ECTS credits ECTS credits: 3
ECTS Hours Rules/Memories Hours of tutorials: 1 Expository Class: 10 Interactive Classroom: 11 Total: 22
Use languages English
Type: Ordinary subject Master鈥檚 Degree RD 1393/2007 - 822/2021
Departments: Electronics and Computing, External department linked to the degrees
Areas: Computer Science and Artificial Intelligence, 脕rea externa M.U en Intelixencia Artificial
Center Higher Technical Engineering School
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable | 1st year (Yes)
El objetivo principal de esta asignatura es proporcionar las bases conceptuales de la rob贸tica inteligente, es decir, de c贸mo las t茅cnicas de IA aplican al caso particular de los robots con el objetivo de lograr un funcionamiento aut贸nomo. Todo el desarrollo de la asignatura se basa en las propiedades distintivas de la rob贸tica, como son la operaci贸n en entornos reales y la existencia de un cuerpo f铆sico. A partir de estas premisas, la asignatura cubre aspectos fundamentales de sensorizaci贸n, actuaci贸n y control, con un enfoque pr谩ctico hacia la resoluci贸n de problemas de manera aut贸noma por parte del robot.
Elementos de un sistema rob贸tico inteligente.
Entorno real, embodiment y reality gap.
Sensorizaci贸n y actuaci贸n.
Control inteligente: rob贸tica basada en conocimiento, rob贸tica basada en comportamiento, aproximaciones h铆bridas.
贰蝉辫别肠铆蹿颈肠补蝉:
- [CE17] - Comprender y asimilar las capacidades y limitaciones de los sistemas rob贸ticos inteligentes actuales, as铆 como de las tecnolog铆as que los sustentan.
- [CE18] - Desarrollar la capacidad de elegir, dise帽ar e implementar estrategias basadas en inteligencia artificial para dotar a sistemas rob贸ticos, tanto individuales como colectivos, de las capacidades necesarias para realizar sus tareas de manera adecuada de acuerdo con los objetivos y restricciones que se planteen.
Resultados de aprendizaje:
- [CG1] Capacidad para concebir, redactar, organizar, planificar, y desarrollar modelos, aplicaciones y servicios en el 谩mbito de la inteligencia artificial, identificando objetivos, prioridades, plazos recursos y riesgos, y controlando los procesos establecidos.
- [CG2] Capacidad para resolver problemas con iniciativa, toma de decisiones, autonom铆a y creatividad.
- [CG3] Capacidad para dise帽ar y crear modelos y soluciones de calidad basadas en Inteligencia Artificial que sean eficientes, robustas, transparentes y responsables.
- [CG4] Capacidad para seleccionar y justificar los m茅todos y t茅cnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos m茅todos basados en inteligencia artificial.
- [CG5] Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y t茅cnicas de inteligencia artificial.
Se utilizar谩n las siguientes metodolog铆as docentes: Sesiones expositivas y Sesiones interactivas con Ordenador.
Las sesiones expositivas que consistir谩n b谩sicamente en lecciones magistrales impartidas por el profesorado, dedicadas a la exposici贸n de los contenidos te贸ricos y a la resoluci贸n de problemas o ejercicios. Este m茅todo facilita la comprensi贸n de conceptos complejos y permite sintetizar en la exposici贸n distintas fuentes de informaci贸n, que se pueden trabajar con el alumnado de forma m谩s coherente.
Las sesiones interactivas permitir谩n, en unos casos, la adquisici贸n de habilidades pr谩cticas y, en otros, servir谩n para la ilustraci贸n inmediata de los contenidos te贸rico-pr谩cticos. Todas las tareas del alumnado (estudio, trabajos, programas de ordenador, lecturas, exposiciones, ejercicios, pr谩cticas鈥) ser谩n orientadas por el profesorado.
Pr谩cticas de campo: De ser necesario para el correcto desarrolllo de las pr谩cticas, se programar谩n desplazamientos puntuales del alumnado a los laboratorios de rob贸tica de la EPSE (Lugo) o de la UDC (Coru帽a o Ferrol).
La evaluaci贸n de la materia constar谩 de dos partes diferenciadas: teor铆a (50%) y trabajos pr谩cticos (50%). La parte te贸rica ser谩 evaluada mediante un examen que podr谩 consistir en un trabajo de an谩lisis de bibliograf铆a cient铆fica relacionada con el temario de la asignatura, presentado oralmente el d铆a del examen final. La parte pr谩ctica se evaluar谩 a partir de la media de las memorias presentadas al final de cada pr谩ctica. Ser谩 necesario aprobar la parte de teor铆a y la de pr谩cticas por separado para poder aprobar la asignatura
La asistencia tanto a las clases te贸ricas como pr谩cticas ser谩 obligatoria para el aprobado de la materia excepto en casos de ausencia justificados. Para aquellos alumnos que tengan dispensa, el sistema de evaluaci贸n ser谩 el mismo aunque que no tendr谩n obligaci贸n de asistir a las clases te贸ricas.
Evaluaci贸n de segunda oportunidad: Los alumnos deber谩n recuperar cada parte suspensa (teor铆a y-o pr谩cticas). Si una de las dos partes fue aprobada durante la primera oportunidad, el alumno podr谩 optar por guardar la nota correspondiente y solo recuperar la parte suspensa.
Los alumnos ser谩n evaluados como "no presentado" cuando no presenten el trabajo de an谩lisis de teor铆a o alguna de las memorias de pr谩cticas.
Las competencias propias de la materia as铆 como las competencias generales-b谩sicas tienen contenidos espec铆ficos en la materia que se introducen, como se indic贸, tanto en las clases expositivas como en las interactivas. Posteriormente el alumnado desarrollar谩 estas competencias en el examen te贸rico y con la realizaci贸n de los trabajos pr谩cticos en los que tambi茅n trabajar谩 las competencias transversales, en especial en lo que se refiere a la capacidad para utilizar herramientas TIC (CT3), la comprensi贸n de la cultura emprendedora (CT5), la capacidad para trabajar en equipo (CT7) y la valorizaci贸n de la investigaci贸n y la innovaci贸n (CT8). Las competencias espec铆ficas ser谩n objeto de evaluaci贸n tanto en los trabajos pr谩cticos que el alumno desarrolle durante la materia como en el examen te贸rico.
Para los casos de realizaci贸n fraudulenta de ejercicios o pruebas ser谩 de aplicaci贸n lo establecido en la 鈥淣ormativa de evaluaci贸n del rendimiento acad茅mico de los estudiantes y de revisi贸n de las calificaciones鈥.
La materia tiene una carga de trabajo de 6 ECTS dividida de la siguiente forma:
- 1. Trabajo en el aula (60 horas presenciales)
Clases de teor铆a: 21 presenciales
Interactivas:
Clases pr谩cticas de laboratorio: 14 horas
Aprendizaje basado en problemas: 7 horas
- 2. Trabajo personal del alumnado (99 horas no presenciales)
-Preparaci贸n y estudio de lo visto en clases de teor铆a: 42
-Preparaci贸n clases interactivas:
Preparaci贸n clases pr谩cticas de laboratorio: 60 horas
Preparaci贸n aprendizaje basado en problemas: 48 horas
Roberto Iglesias Rodriguez
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- roberto.iglesias.rodriguez [at] usc.es
- Category
- Professor: University Professor
| Thursday | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | English | IA.02 |
| 18:30-20:00 | Grupo /CLIL_01 | English | IA.02 |
| 01.17.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 01.17.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 06.26.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 06.26.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |