Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 15 Clase Interactiva: 10 Total: 26
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 Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable
Comprender conceptos avanzados da visión por computador, as diferentes técnicas aplicadas na actualidade e o seu ámbito de aplicación.
Unha vez superada a materia, o estudantado:
- Comprenderá conceptos avanzados do procesado de imaxes.
- Saberá implementar e aplicar os algoritmos e técnicas fundamentais para o procesamento, análise e interpretación avanzada de imaxes.
- Desenvolverá a capacidade de aplicar a técnica de visión por computador máis adecuada a problemas reais.
- Visual Transformers
- Modelos multimodais
- Detección e segmentación de vocabulario aberto
- Modelos xerativos
BÁSICA
- Richard Szeliski (2022), Computer Vision: Algorithms and Applications, 2nd 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 E XERAIS
- 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.
- CB4: Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado.
- CG4: capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propoñer novos métodos baseados en intelixencia artificial.
- CG5 Capacidade para concibir novos sistemas computacionais e/ou avaliar o rendemento de sistemas existentes, que integren modelos e técnicas de intelixencia artificial.
TRANSVERSAIS
- TR1: Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas.
- TR3: Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor.
- TR5: Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables.
ESPECÍFICAS
- CE12: Coñecer os fundamentos dos algortimos e modelos da intelixencia artificial para a resolución de problemas de certa complexidade, entender a súa complexidade computacional e ter capacidade para deseñar novos modelos.
A dinámica docente da materia fomentará a participación activa do alumnado tanto nas aulas como nas titorías. As sesións teóricas e prácticas estarán orientadas ao desenvolvemento progresivo das competencias previstas mediante metodoloxías centradas no estudante.
Cada bloque temático será introducido polo/a profesor/a cunha presentación dos seus obxectivos, contidos clave e recursos recomendados. A partir de aí, facilitarase ao alumnado documentación complementaria, lecturas, exemplos e materiais de apoio para guiar o estudo autónomo. Estas sesións permitirán traballar competencias como CG4, CG5 e CE12.
Ao longo do curso, proporanse distintas tarefas que inclúen exercicios prácticos, resolución de problemas, presentacións orais ou pequenos proxectos, que se poderán realizar de forma individual ou en grupo. Estas actividades terán prazos de entrega ou presentación previamente establecidos, que se comunicarán mediante as ferramentas oficiais de comunicación da materia.
Nas sesións prácticas, o alumnado poderá aplicar os coñecementos adquiridos mediante o uso de ferramentas software específicas para cada bloque. A través destas sesións prácticas potenciaranse competencias como CB2, CB4, CG5, TR1, TR3 e CE12.
O traballo do alumnado realizarase de forma autónoma, contando sempre co acompañamento e orientación do profesorado. O curso incluirá tamén guións de prácticas, seminarios e outras actividades complementarias para reforzar a aprendizaxe.
A avaliación considerará tanto a parte teórica (40%) como a parte práctica (60%). Para superar a materia debe obterse unha cualificación global igual ou superior a 5 sobre 10, de acordo ao seguinte:
- Parte teórica: avaliarase nun único exame a realizar na data oficial. É requisito imprescindible obter unha cualificación igual ou superior a 4 sobre 10 para superar o conxunto da materia. En caso contrario deberá repetirse na oportunidade de recuperación.
- Parte práctica: as entregas desta parte corresponderanse cos temas indicados na sección de contidos e a avaliación das mesmas terá lugar na seguinte sesión de prácticas. Proporanse dúas entregas que se entregarán ao remate do segundo e cuarto bloque temático. Para superar a materia será preciso obter unha cualificación igual ou superior a 4 sobre 10 nesta parte.
Obterán a cualificación de non presentados os/as estudantes que non se presentasen ao exame e non entregasen ningunha práctica. A asistencia tanto as sesións interactivas como expositivas non será obrigatoria nin terá repercusión na nota final.
Para superar a materia na segunda oportunidade, o alumnado deberá someterse á avaliación de todas aquelas partes obrigatorias pendentes, de acordo co anteriormente especificado. Para o resto conservaranse as cualificacións obtidas durante o curso.
En aplicación da normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso das dúas oportunidades do curso, coa cualificación de 0 en ambos os casos.
- Tempo de traballo presencial: 25 horas totais, divididas en 15 horas expositivas e 10 horas interactivas.
- Tempo de traballo persoal: 50 horas totais, divididas en 20 horas de estudo autónomo de teoría e prácticas e 30 horas de traballos, proxectos e outras actividades.
Recoméndase ter superada a materia "Visión por Computador".
Recoméndase que os/as estudantes resolvan, implementen, verifiquen e validen todos os exercicios e prácticas propostos. Igualmente considérase importante facer uso das titorías para a resolución de dúbidas.
A docencia será reforzada mediante o uso do Campus Virtual, que funcionará como espazo central para o acceso aos materiais da materia (presentacións, textos, exercicios, lecturas...), e para a comunicación co profesorado, ben sexa a través de correo electrónico, foros ou titorías en liña.
A materia será impartida en galego.
Nicolas Vila Blanco
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881815509
- Correo electrónico
- nicolas.vila [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
Cesar Díaz Parga
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- cesardiaz.parga [at] usc.es
- Categoría
- Predoutoral Xunta
| Martes | |||
|---|---|---|---|
| 18:30-20:00 | Grupo /CLE_01 | Galego | IA.01 |
| Mércores | |||
| 15:30-16:30 | Grupo /CLIL_01 | Galego | 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 |