ECTS credits ECTS credits: 4.5
ECTS Hours Rules/Memories Hours of tutorials: 2 Expository Class: 17 Interactive Classroom: 22 Total: 41
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Electronics and Computing
Areas: Computer Science and Artificial Intelligence
Center Faculty of Business Administration and Management
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable
Al completar la materia el/la alumno/a ser谩 capaz de:
- Conocer y saber diferenciar los diferentes modelos de aprendizaje autom谩tico.
- Saber aplicar el modelo m谩s apropiado de aprendizaje autom谩tico para un problema determinado de explotaci贸n de datos en el 谩mbito empresarial.
- Saber utilizar plataformas software para construir modelos basados en aprendizaje autom谩tico a partir de datos.
- Saber reducir la dimensionalidad de los datos de un problema en el 谩mbito empresarial para facilitar su tratamiento mediante aprendizaje autom谩tico.
- Introducci贸n al aprendizaje autom谩tico.
- Reducci贸n de la dimensi贸n.
- Aprendizaje no supervisado (agrupamiento).
- Aprendizaje supervisado (Clasificaci贸n/regresi贸n).
- Aprendizaje por refuerzo.
- Combinaci贸n y selecci贸n de modelos.
- Plataformas y herramientas software para aprendizaje autom谩tico.
Bibliograf铆a b谩sica
D. Borrajo, J. Gonz谩lez y P. Isasi. Aprendizaje autom谩tico. Sanz y Torres.
T.M. Mitchell. Machine Learning. McGraw Hill.
Bibliograf铆a 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 generales y b谩sicas
CG2 - Identificar, reunir, analizar e interpretar datos relevantes sobre cuestiones relacionadas con el 谩mbito empresarial y tecnol贸gico
CG7 - Conocer y emplear correctamente las herramientas inform谩ticas y las nuevas tecnolog铆as relacionadas con la gesti贸n empresarial
CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un 谩rea de estudio que parte de la base de la educaci贸n secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye tambi茅n algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocaci贸n de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboraci贸n y defensa de argumentos y la resoluci贸n de problemas dentro de su 谩rea de estudio
CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su 谩rea de estudio) para emitir juicios que incluyan una reflexi贸n sobre temas relevantes de 铆ndole social, cient铆fica o 茅tica
CB4 - Que los estudiantes puedan transmitir informaci贸n, ideas, problemas y soluciones a un p煤blico tanto especializado como no especializado
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonom铆a
Competencias transversales
CT1 - Pensar de forma integrada y cr铆tica, y abordar los problemas desde diferentes perspectivas
CT5 - Capacidad de resolver problemas y tomar decisiones aplicando los conocimientos te贸ricos a la pr谩ctica
CT6 - Trabajar en equipo, compartiendo los conocimientos y sabi茅ndolos comunicar al resto del equipo y la organizaci贸n
CT9 - Capacidad para el aprendizaje aut贸nomo y autoevaluaci贸n
CT10 - Habilidad en el manejo de herramientas de c谩lculo y tecnolog铆as de la informaci贸n y de la comunicaci贸n (TIC)
Competencias espec铆ficas
CE13 - Identificar fuentes de informaci贸n fiable, elaborar e interpretar dicha informaci贸n utilizando las t茅cnicas de an谩lisis y las herramientas matem谩ticas, estad铆sticas y tecnol贸gicas apropiadas para dar apoyo a la toma de decisiones
CE14 - Conocer y saber utilizar herramientas y mecanismos de representaci贸n, almacenamiento, transformaci贸n, an谩lisis y comunicaci贸n de la informaci贸n de manera fiable y eficiente
CE15 - Comprender las posibilidades del Big Data y la inteligencia artificial y de negocio para la mejora de los procesos empresariales y conocer los requerimientos para su implantaci贸n
CE16 - Entender los sistemas de informaci贸n empresarial, tomando en consideraci贸n sus tres dimensiones espec铆ficas (informacional, tecnol贸gica y organizativa) y tomar decisiones relacionadas con su especificaci贸n, dise帽o e implantaci贸n
CE18 - Conocer el uso y programaci贸n de sistemas inform谩ticos, bases de datos, criptograf铆a y cadenas de bloques para su aplicaci贸n a la gesti贸n y an谩lisis de la informaci贸n empresarial y al dise帽o y desarrollo de productos, procesos y nuevos modelos de negocio
CE5 - Comprender el rol integrador de la tecnolog铆a y conocer los principales productos tecnol贸gicos y tendencias de la tecnolog铆a asociados a los diversos 谩mbitos de la gesti贸n empresarial
La docencia se impartir谩 de forma semipresencial utilizando como apoyo las plataformas corporativas de la 奇趣腾讯分分彩: Moodle (Campus Virtual) y MS Teams. El estudio y aprendizaje de esta asignatura se apoyar谩 en las siguientes actividades:
(a) Estudio aut贸nomo por parte del alumnado de los materiales did谩cticos correspondientes a cada unidad tem谩tica, que el profesorado pondr谩 a disposici贸n de los estudiantes en el Campus Virtual.
(b) Realizaci贸n por parte del alumnado de actividades pr谩cticas preferentemente de car谩cter individual. En este sentido, se propondr谩n varios casos pr谩cticos a desarrollar a lo largo de la asignatura y que deber谩n ser entregados en las fechas correspondientes de acuerdo con el cronograma establecido. La informaci贸n y entrega de estas actividades se articular谩 a trav茅s del Campus Virtual.
(c) Participaci贸n activa de los estudiantes en actividades colaborativas (por ejemplo, foros de debate). Esos foros de debate permitir谩n a los estudiantes manifestar sus puntos de vista y opiniones, buscando la interacci贸n y el debate compartido.
(d) Sesiones presenciales: Estas sesiones, que se desarrollar谩n de acuerdo con los horarios establecidos por la Facultad, se impartir谩n en el aula correspondiente y ser谩n retransmitidas de forma s铆ncrona en streaming. En consecuencia, el alumnado podr谩 asistir a ellas bien de forma f铆sica o bien conect谩ndose a trav茅s de MS Teams. En estas sesiones se llevar谩 a cabo una revisi贸n breve de los contenidos generales de cada unidad tem谩tica y se desarrollar谩n otras actividades complementarias a las realizadas de forma individual por los alumnos y orientadas a fomentar la participaci贸n y puesta en com煤n de todo el grupo.
El trabajo aut贸nomo del alumnado ser谩 guiado por el profesorado en las horas destinadas a tutor铆as. Estas tutor铆as se desarrollar谩n preferentemente a trav茅s de la plataforma MSTeams.
Las tareas de esta materia podran estar vinculadas a proyectos de innovaci贸n ApS.
La parte pr谩ctica de la asignatura se evaluar谩 mediante un proceso de EVALUACI脫N CONTINUA:
- Participaci贸n activa en el aula virtual (foros y debates, y otras herramientas virtuales) 10%
- Actividades (trabajo, ejercicios y exposiciones) 40%
La asignatura tambi茅n tendr谩 un examen final que supondr谩 el 50% de la nota final de la asignatura.
Para los casos de realizaci贸n fraudulenta de ejercicios o pruebas, se estar谩 a lo dispuesto en las "Normas para la evaluaci贸n del rendimiento acad茅mico de dos alumnos y la revisi贸n de calificaciones".
En el caso de alumnos con dispensa de asistencia aprobada por la Facultad, su nota ser谩 la derivada del examen final. A tal efecto, deber谩n comunicarlo al profesor dentro de la semana siguiente a la resoluci贸n oficial.
Trabajo presencial en el aula:
Sesiones: 9 horas
Tutor铆as (grupos reducidos): 4 horas
Horario no presencial
Horas de evaluaci贸n: hasta 3 (ex谩menes oficiales)
Aprendizaje virtual, estudio personal y resoluci贸n de casos pr谩cticos/trabajos: 58 horas
Preparaci贸n del trabajo: 14
Preparaci贸n de ex谩menes: 24,5
Roberto Iglesias Rodriguez
- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- roberto.iglesias.rodriguez [at] usc.es
- Category
- Professor: University Professor
Ignacio Ra帽o Noal
- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- ignacio.rano [at] usc.es
- Category
- Professor: University Lecturer
Marta Nu帽ez Garcia
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- martanunez.garcia [at] usc.es
- Category
- Researcher: Ram贸n y Cajal
| Friday | |||
|---|---|---|---|
| 19:00-21:00 | Grupo /CLIS_01 | Galician | Computer room 5 |
| 01.08.2025 16:00-20:00 | Grupo /CLIS_01 | Computer room 5 |
| 06.11.2025 16:00-20:00 | Grupo /CLIS_01 | Computer room 5 |