.
Competencias específicas:
CE12.- Capacidade de coñecer e implementar métodos de extracción de características a partir da información percibida por cámaras e sensores 3D ao desenvolvemento de aplicacións en robots e sistemas intelixentes
CE16.- Utilizar e implementar métodos de recoñecemento de patróns e de aprendizaxe computacional na análise de datos sensoriais e para a toma de decisións en sistemas robóticos.
CE19.- Entender e saber programar as técnicas de análises, procesado e detección de patróns nos distintos tipos de sinais procedentes de diferentes sensores e cámaras.
Clases expositivas de grupo grande:
Descrición: Presentación na aula dos conceptos propios da materia facendo uso de metodoloxía expositiva con leccións maxistrais participativas e medios audiovisuais. Cada sesión, iniciarase cun breve resumo do exposto no día anterior e rematarase cunha compilación breve.
Propósito: Transmitir os contidos da materia motivando ao alumnado á reflexión, facilitándolle o descubrimento das relacións entre diversos conceptos.
Contido en ECTS: 3 (24 horas presenciais)
Metodoloxía Docente: Lección maxistral. Debates. Titoría académica.
Competencias traballadas: . CB1, CB4, CB5, CG1, CG2, CG4, CG5, CT1,CT10- CT2, CE12, CE16, CE19
Actividades interactivas con grupos reducidos (problemas, laboratorio e proxecto final):
Descrición: Actividades a través das cales se pretende mostrar ao alumnado como debe actuar a partir da aplicación dos coñecementos adquiridos, a facer observacións experimentais coidadosas e obter conclusións a partir dos datos obtidos.
Propósito: Desenvolvemento no alumnado das habilidades instrumentais da materia.
Contido en ECTS: 2,75 (24 horas presenciais)
Metodoloxía Docente: Prácticas de laboratorio. Desenvolvemento de proxectos. Titoría académica.
Competencias: CB1, CB2, CB3, CB4, CB5, CG1, CG2, CG3, CG4, CG5, CG8, CG6, CT1-CT12, CE12, CE16, CE19
Seminarios (grupo grande):
Descrición: Modalidade organizativa dos procesos de ensino e aprendizaxe onde tratar en profundidade unha temática actual relacionada coa materia. Incorpora actividades baseadas na indagación, o debate, a reflexión e o intercambio.
Propósito: Desenvolvemento no alumnado das competencias cognitivas e procedimentais da materia.
Contido en ECTS: 0,1 (1 horas presenciais)
Competencias:. : CB1, CB5, CG1, CG2, CG4, CE12, CE16, CE19
Titorías académicas (grupo pequeno e individuais):
Descrición: maneira de organizar os procesos de ensino e aprendizaxe que se basea na interacción directa entre o estudante e o profesor
Propósito: 1) Orientan o traballo autónomo e grupal do alumnado, 2) profundar en distintos aspectos da materia e 3) orientar a formación académica integral do estudante
Contido en ECTS: 0,7 (7 horas presenciais)
Competencias: CB3, CB4, CB5, CG2, CG4, CE12, CE16, CE19
Actividades non presenciais individuais (Estudo e traballo autónomo):
Descrición: 1) Actividades (guiadas e non guiadas) propostas polo profesor a través das cales e de forma individual afóndase en aspectos concretos da materia posibilitando ao estudante avanzar na adquisición de determinados coñecementos e procedementos da materia, 2) Estudo individualizado dos contidos da materia 3) Actividades avaliativas (informes, presentacións, ...)
Propósito: Favorecer no estudante a capacidade para autorregular a súa aprendizaxe, planificándoo, deseñándoo, avaliándoo e adecuándoo ás súas especiais condicións e intereses.
Contido en ECTS: 3 (30 horas non presenciais)
Competencias:. CB1, CB2, CB4, CG1, CG2, CG3, CG8, CT1-CT12, CE12, CE16, CE19
Actividades non presenciais grupais (Estudo e traballo en grupo)
Descrición: Actividades (guiadas e non guiadas) propostas polo profesor a través das cales e de forma grupal afóndase en aspectos concretos da materia posibilitando aos estudantes avanzar na adquisición de determinados coñecementos e procedementos da materia.
Propósito: Favorecer nos estudantes a xeración e intercambio de ideas, a identificación e análise de diferentes puntos de vista sobre unha temática, a xeneralización ou transferencia de coñecemento e a valoración crítica do mesmo.
Contido en ECTS: 2 (20 horas non presenciais)
Competencias:. CB1, CB2, CB4, CG1, CG2, CG3, CG8, CT1-CT12, CE12, CE16, CE19
Empregarase un sistema de avaliación continua, que teña características de avaliación formativa, de maneira que sirva de realimentación no proceso de ensino-aprendizaxe por parte do estudante. A estrutura do sistema é a seguinte:
• CRITERIOS DE AVALIACIÓN
Definimos os seguintes criterios de avaliación para atender ao grao de adquisición das competencias por parte do estudante e os resultados da aprendizaxe:
- CAV1: O alumno é capaz de resolver problemas simples de visión artificial no campo da robótica.
- CAV2: O alumno integra os coñecementos explicados nos distintos temas de teoría para poder resolver de maneira creativa os problemas que se lle presenten.
- CAV3: O alumno é capaz de implementar algoritmos de visión que dan solución aos problemas expostos, integrando os coñecementos adquiridos sobre o funcionamento dos sistemas de visión artificial, facendo uso dos recursos bibliográficos e ferramentas informáticas ao seu alcance.
- CAV4: O alumno é capaz de xerar documentación correctamente redactada, clara e precisa sobre o traballo realizado nas prácticas.
- CAV5: O alumno expón e defende de maneira clara e razoada as súas propostas para a resolución dos problemas expostos.
• INSTRUMENTOS DE CUALIFICACIÓN
Esta sección expón os instrumentos de avaliación que serán aplicados a cada un dos criterios de avaliación.
- Tests de coñecementos básicos (TCB). cada estudante realizará un test de coñecementos básicos por cada tema a través da plataforma do Campus Virtual. Esta proba consistirá nunha serie preguntas de resposta múltiple que abordarán os aspectos teóricos básicos.
- Prácticas (PL). Consiste na implementación e integración de código en casos prácticos reais que ilustren a aplicación dos contidos teóricos vistos. Subministraráselle un conxunto de rutinas base para que o estudante poda abordar o problema con garantías de éxito.
- Proxecto final (PF). Consiste no deseño e implementación dunha aplicación práctica na que cada equipo (dous estudantes) deben aplicar e interrelacionar os coñecementos teórico-prácticos adquiridos na materia.
A elección da temática será libre. O traballo rematará cando se entreguen os códigos fonte, unha memoria do traballo e se realice un vídeo de presentación.
• CRITERIOS DE CUALIFICACIÓN
Para considerar superada a avaliación continua os alumnos deberán cumprir as seguintes condicións:
- que asistira, como mínimo, a un 80% das clases teóricas e prácticas,
- que realizara todos os tests de coñecementos básicos (TCB) de cada tema. Consideraranse superados se obtén
unha cualificación final media superior ou igual a metade da nota máxima dos TCB,
- que realizara todas as prácticas de cada tema e demostrase a súa capacidade de dar solución aos problemas prácticos propostos. Entenderase superou estas competencias se obtén unha cualificación final media superior ou igual a metade da nota máxima dos PL
- que presentara o proxecto final. Entenderase que superou estas competencias se obtén unha cualificación final media superior ou igual a metade da nota máxima dos PF,
- A materia considerarase superada se se obtén unha cualificación global ponderada igual ou superior a 5 (sobre 10) entre todos os instrumentos de avaliación.
• PROCEDEMENTOS DE AVALIACIÓN
Todo aquel estudante que non participe ou non complete totalmente todas as tarefas do proceso de avaliación continua, deberá presentar os traballos correspondentes, ou ben na 1ª ou na 2ª oportunidade, para recuperar a/as partes pendentes. A cualificación constará na oportunidade na que quede se superen as eivas detectadas:
- Se non asistiu ao 80% das clases deberá presentar exercicios extra dos temas aos que non asistiu
- Se non superación as práctica/s, deberá presentar/mellorar o material correspondente das prácticas a recuperar segundo a retroalimentación dada polo profesor
- Se non presentou/superou o proxecto final aportará/mellorará o material requirido segundo a retroalimentación dada polo profesor
- Aqueles discentes que presenten menos do 10% das actividades da avaliación continua consideraranse como non presentado na correspondente oportunidade.
PESO NA CUALIFICACIÓN DOS INSTRUMENTOS DE AVALIACIÓN
- Tests de coñecementos básicos (TCB) = 20%
- Prácticas (PL) = 40%
- Proxecto final (PF) = 40%
COMPETENCIAS, RESULTADOS DE AVALIACIÓN E CRITERIO DE AVALIACIÓN
- Tests de coñecementos básicos: CB1,CB2,CB3,CB4,CB5,CG1-CG5, CE12, CE16, CE19 RA1-RA5 CAV1, CAV2
- Prácticas (PL) :CB1,CB2,CB3,CB4,CB5, CG1-CG8, CT4-CT11, CE12, CE16, CE19 RA1-RA5 CAV1-CAV4
- Proxecto final (PF) : CB1,CB2,CB3,CB4,CB5, CG1-CG8, CT4-CT12, CE12, CE16, CE19 RA1-RA5 CAV1-CAV5
Avaliación de estudantes con dispensa académica
Para que un alumno poida optar a esta avaliación, terán que obter a dispensa de asistencia solicitándoa ao Director/a da EPSE. Unha vez aprobada, para superar esta materia é obrigatorio a realización dos TCBs, as prácticas e o proxecto final coa súa correspondente exposición oral/entrevista.
Avaliación de estudantes repetidores
Os alumnos repetidores serán avaliados como o resto do alumnado. Só quedan exentos da asistencia presencial ás clases teóricas e prácticas.
Estudantes con discapacidade ou necesidades educativas especiais
As adaptacións curriculares para estudantes con discapacidade ou con necesidades educativas especiais, a fin de garantir a igualdade de oportunidades, non discriminación, a accesibilidade universal e a maior garantía de éxito académico serán pautadas polo Servizo de Participación e Integración Universitaria (SEPIU), dependente da Vicerreitoría de Igualdade, Cultura e Servizos . Será requisito para iso a emisión dun informe de adaptacións curriculares por parte da devandita Unidade, polo que os estudantes con discapacidade ou necesidades educativas especiais deberán contactar con ela, a fin de analizar conxuntamente as distintas alternativas.
Conduta, integridade e honestidade académica
A USC está plenamente comprometida cos máis altos estándares de integridade e honestidade
Académica reflectidas no seu Código Ético (https://www.usc.es/gl/goberno/valedor/codigoetico/CodigoEtico.html). Para acompañar este proceso, a Universidade dispón da Normativa de Avaliación do Rendemento sobre conduta académica da USC e de diferentes ferramentas (antiplaxio, supervisión) que ofrecen unha garantía colectiva para o completo desenvolvemento destes valores esenciais.
De acordo con esta Normativa de Avaliación, se un alumno realiza fraudulentamente unha proba ou exercicio esixido na avaliación implicará a cualificación de suspenso na convocatoria correspondente, con independencia do proceso disciplinario que se poida seguir contra o alumno infractor. Considerarse fraudulenta, entre outras, copiar nun exame así como a realización de traballos plaxiados ou obtidos de fontes accesibles ao público sen reelaboración ou reinterpretación e sen citas aos autores e das fontes.
HORAS PRESENCIAIS:
Actividade Horas Presenciais
Clase expositivas 24
Clases interactivas/Prácticas 24
Titoría en grupo 3
Titoría individualizada 4
Avaliación e revisión 5
Total 60
HORAS NON PRESENCIAIS:
Actividade Horas No Presenciais
Clase expositivas 40
Clases interactivas/Prácticas 32
Titoría en grupo 8
Titoría individualizada 3
Avaliación e revisión 7
Total 90
Na memoria de título, esíxense como requisitos previos para afrontar con éxito esta materia:
• manexar con soltura os coñecementos de programación, cálculo vectorial e álxebra
• Habilidades de lectura na lingua inglesa
• Fluidez na programación para a realización da parte práctica da materia
Como recomendación, aconsellamos:
• asistir e intervir nas clases de xeito activo, así coma no resto de actividades interactivas (seminarios, prácticas, titorías de aula).
• Tratar de levar o estudo da materia ao día.
• Realizar unhas boas prácticas e esforzarse nos traballos que decida levar a cabo ao longo do curso.
• Utilizar os apuntamentos e a bibliografía aconsellada polo profesor en cada bloque temático.
A materia dispón dunha aula no Campus Virtual da USC: http://www.usc.es/campusvirtual. Nela, o estudante, poderá atopar todo o material da materia e realizará as probas de test de cada un dos temas. Asi mesmo, todas as entregas das prácticas e proxecto final se realizarán a través desta plataforma.
Esta programación entre en proceso de extinción polo que non se modificará respecto á publicada o último ano con dereito a docencia, mantendo os mesmos criterios de avaliación.