Programas más buscados
Titulación oficial
Madrid
La demanda de ingenieros matemáticos ha crecido por el auge del Big Data, la IA, el Machine Learning y la economía digital. Los perfiles capaces de comprender cómo estas tecnologías están transformando los negocios serán los líderes de este entorno digital. Prepárate en UAX para ser ese profesional y aportar valor desde el primer día de trabajo. + Certificado en Digital Business
Porque se centra en una formación analítica y práctica, orientada a la resolución de problemas reales.
98% EMPLEABILIDAD
El 98% de nuestros graduados accede a su primer empleo al finalizar el grado.
8800 CONVENIOS
De colaboración para que puedas realizar tus prácticas en las mejores empresas del sector
95% PROFESORES EN ACTIVO
Tu formación, alineada a la realidad profesional
Las tecnologías de la sociedad de la información, junto con la disponibilidad de datos masivos, están originando grandes oportunidades para los perfiles especializados en titulaciones STEM como la ingeniería matemática, profesionales acostumbrados al análisis de situaciones complejas y con una excelente capacidad para resolver problemas de diferente tipo.
El Grado en Ingeniería Matemática de UAX combina conocimientos esenciales de programación analítica avanzada, gestión de datos o el machine learning con dos aspectos críticos hoy, el uso del dato para la toma de decisiones y la formación estratégica en áreas de negocio como el marketing, la gestión de personas o la dirección estratégica.
El grado incluye el Google Business Certificate
UAX MAKERS
Realiza proyectos reales con empresas. El modelo UAX Makers se basa en el trabajo colaborativo de estudiantes que se coordinan para dar respuesta a un proyecto real. Para ello, reunimos perfiles de distintos grados, fomentando la diversidad de enfoques y el trabajo en equipo como claves para alcanzar la mejor solución posible.
Desarrollo de soluciones innovadoras que optimicen las operaciones de cliente en CaixaBank, a través del uso de modelos predictivos, IA y análisis de datos.
Uso de técnicas de inteligencia artificial para hacer la predicción de horas de trabajo en grandes proyectos internacionales en ingeniería.
Colaboración en el diseño y desarrollo de una arquitectura analítica para obtener patrones en los datos relacionados con la ciberseguridad a nivel mundial.
Aplicación de modelos matemáticos y de análisis de datos en el diseño de una escuela de salud para pacientes y familiares, mejorando la gestión y comunicación en el ámbito sanitario.
Uso de técnicas de industria 5.0 para la construcción de un entorno analítico para el procesamiento de imágenes en tiempo real y ofrecer una experiencia de usuario única en el sector.
Fórmate con una base de conocimiento sólida en negocios y tecnología, que te permita una transición a un futuro profesional donde impactar.
Grado en Ingeniería Matemática
Primer Curso
PRIMER CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0142300 | Álgebra I | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Álgebra ICódigo: C0142300 Imprimir Curso 1 Asignatura Primer cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Esta asignatura, junto con Álgebra II, constituye la materia Álgebra. Esta materia, perteneciente al módulo de Formación Básica del grado, pretende no sólo que el estudiante conozca los principales teoremas básicos del álgebra lineal, sino que también comprenda el cálculo matricial desde un punto de vista conceptual y sea capaz de aplicarlo a la resolución de problemas propios de la ingeniería matemática, siendo, por lo tanto, la base de otras materias y asignaturas de la titulación como, por ejemplo, Cálculo Numérico, Investigación Operativa, Cálculo Estocástico e Inteligencia Artificial. Requisitos previos No se han establecido requisitos previos. Competencias No procede. Resultados de aprendizaje RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. Descripción de los contenidos 1. SISTEMAS DE ECUACIONES LINEALES. 1.1 Sistemas de ecuaciones lineales. Tipos. Método de Gauss-Jordan. Discusión de soluciones. 1.2 Matrices. Clasificación. Transformaciones elementales, forma normal de Hermite y rango. Operaciones: suma, producto por un escalar y producto; traza; trasposición; inversión. Propiedades. Matrices regulares. Equivalencia. 1.3 Notación matricial de los sistemas de ecuaciones lineales. Teorema de Rouché-Frobenius. 1.4 Determinantes. Propiedades. Relación determinante-rango-inversión. Determinantes y sistemas de ecuaciones lineales: regla de Cramer. 2. ESPACIOS VECTORIALES. 2.1 Espacios vectoriales. Otras propiedades de la suma y el producto por un escalar. 2.2 Dependencia e independencia lineal. Propiedades. Sistemas de generadores. Bases. Dimensión. Coordenadas de un vector en una cierta base. Cambio de coordenadas. 2.3 Subespacios vectoriales. Subespacios vectoriales de interés: intersección, envolvente lineal, espacios fila y columnas de una matriz, soluciones de un sistema de ecuaciones lineales homogéneo. Ecuaciones y dimensión de un subespacio vectorial. Suma de subespacios vectoriales. Fórmula de las dimensiones. Suma directa. Espacio vectorial cociente. 3. CLASIFICACIÓN DE ENDOMORFISMOS. 3.1 Aplicaciones lineales. Propiedades. Tipos. Núcleo e imagen. 3.2 Matriz asociada a una aplicación lineal. Relación con el núcleo y la imagen; fórmula de las dimensiones. Cambios de base. 3.3 Operaciones con aplicaciones lineales. Propiedades. 3.4 Formas lineales y espacio dual. Base dual. Anulador de un subespacio vectorial. Aplicación lineal traspuesta. 4. DIAGONALIZACIÓN DE ENDOMORFISMOS. 4.1 Autovectores y autovalores de un endomorfismo. Polinomios característico y mínimo. Multiplicidades algebraica y geométrica. 4.2 Matrices diagonalizables. Subespacios propios. Forma diagonal y base de autovectores. Matrices simétricas. 4.3 Matrices no diagonalizables. Subespacios propios generalizados. Subespacios máximos. Forma canónica y base de Jordan. 4.4 Autovalores y autovectores complejos. Forma canónica y base de Jordan reales. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1 Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- El proceso de evaluación consistirá en la valoración del grado de adquisición de los resultados de aprendizaje, por parte del estudiante, asociados a la materia. SISTEMAS DE EVALUACIÓN Los sistemas de evaluación correspondientes a esta asignatura son: SE1 Actividades prácticas. SE2 Pruebas finales de conocimiento. SE3 Porfolio. Dichos sistemas contribuyen en mayor o menor medida a la evaluación de los resultados de aprendizaje asignados a esta materia. CRITERIOS DE EVALUACIÓN Los sistemas de evaluación descritos anteriormente se concretan en los criterios de evaluación siguientes: - Existen dos convocatorias oficiales: ordinaria y extraordinaria. +++CONVOCATORIA ORDINARIA+++ La calificación final de esta convocatoria es la media ponderada de un conjunto de pruebas de evaluación que se detallan a continuación: -- un caso práctico (SE1), con un 30% de peso en la calificación final de la convocatoria ordinaria, que se realizará durante el período lectivo en pequeños grupos (designados por el coordinador de la asignatura) y del que se exigirán tanto entregas de ejercicios durante la realización del mismo como la entrega de un informe y su defensa pública al final del período lectivo. -- un examen (SE3) no liberatorio, que se realizará, de forma individual, durante el período lectivo y que tendrá un 20% de peso en la calificación final de la convocatoria ordinaria. -- un examen (SE2) final que se realizará, de forma individual, durante el período de exámenes de la convocatoria ordinaria, en enero (para más información, consultar el campus virtual), en el que se evalúa la totalidad de los contenidos impartidos en la asignatura, y que tendrá un 50% de peso en la calificación final de la convocatoria ordinaria. ***** La media ponderada todas estas pruebas de evaluación se realizará única y exclusivamente si en el examen final la calificación obtenida es igual o superior a 4,0 puntos sobre 10. A su vez, sólo los exámenes estarán sujetos a revisión. ***** La/El estudiante habrá superado la asignatura en convocatoria ordinaria si y sólo si obtiene una calificación final (media ponderada de todas las pruebas de evaluación) igual o superior a 5,0 puntos sobre 10. En caso contrario, la/el estudiante podrá superar la asignatura en convocatoria extraordinaria. ********** En caso de pérdida del derecho a evaluación continua, la/el estudiante deberá obtener una calificación de 10,0 puntos sobre 10,0 en el examen de convocatoria ordinaria para poder superar la asignatura. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no superar la asignatura en la convocatoria ordinaria, el estudiante podrá hacerlo en la convocatoria extraordinaria. Consiste en un único examen que tendrá lugar durante el período de exámenes de la convocatoria extraordinaria, junio-julio (para más información, consultar el campus virtual), y en el que se evalúa la totalidad de los contenidos impartidos en la asignatura. *** La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 o superior. CALIFICACIONES El Artículo 5 del Real Decreto 1125/2003, de 5 de septiembre, establece el sistema de calificaciones aplicable a las asignaturas de las titulaciones pertenecientes al ámbito del Espacio Europeo de Educación Superior. Dicho sistema es el siguiente: La obtención de los créditos correspondientes comportará haber superado los exámenes o pruebas de evaluación asociados. El nivel de aprendizaje conseguido por los estudiantes se expresará con calificaciones numéricas en una escala del 0 al 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: - 0-4,9: Suspenso (SS). - 5,0-6,9: Aprobado (AP). - 7,0-8,9: Notable (NT). - 9,0-10: Sobresaliente (SB). La mención de «Matrícula de Honor» se otorgará a estudiantes que hayan obtenido una calificación igual o superior a 9,0. Su número no podrá exceder del cinco por ciento de los estudiantes matriculados en la materia en el correspondiente curso académico, salvo que el número de estudiantes matriculados sea inferior a 20, en cuyo caso se podrá conceder una sola «Matrícula de Honor». Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Juan De Burgos Román Álgebra y Geometría. Definiciones, Teoremas y Resultados García Maroto Editores. 2010. ISBN: 9788492976942 2.- Luis Merino y Evangelina Santos Álgebra Lineal con métodos elementales Paraninfo. 2010. ISBN: 978-84-9732-4 Complementaria: 3.- Gilbert Strang Introducción al Algebra Lineal Wellesley Cambridge Press. 2008. ISBN: 8175968117 4.- Juan De Burgos Román Álgebra Lineal. 80 Problemas útiles García Maroto Editores. 2007. ISBN: 9788493601805 Otros: 5.- Eugenio Hernández Álgebra Lineal y Geometría 3 ed.. ADDISON WESLEY. 2012. ISBN: 9788478291298 6.- Jesús Rojo Algebra Lineal Mcgraw-Hill. 2001. ISBN: 8448130162 7.- Jesús Rojo Ejercicios y problemas de álgebra lineal 2 ed.. McGraw-Hill. 2005. ISBN: 8448198581 8.- Stanley I. Grossman y José Job Flores Álgebra lineal Mcgraw-Hill. 2012. ISBN: 978-607-15-07 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142301 | Análisis estadístico | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Análisis estadísticoCódigo: C0142301 Imprimir Curso 1 Asignatura Primer cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Proporcionar al alumno los conocimientos y herramientas básicos del análisis estadístico, tanto de la representación de datos como sobre todo de la inferencia estadística, lo que le será imprescindible para abordar los temas relacionados en los cursos posteriores. Requisitos previos No se han establecido requisitos previos. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos 1. Elementos del análisis de datos 2. Estadística descriptiva: muestras y distribución de características muestrales 3. Distribuciones de probabilidad 4. Variables aleatorias 5. Modelos de inferencia estadística. Estadísticos y sus propiedades básicas 6. Aproximación frecuentista: estimación puntual, por intervalo y contraste de hipótesis 7. Aproximación bayesiana: distribución final, intervalos creíbles y test bayesianos Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- SISTEMAS DE EVALUACIÓN Los sistemas de evaluación correspondientes a esta asignatura son: - SE1: Actividades prácticas - SE2: Pruebas finales de conocimientos - SE3: Portfolio CRITERIOS DE EVALUACIÓN Los sistemas de evaluación descritos anteriormente se concretan en los criterios de evaluación siguientes: - Existen dos convocatorias oficiales: ordinaria y extraordinaria. +++CONVOCATORIA ORDINARIA+++ La calificación final de esta convocatoria es la media ponderada de un conjunto de pruebas de evaluación que se detallan a continuación: -- Entregas de ejercicios (SE3), con un 20% de peso en la calificación final de la convocatoria ordinaria, que se realizarán de forma individual o en pequeños grupos durante el período lectivo en clases. -- Examen parcial (SE1) que se realizará de forma individual durante el período lectivo y que tendrá un 25% de peso en la calificación final de la convocatoria ordinaria. -- Skill School (SE1), con un 5% de peso en la calificación final de la convocatoria ordinaria. -- Examen global (SE2) que se realizará de forma individual durante la convocatoria oficial ordinaria, cuyo contenido será la totalidad de los contenidos impartidos, y que tendrá un 50% de peso en la calificación final de la convocatoria ordinaria, siempre que la nota mínima supere el 4 sobre 10. En caso de no superar esta nota la calificación final de la asignatura será de suspenso en la convocatoria ordinaria.. *** La asignatura se considera superada en convocatoria ordinaria si la calificación final es 5,0 o superior. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no superar la asignatura en la convocatoria ordinaria, el estudiante podrá hacerlo en convocatoria extraordinaria con un peso del 100% y evaluación de todos los contenidos. La convocatoria extraordinaria tendrá lugar durante el período de exámenes de julio (para más información, consultar el campus virtual). Consiste en un único examen en que se evalúan la totalidad de los contenidos de la asignatura. *** La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 o superior. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- A. García Pérez Problemas resueltos de estadística básica. Universidad Nacional de Educación a Distancia. 1998. ISBN: 978-84-362-37 2.- J. Gorgas García, N. Cardiel López, and J. Zamorano Calvo. Estadística básica para estudiantes de ciencias. Editorial UCM. 2011. ISBN: 978-84-691-89 3.- R. Mullor Ibañez Estadística básica I. Introducción a la Estadística. Publicación Universitat D’Alacant. 2017. ISBN: 978-84-9717-4 4.- R. Mullor Ibañez Estadística básica II. Probabilidad: variables aleatorias. Publicación Universitat D’Alacant. 2023. ISBN: 978-84-9717-8 Complementaria: 5.- González Rosales, Alfredo Estadística aplicada : Madrid : García-Maroto, D.L. 2009.. 2009. ISBN: 9788492976416 6.- Murray Spiegel PROBABILIDAD Y ESTADISTICA 4 ed.. McGraw-Hill Interamericana de España S.L. 2014. ISBN: 9786071511881 7.- Neuhauser, Claudia Matemáticas para ciencias 2 ed.. Madrid : Pearson-Prentice Hall , 2004. 2004. ISBN: 9788420542539 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142302 | Estructuras algebraicas | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Estructuras algebraicasCódigo: C0142302 Imprimir Curso 1 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Esta asignatura tiene un doble objetivo: por un lado el alumno tiene que aprender a reconocer que distintas herramientas matemáticas tienen una estructura algebraica común y por tanto un funcionamiento básicamente igual. Por otro lado, el alumno debe aprender a demostrar teoremas y propiedades de los objetos matemáticos usando el razonamiento abstracto. En esta asignatura, aunque se harán algunos cálculos numéricos, todo gira en torno al uso de símbolos y sus propiedades. Requisitos previos No se han establecido requisitos previos. Competencias No procede. Resultados de aprendizaje RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. Descripción de los contenidos Grupos: 1) Definición de grupo y propiedades 2) Ejemplos: congruencias, permutaciones, matrices, dihédrico, el producto directo 3) Subgrupos 4) Teorema de Lagrange 5) Subgrupos normales. Grupo cociente 6) Homomorfismos de grupos 7) Teoremas de isomorfía Anillos 1) Definición de anillo y propiedades 2) Subanillos e ideales 3) Homomorfismos de anillos 4) El anillo de polinomios en una variable, con coeficientes en un cuerpo Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- La evaluación continua consta de las siguientes notas: 1) se recogerán unos ejercicios sobre el temario, o bien se entregará un trabajo en el que se amplíe algún tema del curso. Estos contarán un 10% 2) se realizará un control escrito a mediados del curso Esta nota contará un 40% 3) se realizará el examen oficial de la asignatura, convocatoria ordinaria,, escrito y sobre el contenido del curso. Esta nota valdrá un 50%. En ningún caso los controles superados liberan materia de este examen final. La evaluación continua se puede perder en 2 supuestos: 1) si la asistencia a clase no supera o iguala el 70% 2) si la nota del examen oficial no supera o iguala el 4 Los alumnos que por algún motivo pierdan la evaluación continua, realizarán el examen oficial con un peso del 100% Para mayor claridad, observar que aunque no se pierda la evaluación continua por asistencia, sacar menos de un 4 en el examen oficial supone suspender la asignatura En la convocatoria extraordinaria no se tendrá en cuenta ninguna nota anterior. Se realizará un único examen de todo el contenido del curso. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- E. Bujalance, J. Etayo, J.M. Gamboa Anillos y cuerpos conmutativos UNED. 2002. ISBN: 8436244486 2.- E. Bujalance, J. Etayo, J.M. Gamboa Teoría elemental de grupos UNED. 2002. ISBN: 8436244362 3.- J. Dorronsoro, E. Hernández Números, grupos y anillos Addison Wesley, UAM. 1996. ISBN: 0201653958 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142303 | Fundamentos de programación y computadores | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fundamentos de programación y computadoresCódigo: C0142303 Imprimir Curso 1 Asignatura Primer cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos - Comprender los conceptos básicos de programación: Los estudiantes serán capaces de entender los fundamentos de la programación, incluyendo la lógica algorítmica y el uso de estructuras de control. - Desarrollar habilidades en Python: Se espera que los estudiantes aprendan a programar eficazmente en Python, aplicando los principios de la programación orientada a objetos y otras técnicas clave. - Resolver problemas utilizando programación: Los estudiantes deberán ser capaces de diseñar algoritmos y escribir código para resolver problemas computacionales de diversa índole. - Aplicar buenas prácticas de codificación: Los estudiantes adquirirán conocimientos sobre la escritura de código limpio, eficiente y modular, siguiendo estándares y buenas prácticas de la industria. - Fomentar el pensamiento lógico y analítico: A través del curso, los estudiantes desarrollarán habilidades para abordar problemas complejos de manera estructurada y eficiente. - Desarrollar proyectos aplicando conceptos de programación: Los estudiantes serán capaces de integrar los conocimientos adquiridos en proyectos de programación que resuelvan problemas reales o simulados, empleando técnicas de diseño y desarrollo de software. - Conocer y valorar los distintos tipos de sistemas de almacenamiento y cómo afectan al rendimiento de un sistema informático. - Introducción a la arquitectura de computadores y microprocesador. Requisitos previos No se han establecido requisitos previos. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos Este curso está diseñado para introducir a los estudiantes en los conceptos fundamentales de la programación y la lógica computacional, con un enfoque específico en el lenguaje de programación Python y en SQL. Python y SQL son ampliamente utilizados en la industria por su sintaxis sencilla y legibilidad, lo que lo convierte en una excelente opción para principiantes. A lo largo del curso, se aprenderán conceptos esenciales como estructuras de control, tipos de datos, funciones, y la gestión de archivos. También se cubrirán principios de diseño algorítmico y buenas prácticas de codificación. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- Convocatoria Ordinaria: 1) Participación y asistencia + resolución de los casos de uso (50%): a) Asistencia regular a clases y actividades programadas. b) Participación activa en discusiones y debates . c) Realización correcta y completa de los casos de uso. d) Si hay ULAB se evalúa como un examen parcial. 2) Examen final (50%): examen en convocatoria ordinaria donde se incluirá 50% de preguntas teóricas y 50% de casos de uso. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. Convocatoria Extraordinaria (100% Examen): - En la convocatoria extraordinaria, la evaluación se basará únicamente en un examen que abarcará todos los contenidos del curso. - El examen tendrá un peso del 100% en la evaluación final. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Al Sweigart Automate the Boring Stuff with Python, 3rd Edition: Practical Programming for Total Beginners No Starch Press. 2025. ISBN: 1718503407 2.- Charles Russell Severance Python para Todos: Explorando la información con Python 3 Independiente. 2020. ISBN: 9798633985566 3.- Eric Matthes Python Crash Course, 3rd Edition: A Hands-On, Project-Based Introduction to Programming No Starch Press. 2023. ISBN: 1718502702 4.- F. Cuesta Introducción a la programación con Python Marcombo. 2019. ISBN: 978-842673616 5.- John M. Zelle Python Programming: An Introduction to Computer Science Franklin, Beedle & Associates. 2024. ISBN: 1590282973 6.- John V. Guttag Introduction to Computation and Programming Using Python, third edition: With Application to Computational Modeling and Understanding Data The MIT Press. 2021. ISBN: 0262542366 7.- Mark Lutz Learning Python O'Reilly Media. 2013. ISBN: 1449355730 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142304 | Fundamentos Matemáticos de la ingenieria I | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fundamentos Matemáticos de la ingenieria ICódigo: C0142304 Imprimir Curso 1 Asignatura Primer cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Al finalizar la asignatura, el estudiante será capaz de comprender y utilizar correctamente el lenguaje y la notación matemática, expresando con rigor conceptos, razonamientos y resultados. Asimismo, podrá analizar funciones reales, determinar su dominio e identificar sus principales propiedades. El estudiante será capaz de calcular límites y estudiar la continuidad y derivabilidad de funciones, así como de interpretar el significado de la derivada y calcularla mediante las técnicas adecuadas. Podrá además aplicar la derivación al estudio de funciones, a problemas de aproximación y a la resolución de problemas de optimización. Será capaz de representar y analizar gráficamente funciones, justificando matemáticamente sus principales características a partir de propiedades como el dominio, la continuidad, la monotonía, los extremos y el comportamiento de la función. Asimismo, podrá analizar la convergencia de sucesiones y series, aplicando los conceptos y procedimientos correspondientes, y operar con números complejos, comprendiendo tanto su tratamiento algebraico como su interpretación y representación geométrica. De forma transversal, el estudiante desarrollará la capacidad de resolver problemas matemáticos de manera autónoma y razonada, seleccionando los procedimientos adecuados, argumentando los pasos realizados y revisando la coherencia de los resultados obtenidos. Requisitos previos No se han establecido requisitos previos. Competencias El estudiante adquirirá la capacidad de utilizar el razonamiento matemático y el lenguaje formal para plantear, analizar y resolver problemas, empleando correctamente la notación y argumentando de manera rigurosa los procedimientos y resultados obtenidos. Desarrollará competencias para analizar funciones reales y comprender su comportamiento, identificando dominios, propiedades, límites, continuidad y derivabilidad, así como para utilizar las herramientas del cálculo diferencial en el estudio y representación de funciones. Será capaz de aplicar técnicas de derivación a problemas de carácter práctico, especialmente en situaciones de aproximación, análisis de variación y optimización, seleccionando el procedimiento matemático más adecuado en función del problema planteado. Adquirirá competencias para analizar sucesiones y series y estudiar su convergencia, así como para trabajar con números complejos, manejando sus diferentes formas de representación y comprendiendo su interpretación geométrica. Finalmente, desarrollará competencias transversales relacionadas con la resolución autónoma de problemas, el pensamiento analítico y crítico y la capacidad de abstracción, aprendiendo a plantear estrategias de resolución, justificar las decisiones adoptadas y comprobar la coherencia de los resultados. Resultados de aprendizaje Lo que necesitas es redactarlos para tu guía docente manteniendo el criterio UAX, pero haciéndolos algo más claros y evaluables, yo los dejaría así: RA1. Distinguir, interpretar y operar correctamente con los distintos conjuntos numéricos, incluyendo los números reales y complejos. RA2. Analizar sucesiones y series numéricas, aplicando sus principales propiedades y criterios para determinar su comportamiento y convergencia. RA3. Analizar funciones reales mediante los conceptos y teoremas fundamentales de límites, continuidad y derivabilidad. RA4. Calcular e interpretar derivadas utilizando las técnicas adecuadas y aplicarlas al estudio y representación de funciones. RA5. Aplicar los conocimientos y herramientas del análisis matemático a la formulación y resolución razonada de problemas relacionados con la ingeniería. Descripción de los contenidos Tema 1. Funciones reales de variable real. Números reales, intervalos, inecuaciones y valor absoluto. Concepto de función, dominio y recorrido. Propiedades de las funciones, composición y función inversa. Funciones elementales y cónicas. Tema 2. Límites y continuidad. Concepto y cálculo de límites de funciones. Límites laterales, infinitos y en el infinito. Indeterminaciones y equivalencias. Continuidad y principales tipos de discontinuidades. Tema 3. Derivación. Concepto e interpretación de la derivada. Reglas básicas de derivación, regla de la cadena y derivadas sucesivas. Derivadas laterales, diferencial y aproximación lineal. Tema 4. Técnicas de cálculo de límites. Métodos para la resolución de límites e indeterminaciones. Regla de L’Hôpital, infinitos e infinitésimos equivalentes y aproximaciones mediante desarrollos elementales. Tema 5. Aplicaciones de la derivación. Estudio de la monotonía, extremos, concavidad y puntos de inflexión. Teoremas fundamentales del cálculo diferencial y resolución de problemas de optimización. Tema 6. Representación gráfica de funciones. Estudio global de funciones mediante dominio, recorrido, cortes con los ejes, signo, simetrías y asíntotas. Análisis de la variación y representación gráfica. Tema 7. Sucesiones de números reales. Concepto de sucesión, monotonía, acotación y convergencia. Cálculo de límites de sucesiones, sucesiones recurrentes y principio de inducción matemática. Tema 8. Series numéricas y de potencias. Concepto y convergencia de series. Principales criterios de convergencia, series alternadas y convergencia absoluta. Series de potencias y desarrollos de Taylor y Maclaurin. Tema 9. Números complejos. Representación y operaciones con números complejos en forma binómica, polar y exponencial. Potencias y raíces, fórmula de De Moivre y fórmula de Euler. Introducción al logaritmo complejo y a los lugares geométricos. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1 Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación a calificación de la asignatura en convocatoria ordinaria se obtendrá a partir de los siguientes sistemas de evaluación: La calificación final se calculará aplicando la siguiente ponderación: 50 % de la calificación obtenida en la evaluación continua y 50 % de la calificación obtenida en el examen final. Para superar la asignatura será necesario obtener una calificación final igual o superior a 5,0 sobre 10 y una calificación mínima de 4,0 sobre 10 en el examen final. La media ponderada se calculará con independencia de la calificación obtenida en la evaluación continua. No obstante, para superar la asignatura deberá cumplirse el requisito de calificación mínima establecido para el examen final. Para conservar la calificación correspondiente a la evaluación continua, el estudiante deberá acreditar una asistencia mínima del 70 %. En caso de no alcanzar dicho porcentaje, la calificación de la evaluación continua será de 0 puntos, manteniéndose la ponderación establecida para el cálculo de la calificación final. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no haber superado la asignatura en la convocatoria ordinaria, el estudiante podrá presentarse la convocatoria extraordinaria. La convocatoria extraordinaria tendrá lugar durante el período de exámenes de julio (para más información, consultar el Calendario Académico). Consiste en un único examen en que se evalúan la totalidad de los contenidos de la asignatura. *** La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 o superior. CALIFICACIONES El Artículo 5 del Real Decreto 1125/2003, de 5 de septiembre, establece el sistema de calificaciones aplicable a las asignaturas de las titulaciones pertenecientes al ámbito del Espacio Europeo de Educación Superior. Dicho sistema es el siguiente: La obtención de los créditos correspondientes comportará haber superado los exámenes o pruebas de evaluación asociados. El nivel de aprendizaje conseguido por los estudiantes se expresará con calificaciones numéricas en una escala del 0 al 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: - 0-4,9: Suspenso (SS). - 5,0-6,9: Aprobado (AP). - 7,0-8,9: Notable (NT). - 9,0-10: Sobresaliente (SB). Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Michael Spivak Cálculo Infinitesimal 2 ed.. Reverté. 1988. ISBN: 8429151362 Complementaria: 2.- Roland E. Larson, Robert P. Hostetler, Bruce H. Edwards Cálculo y Geometría Analítica (volumen 1) Mc Gray Hill. 2010. ISBN: 8448122291 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SEGUNDO CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0142305 | Álgebra II | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Álgebra IICódigo: C0142305 Imprimir Curso 1 Asignatura Segundo cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Esta asignatura, junto con Álgebra I, constituye la materia Álgebra. Esta materia, perteneciente al módulo de Formación Básica del grado, pretende no sólo que el estudiante conozca los principales teoremas básicos del álgebra lineal, sino que también comprenda el cálculo matricial desde un punto de vista conceptual y sea capaz de aplicarlo a la resolución de problemas propios de la ingeniería matemática, siendo, por lo tanto, la base de otras materias y asignaturas de la titulación como, por ejemplo, Cálculo Numérico, Investigación Operativa, Cálculo Estocástico e Inteligencia Artificial. Requisitos previos Aunque no se han establecido requisitos previos, resulta conveniente haber cursado (previamente) la asignatura Álgebra I u otra asignatura de resultados de aprendizaje similares. Competencias No procede. Resultados de aprendizaje RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. Descripción de los contenidos 1. FORMAS CUADRÁTICAS: CONCEPTO Y CLASIFICACIÓN. 1.1 Formas bilineales. Propiedades. Matriz asociada. Cambio de base. Formas bilineales simétricas y antisimétricas. Degeneración y definición positiva. 1.2 Formas cuadráticas. Forma polar de una forma cuadrática. Matriz asociada. Conjugación. Signatura. Clasificación. Diagonalización por congruencia. Criterio de Sylvester. 2. ESPACIOS VECTORIALES EUCLÍDEOS. 2.1 Producto escalar. Propiedades. Matriz asociada (de Gram). Cambio de base. 2.2 Ángulo entre dos vectores. Ortogonalidad. Distancia entre dos vectores. Proyección ortogonal. Complemento ortogonal de un subespacio vectorial. 2.3 Bases ortogonales y ortonormales. Algoritmo de Gram-Schmidt. Cambio de coordenadas entre bases ortonormales: matrices ortogonales. 2.4 Producto vectorial. 3. ESPACIOS AFINES Y AFINES EUCLÍDEOS. 3.1 Espacios afines. Sistemas de referencia y coordenadas. Cambio de sistema de referencia. 3.2 Variedades afines. Variedades afines de interés: variedad afín generada por un conjunto de puntos, intersección. Ecuaciones y dimensión de una variedad afín. Suma de variedades afines. 3.3 Posiciones relativas entre variedades afines. Proyección ortogonal de un punto sobre una variedad afín. Distancia de un punto a una variedad afín. Distancia entre variedades afines. Problemas métricos en espacios afines euclídeos bi- y tridimensionales. 4. CÓNICAS, CUÁDRICAS Y MOVIMIENTOS. 4.1 Secciones cónicas. Ecuaciones general y reducida de una cónica. Matriz asociada: clasificación. Cálculo de los elementos geométricos. Invariantes métricos y ecuación reducida de las cónicas. 4.2 Cuádricas. Ecuaciones general y reducida de una cuádrica. Matriz asociada: clasificación. Invariantes métricos y clasificación por invariantes de las cuádricas. 4.3 Aplicaciones afines y movimientos. Ejemplos. Expresión matricial. Movimientos rígidos. Puntos fijos y variedades invariantes. Clasificación de los movimientos rígidos en espacios afines euclídeos bi- y tridimensionales. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1 Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- El proceso de evaluación consistirá en la valoración del grado de adquisición de los resultados de aprendizaje, por parte del estudiante, asociados a la materia. SISTEMAS DE EVALUACIÓN Los sistemas de evaluación correspondientes a esta asignatura son: SE1 Actividades prácticas. SE2 Pruebas finales de conocimiento. SE3 Porfolio. Dichos sistemas contribuyen en mayor o menor medida a la evaluación de los resultados de aprendizaje asignados a esta materia. CRITERIOS DE EVALUACIÓN Los sistemas de evaluación descritos anteriormente se concretan en los criterios de evaluación siguientes: - Existen dos convocatorias oficiales: ordinaria y extraordinaria. +++CONVOCATORIA ORDINARIA+++ La calificación final de esta convocatoria es la media ponderada de un conjunto de pruebas de evaluación que se detallan a continuación: -- un caso práctico (SE1), con un 30% de peso en la calificación final de la convocatoria ordinaria, que se realizará durante el período lectivo en pequeños grupos (designados por el coordinador de la asignatura) y del que se exigirán tanto entregas de ejercicios durante la realización del mismo como la entrega de un informe y su defensa pública al final del período lectivo. -- un examen (SE3) no liberatorio, que se realizará, de forma individual, durante el período lectivo y que tendrá un 20% de peso en la calificación final de la convocatoria ordinaria. -- un examen (SE2) final que se realizará, de forma individual, durante el período de exámenes de la convocatoria ordinaria, en enero (para más información, consultar el campus virtual), en el que se evalúa la totalidad de los contenidos impartidos en la asignatura, y que tendrá un 50% de peso en la calificación final de la convocatoria ordinaria. ***** La media ponderada todas estas pruebas de evaluación se realizará única y exclusivamente si en el examen final la calificación obtenida es igual o superior a 4,0 puntos sobre 10. A su vez, sólo los exámenes estarán sujetos a revisión. ***** La/El estudiante habrá superado la asignatura en convocatoria ordinaria si y sólo si obtiene una calificación final (media ponderada de todas las pruebas de evaluación) igual o superior a 5,0 puntos sobre 10. En caso contrario, la/el estudiante podrá superar la asignatura en convocatoria extraordinaria. ********** En caso de pérdida del derecho a evaluación continua, la/el estudiante deberá obtener una calificación de 10,0 puntos sobre 10,0 en el examen de convocatoria ordinaria para poder superar la asignatura. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no superar la asignatura en la convocatoria ordinaria, la/el estudiante podrá hacerlo en la convocatoria extraordinaria. En esta convocatoria habrá una única prueba de evaluación, consistente en un examen que tendrá lugar durante el período de exámenes de la convocatoria extraordinaria, junio-julio (para más información, consultar el campus virtual), y en el que se evaluará la totalidad de los contenidos impartidos en la asignatura. ***** La asignatura se considerará superada en convocatoria extraordinaria si la calificación obtenida en dicho examen es 5,0 puntos sobre 10,0 o superior. CALIFICACIONES El Artículo 5 del Real Decreto 1125/2003, de 5 de septiembre, establece el sistema de calificaciones aplicable a las asignaturas de las titulaciones pertenecientes al ámbito del Espacio Europeo de Educación Superior. Dicho sistema es el siguiente: La obtención de los créditos correspondientes comportará haber superado los exámenes o pruebas de evaluación asociados. El nivel de aprendizaje conseguido por los estudiantes se expresará con calificaciones numéricas en una escala del 0 al 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: - 0-4,9: Suspenso (SS). - 5,0-6,9: Aprobado (AP). - 7,0-8,9: Notable (NT). - 9,0-10: Sobresaliente (SB). La mención de «Matrícula de Honor» se otorgará a estudiantes que hayan obtenido una calificación igual o superior a 9,0. Su número no podrá exceder del cinco por ciento de los estudiantes matriculados en la materia en el correspondiente curso académico, salvo que el número de estudiantes matriculados sea inferior a 20, en cuyo caso se podrá conceder una sola «Matrícula de Honor». Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Juan De Burgos Román Álgebra y Geometría. Definiciones, Teoremas y Resultados García Maroto Editores. 2010. ISBN: 9788492976942 2.- Luis Merino y Evangelina Santos Álgebra Lineal con métodos elementales Paraninfo. 2010. ISBN: 978-84-9732-4 Complementaria: 3.- Gilbert Strang Introducción al Algebra Lineal Wellesley Cambridge Press. 2008. ISBN: 8175968117 4.- Juan De Burgos Román Álgebra Lineal. 80 Problemas útiles García Maroto Editores. 2007. ISBN: 9788493601805 Otros: 5.- Eugenio Hernández Álgebra Lineal y Geometría 3 ed.. ADDISON WESLEY. 2012. ISBN: 9788478291298 6.- Jesús Rojo Algebra Lineal Mcgraw-Hill. 2001. ISBN: 8448130162 7.- Jesús Rojo Ejercicios y problemas de álgebra lineal 2 ed.. McGraw-Hill. 2005. ISBN: 8448198581 8.- Stanley I. Grossman y José Job Flores Álgebra lineal Mcgraw-Hill. 2012. ISBN: 978-607-15-07 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142306 | Estructura de datos y algoritmos I | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Estructura de datos y algoritmos ICódigo: C0142306 Imprimir Curso 1 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Los objetivos de esta asignatura son: 1) Comprender la función y relevancia de las estructuras de datos: - Reconocer la importancia de elegir y diseñar estructuras de datos adecuadas para optimizar el rendimiento de los programas. - Distinguir entre diferentes categorías de estructuras (lineales, no lineales, dinámicas, etc.) y sus campos de aplicación. 2) Diseñar, implementar y manipular estructuras de datos fundamentales: - Conocer y manejar estructuras básicas como arreglos, listas, pilas, colas, árboles y grafos. - Implementar operaciones esenciales (inserción, eliminación, recorrido, búsqueda) asegurando robustez y claridad en el código. 3) Analizar la complejidad computacional de algoritmos: - Calcular y comparar la complejidad temporal y espacial de distintas operaciones y algoritmos. - Utilizar la notación Big O para estimar el rendimiento de soluciones y proponer mejoras. 4) Aplicar metodologías de resolución de problemas algorítmicos: - Emplear técnicas como la recursividad, divide and conquer o backtracking en la resolución de problemas. - Seleccionar la estrategia algorítmica más adecuada según el tipo de problema y los recursos disponibles. 5) Desarrollar habilidades de programación y buenas prácticas: - Utilizar un estilo de programación claro, modular y bien documentado. - Realizar pruebas y validaciones (testing) para asegurar la corrección y fiabilidad de las implementaciones. 6) Promover el pensamiento crítico y la capacidad de decisión: - Evaluar diferentes enfoques de diseño de estructuras y algoritmos para determinar la opción más eficiente. - Justificar la elección de una estructura o algoritmo con base en requisitos funcionales, limitaciones de tiempo y espacio, y posibles casos de uso. 7) Fomentar la capacidad de aprendizaje autónomo y de trabajo en equipo: - Participar en la resolución colaborativa de proyectos, intercambiando ideas y revisando el código de forma constructiva. - Continuar ampliando conocimientos en estructuras de datos y algoritmos mediante la consulta de bibliografía y recursos externos. Requisitos previos Se recomienda haber cursado (previamente) la asignatura Fundamentos de Programación y Computadores u otra asignatura de competencias y resultados de aprendizaje similares. Competencias No procede. Resultados de aprendizaje RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. Descripción de los contenidos 1. Introducción a la eficiencia de algoritmos - Conceptos básicos de complejidad computacional: Nociones de Big O, Big Theta y Big Omega. Evaluación de la eficiencia en términos de tiempo (operaciones) y espacio (memoria). - Análisis de casos: Peor caso, caso promedio y mejor caso. Ejemplos prácticos de algoritmos sencillos (búsqueda lineal, búsqueda binaria) en Python para ilustrar los conceptos. - Introducción a la optimización: Identificación de cuellos de botella en código Python y técnicas iniciales de optimización. 2. Tipo abstracto de datos (TAD) - Definición de TAD: Entendimiento de la abstracción de datos a través de operaciones definidas (creación, inserción, eliminación, búsqueda, etc.), sin importar la implementación subyacente. - Ejemplos de TAD en Python: Uso de clases, métodos y encapsulación para crear TAD que representen entidades comunes (por ejemplo, complejos, fracciones, polinomios). 3. TAD lineales y asociativos - TAD lineales: Listas, pilas y colas. Discusión de sus operaciones fundamentales, complejidad y aplicación en distintos contextos de ingeniería. - Implementación en Python: Listas (list), colas y pilas a través de collections.deque. - TAD asociativos: Tablas hash (diccionarios en Python) y conjuntos (set). Análisis de colisiones, funciones hash y complejidad media y peor caso. - Ejemplos prácticos: Implementación de estructuras personalizadas (pilas y colas específicas), evaluación del rendimiento frente a las estructuras de Python predefinidas. 4. TAD Árbol - Conceptos básicos: Árboles generales, binarios, binarios de búsqueda, árboles equilibrados (AVL, Red-Black), etc. - Operaciones fundamentales: Inserción, eliminación, recorrido (inorden, preorden, postorden), búsqueda y rebalanceo. - Implementación en Python: Representación de nodos y punteros, uso de clases para encapsular la lógica. Análisis de casos de uso frecuentes (sistemas de archivos, organización jerárquica de datos). 5. TAD Grafo - Representación de grafos: Matriz de adyacencia y listas de adyacencia. Ventajas e inconvenientes de cada enfoque. - Recorridos y algoritmos básicos: Búsqueda en anchura (BFS) y búsqueda en profundidad (DFS). Aplicaciones en redes, mapas y resolución de problemas de rutas. - Introducción a algoritmos más avanzados: Caminos mínimos (Dijkstra, Floyd-Warshall), árboles de expansión mínima (Kruskal, Prim), según el alcance de la asignatura. - Implementación en Python: Uso de diccionarios y listas para representar la estructura de grafos, junto con funciones que realicen los recorridos y cálculos. 6. Estructuras de datos en disco - Almacenamiento persistente: Concepto de estructuras en memoria secundaria (archivos, bases de datos, etc.) y su impacto en la eficiencia. - Introducción a índices y árboles en disco: B-tree, B+tree. Diferencias con estructuras en memoria principal y justificación de su diseño. - Enfoque práctico en Python: Uso de librerías y formatos de almacenamiento (por ejemplo, sqlite3, pickle) para ilustrar cómo manejar datos más allá de la memoria principal. 7. Aplicación de estructuras de datos a la resolución de problemas - Integración de contenidos: Desarrollo de pequeños proyectos o casos de estudio que requieran la selección e implementación de varias estructuras de datos, analizando su desempeño con entradas de distinto tamaño. - Optimización y refactorización: Prácticas de mejora de código, perfilado de algoritmos en Python (por ejemplo, con la librería cProfile), y justificación de los cambios realizados. - Trabajo colaborativo: Uso de control de versiones (Git) y metodologías ágiles sencillas (scrum, kanban) para la realización de proyectos. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- CONVOCATORIA ORDINARIA En convocatoria ordinaria la valoración objetiva del aprendizaje del estudiante se realizará mediante evaluación continua. Para poder optar a la evaluación continua es necesario cumplir, como se ha indicado anteriormente, con un mínimo de 70% de asistencia a las sesiones presenciales (tanto teóricas como prácticas). La ponderación de las actividades de evaluación continua se distribuye de la siguiente forma: a) Práctica 1 (7,5%). Criterios de evaluación: - Correcta implementación de las estructuras de datos básicas (listas, pilas, colas, árboles) vistas en clase. - Organización y claridad del código, incluyendo uso adecuado de funciones y buenas prácticas de programación. - Documentación del código (docstrings y comentarios) explicando la lógica de las operaciones básicas (inserción, eliminación, búsqueda) y las estructuras de datos elegidas. - Eficiencia en las operaciones (análisis básico de la complejidad temporal y/o espacial). b) Práctica 2 (7,5%). Criterios de evaluación: - Empleo de técnicas avanzadas o estructuras más complejas (árboles balanceados, tablas hash, grafos, etc.), justificando la elección según las necesidades del problema propuesto. - Correcta organización y modularidad del código (separación de responsabilidades y uso de patrones adecuados). - Validación de la solución (pruebas de funcionalidad, test unitarios) y verificación de la correcta implementación de las estructuras. - Limpieza, mantenimiento y legibilidad del código. c) Práctica Final (15%). Criterios de evaluación: - Integración de diferentes estructuras de datos y algoritmos estudiados a lo largo del curso (p. ej., búsqueda y recorrido en grafos, algoritmos de ordenación, estructuras jerárquicas). - Diseño de una solución eficiente y escalable que aborde un problema más complejo, aplicando estrategias de optimización y selección adecuada de estructuras/algoritmos. - Calidad de la documentación del proyecto (README detallado, guías de uso, referencias a conceptos teóricos). - Presentación de resultados (pruebas de rendimiento, comparación de complejidades entre diferentes enfoques y evaluación de la escalabilidad con tamaños de entrada crecientes). d) Examen parcial no liberatorio (30%). Criterios de evaluación: - Comprensión de los fundamentos de las estructuras de datos lineales y no lineales (listas, pilas, colas, árboles, grafos). - Capacidad para diseñar y proponer soluciones algorítmicas básicas, justificando la elección de la estructura de datos apropiada. - Conocimiento teórico de la complejidad de operaciones elementales (inserción, borrado, búsqueda) y sus implicaciones en el rendimiento. - Resolución de problemas y ejercicios cortos centrados en la correcta aplicación de estructuras y algoritmos para casos de uso sencillos. e) Examen final de toda la asignatura (40%). Se trata del examen de convocatoria ordinaria y en él se evalúan todos los contenidos impartidos durante el cuatrimestre. Criterios de evaluación: - Dominio integral de las estructuras de datos y algoritmos vistos en la asignatura: teoría, aplicación, optimización y selección adecuada según el contexto. - Capacidad para analizar la complejidad computacional (temporal y espacial) e identificar posibles cuellos de botella en la implementación de estructuras. - Aplicación de patrones de diseño o buenas prácticas en la resolución de problemas más complejos. - Preguntas tanto conceptuales como prácticas, con énfasis en la identificación y comparación de distintos enfoques algorítmicos y su optimización. IMPORTANTE: sólo se hará media entre las prácticas, el examen parcial y el examen final si en todas y cada una de estas actividades de evaluación la calificación iguala o supera 4,0 sobre 10,0. En caso de pérdida de evaluación continua por asistencia inferior al 70% no justificada, la calificación final de la asignatura en convocatoria ordinaria será el 40% de la obtenida en el examen final. CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria la valoración objetiva del aprendizaje del estudiante se realizará mediante un único examen, de toda la asignatura, cuyo peso en la calificación final será, por lo tanto, del 100%. Criterios de evaluación: Constará de preguntas teóricas y prácticas sobre la totalidad del temario, abarcando: - Conceptos fundamentales sobre estructuras de datos básicas y avanzadas (listas, colas, pilas, árboles, grafos, tablas hash). - Técnicas de diseño y análisis de algoritmos (recursividad, divide and conquer, greedy, etc.). - Casos de uso de las estructuras en problemas comunes (ordenación, búsqueda, rutas en grafos, etc.). - Evaluación de complejidad y justificación de decisiones de diseño. - Se valorará la solidez conceptual, la capacidad para resolver problemas complejos y la claridad en la justificación de las soluciones propuestas. - Será requisito obtener una calificación mínima de 5 sobre 10 para aprobar la asignatura. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser Data Structures and Algorithms in Python Wiley. 2013. ISBN: 978-1-118-293 2.- Walter Bel Algoritmos y estructuras de datos en Python Editorial UADER. 2020. ISBN: 978-950-9581- Complementaria: 3.- Mariona Nadal Estructuras de datos y algoritmos Anaya Multimedia. 2022. ISBN: 978-84-415-45 Otros: 4.- Kent D. Lee y Steve Hubbard Data Structures and Algorithms with Python Springer. 2015. ISBN: 978-331913071 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142307 | Fundamentos Fisicos de la ingenieria | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fundamentos Fisicos de la ingenieriaCódigo: C0142307 Imprimir Curso 1 Asignatura Segundo cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos El diseño de circuitos eléctricos y, en particular, de los circuitos lógicos, que posibilitan el procesamiento, almacenamiento y transmisión de información, es clave en computación tanto clásica como cuántica. Dicho diseño se fundamenta no sólo en las aplicaciones prácticas del electromagnetismo, sino también y sobre todo en la utilización de dispositivos semiconductores, implementación tecnológica de la física del estado sólido, rama de la física de la materia condensada que se nutre, a su vez de, de otras ramas de la física como la mecánica cuántica. Mediante esta asignatura, que se enmarca dentro de la materia Física perteneciente al módulo de Formación Básica de la titulación, se realiza un análisis detallado de los fundamentos físicos de la electrónica computacional, así como de los circuitos lógicos básicos, con el objetivo de proporcionar a la/el estudiante una mejor comprensión de la computación. Requisitos previos No se han establecido requisitos previos para esta asignatura. Competencias No procede. Resultados de aprendizaje RK1 - Conocer los conceptos básicos del electromagnetismo y la teoría de circuitos para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenido. Descripción de los contenidos o Tema 1: Introducción. o Tema 2: Campo electrostático. o Tema 3: Campo magnetostático. o Tema 4: Inducción electromagnética; circuitos elementales de corriente continua y corriente alterna. o Tema 5: Dispositivos semiconductores. o Tema 6: Circuitos lógicos. o Tema 7: Fundamentos de los circuitos integrados. o Tema 8: Circuitos secuenciales y combinacionales. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- El proceso de evaluación consistirá en valorar el grado de adquisición, por parte de la/el estudiante, de las competencias asociadas a la asignatura. CONVOCATORIA ORDINARIA En la convocatoria ordinaria, la evaluación objetiva del estudiante consistirá en un proceso de evaluación continua y un examen final. La evaluación continua constará de las pruebas siguientes: • Portfolio: de carácter individual, con un 10% de peso en la calificación final. Consistirá en la resolución de distintos problemas a lo largo del período lectivo. • Examen parcial: tendrá un peso del 30% en la calificación final. Su realización no reducirá ni eliminará contenido del examen final. La fecha será avisará con la debida antelación. En cuanto al examen final, se trata del examen de convocatoria ordinaria, y en él se evaluarán todos los contenidos de la asignatura. Su peso en la calificación final será del 60%. La media ponderada solo se realizará si la calificación de la evaluación continua y la del examen final son, en ambos casos, iguales o superiores a 4,0. La calificación de la evaluación continua resultará de la ponderación del portfolio y del examen parcial. Asimismo, únicamente los exámenes podrán ser objeto de revisión." Para que la/el estudiante pueda beneficiarse de la evaluación continua, se exigirá un mínimo del 70% de asistencia a las horas programadas de clase (SESION, TRAB). En caso de que la asistencia sea inferior al 70% sin causa justificada, la asignatura deberá ser superada mediante un examen final en convocatoria oficial (ordinaria o extraordinaria). En convocatoria ordinaria, la calificación final será el 60% de la obtenida en dicho examen. La asignatura se considera superada en convocatoria ordinaria cuando la calificación final sea igual o superior a 5,0. CONVOCATORIA ORDINARIA En la convocatoria extraordinaria, la evaluación objetiva del estudiante consistirá en un examen único que abarcará todos los contenidos de la asignatura, con una contribución del 100 % a la calificación final. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Antonio M. Criado y Fabián Frutos Introducción a los fundamentos físicos de la informática Paraninfo. 1999. ISBN: 8428326061 2.- Wolfgang Bauer y Gary D. Westfall Física para ingeniería y ciencias (volumen 2) McGraw-Hill. 2011. ISBN: 978-607-15-05 Complementaria: 3.- Hugh D. Young y Roger A. Freedman (Francis Sears y Mark Zemansky) Física universitaria (volumen 2) 12 ed.. Addison-Wesley. 2009. ISBN: 9780321501219 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142308 | Fundamentos Matemáticos de la ingenieria II | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Fundamentos Matemáticos de la ingenieria IICódigo: C0142308 Imprimir Curso 1 Asignatura Segundo cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Esta asignatura, que junto con Fundamentos Matemáticos de la Ingeniería I conforma la materia de Análisis Matemático I, perteneciente al módulo de Formación Básica de la titulación, tiene como objetivo proporcionar los fundamentos de la integración de Riemann en una dimensión, así como profundizar en el estudio de series de potencias y en el concepto de aproximación polinómica de funciones. Requisitos previos Aunque no se han establecido requisitos previos, resulta conveniente haber cursado (previamente) la asignatura Fundamentos Matemáticos de la ingeniería I u otra asignatura de competencias y resultados de aprendizaje similares. Competencias No procede. Resultados de aprendizaje RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 0. Funciones elementales Tema 1. Integral de Riemann. Tema 2. Técnicas de integración. Tema 2. Técnicas de integración. Tema 4. Aproximación polinómica de funciones: Teorema de Taylor. Tema 5. Series y sucesiones. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1 Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- El sistema de evaluación de la CONVOCATORIA ORDINARIA consiste en lo siguiente: - Evaluación continua (50%): + Entrega de ejercicios (10%). + Pruebas grupales (20%). + Examen parcial no liberatorio (20%). - Examen final (50%): se trata del examen de convocatoria ordinaria, en el que se evalúa toda la asignatura. Se requiere nota mínima de 4,0 sobre 10,0 en este examen para promediar con la evaluación continua. En este caso, se promedia incluso aunque la evaluación continua esté suspensa. En caso de pérdida de evaluación continua por asistencia inferior al 70% no justificada, la calificación final de la asignatura en convocatoria ordinaria será el 50% de la obtenida en el examen final. El sistema de evaluación de la CONVOCATORIA EXTRAORDINARIA consiste en lo siguiente: - Examen de toda la asignatura (100%). Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Michael Spivak Cálculo Infinitesimal 2 ed.. Reverté. 1988. ISBN: 8429151362 Complementaria: 2.- Roland E. Larson, Robert P. Hostetler, Bruce H. Edwards Cálculo y Geometría Analítica (volumen 1) Mc Gray Hill. 2010. ISBN: 8448122291 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0142309 | Logica y Matematica discreta | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Logica y Matematica discretaCódigo: C0142309 Imprimir Curso 1 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Aunque esta asignatura contiene en su programa varios temas independientes entre sí, los objetivos son prácticamente los mismos en cada tema. Estos son: - Saber demostrar con rigor y usando la lógica. - Saber usar conjuntos discretos como los enteros, las congruencias módulo n o los grafos. Requisitos previos No se han establecido requisitos previos. Competencias No procede. Resultados de aprendizaje RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. Descripción de los contenidos Para adaptar mejor los contenidos a la duración del curso, se han dividido estos en cuatro grandes temas o bloques: 1) Teoría de conjuntos: se introduce la lógica formal, el álgebra de Boole y las relaciones binarias. 2) Los números enteros: resolver ecuaciones con enteros usando el algoritmo de Euclides y operar módulo n. 3) Combinatoria: variaciones, permutaciones y combinaciones sin y con repetición. 4) Teoría de grafos: se estudian 3 problemas: ¿cuándo dos grafos son iguales?, ¿cuándo un grafo es plano?, Incluyendo la fórmula de Euler y, por último, se estudian los caminos eulerianos y hamiltonianos. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Sin perjuicio de que se pueda definir otra exigencia en el correspondiente programa de asignatura, con carácter general, la falta de asistencia a más del 70% de las actividades formativas de la asignatura, que requieran la presencia física o virtual del estudiante, tendrá como consecuencia la pérdida del derecho a la evaluación continua en la convocatoria ordinaria. En este caso, el examen a celebrar en el período oficial establecido por la Universidad será el único criterio de evaluación con el porcentaje que le corresponda según el programa de la asignatura. ---- CONVOCATORIA ORDINARIA Se realizará una evaluación continua consistente en un control después de cada uno de los 4 bloques los contenidos, contando cada uno de ellos un 10% en la calificación final de la asignatura en convocatoria ordinaria. En ningún caso los controles liberan materia. Concluido el período de clases, se realizará el examen de convocatoria ordinaria (examen final), con un peso del 60% restante. Este examen es global y de toda la asignatura. Además, para realizar la media con la evaluación continua es necesario obtener un mínimo de 4,0 sobre 10,0 en dicho examen. En este caso, la media se realiza incluso aunque la evaluación continua esté suspensa. En caso de pérdida de evaluación continua por asistencia inferior al 70% no justificada, la calificación final de la asignatura en convocatoria ordinaria será el 60% de la obtenida en el examen final. CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria la calificación final de la asignatura será la obtenida en el examen de dicha convocatoria, examen en el que se evaluaran todos los contenidos impartidos. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- José Dorronsoro, Eugenio Hernández Números, grupos y anillos Addison-Wesley / UAM. 1996. ISBN: 0201653958 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Segundo Curso
PRIMER CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242300 | Cálculo diferencial | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Cálculo diferencialCódigo: C0242300 Imprimir Curso 2 Asignatura Primer cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Esta asignatura, que junto con Calculo Integral constituye Materia Análisis Matemático II, perteneciente al módulo de Formación Básica de la titulación, pretende no sólo que el estudiante conozca los teoremas principales relativos al cálculo diferencial de funciones de varias variables, sino que también comprenda el cálculo diferencial desde un punto de vista conceptual y sea capaz de aplicarlo a la resolución de problemas propios de la ingeniería. Requisitos previos No se han establecido, aunque es muy recomendable haber cursado (previamente) las asignaturas Fundamentos Matemáticos de la Ingeniería I y II u otras asignaturas de competencias y resultados de aprendizaje similares. Competencias No procede. Resultados de aprendizaje RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. Descripción de los contenidos La asignatura comprende los siguientes temas: Tema 1. Conceptos topológicos de ℝ^n. Tema 2. Límites y continuidad de funciones de varias variables. Tema 3. Derivadas direccionales y parciales. Diferenciabilidad. Tema 4. Derivadas de orden superior. Tema 5. Extremos de funciones de varias variables. Tema 6. Teoremas de la función inversa e implícita. Tema 7. Extremos condicionados. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1 Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación El sistema de evaluación en la CONVOCATORIA ORDINARIA consiste en la evaluación continua que tiene un peso del 50% y un examen final con un peso del 50%. - Evaluación continua (50%) + Examen parcial (30%). + Pruebas grupales (20%). - Examen final (50%). Se requiere nota mínima de 4 para promediar con la evaluación continua. Si no se alcanza la nota mínima, se asignará la nota obtenida en el examen final. En la CONVOCATORIA EXTRAORDINARIA el examen final tendrá un peso del 100%. CALIFICACIONES El Artículo 5 del Real Decreto 1125/2003, de 5 de septiembre, establece el sistema de calificaciones aplicable a las asignaturas de las titulaciones pertenecientes al ámbito del Espacio Europeo de Educación Superior. Dicho sistema es el siguiente: La obtención de los créditos correspondientes comportará haber superado los exámenes o pruebas de evaluación asociados. El nivel de aprendizaje conseguido por los estudiantes se expresará con calificaciones numéricas en una escala del 0 al 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: - 0-4,9: Suspenso (SS). - 5,0-6,9: Aprobado (AP). - 7,0-8,9: Notable (NT). - 9,0-10: Sobresaliente (SB). La mención de «Matrícula de Honor» se otorgará a estudiantes que hayan obtenido una calificación igual o superior a 9,0. Su número no podrá exceder del cinco por ciento de los estudiantes matriculados en la materia en el correspondiente curso académico, salvo que el número de estudiantes matriculados sea inferior a 20, en cuyo caso se podrá conceder una sola «Matrícula de Honor». Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Jerrold E. Marsden Elementary Classical Analysis W. H. Freeman and Company. 1974. ISBN: 0716721058 Complementaria: 2.- Jerrold E. Marsden, Anthony J. Tromba Cálculo Vectorial 3 ed.. Addison-Wesley Iberoamericana. 1991. ISBN: 0201629356 Otros: 3.- James R. Munkres Analysis on Manifolds Addison-Wesley. 1991. ISBN: 0201315963 4.- Michael Spivak Calculus on Manifolds Addison-Wesley. 1971. ISBN: 9780805390216 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242301 | Ecuaciones diferenciales y Ecuaciones en Diferencias | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ecuaciones diferenciales y Ecuaciones en DiferenciasCódigo: C0242301 Imprimir Curso 2 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Esta asignatura pretende contribuir al desarrollo competencial del estudiante y, en particular, familiarizarle con las distintas técnicas de resolución analítica de las ecuaciones diferenciales ordinarias y ecuaciones en diferencias más importantes. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas de cálculo en una y varias variables reales. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos - Métodos de resolución de Ecuaciones Diferenciales Ordinarias (EDO): Conceptos básicos y clasificación de EDO. Ecuaciones de variables separables, ecuaciones exactas y factor integrante. - Ecuaciones diferenciales de primer orden y ecuaciones lineales de orden superior. - Sistemas de ecuaciones diferenciales de primer orden: sistemas lineales homogéneos y no homogéneos. - Ecuaciones diferenciales y sistemas no lineales. Teoría de la estabilidad. - Transformada de Laplace y aplicaciones a las ecuaciones diferenciales. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación SE1.- Actividades prácticas – 20% • Comprende la entrega cotidiana de cuestiones y problemas no resueltos en clase por el profesor. SE2.- Pruebas finales de conocimiento – 50% • Examen final escrito: se evalúan la totalidad de los contenidos de la asignatura SE3.- Portfolio – 30% • Examen parcial fijado con antelación (20%) • Ejercicios entregables propuestos como tal por el profesor (10%) Criterios de evaluación: La evaluación de la asignatura se realizará de forma continua y final, mediante la combinación de actividades prácticas, pruebas de conocimiento y la elaboración de un portfolio. De este modo, se pretende valorar tanto la adquisición de competencias teóricas como la aplicación práctica de los contenidos, así como el progreso individual del estudiante a lo largo del curso. SE1 Actividades prácticas Evaluación del nivel de logro de los resultados de aprendizaje (en términos de conocimiento, habilidad y actitud) alcanzados a través de la realización de las actividades prácticas individuales y grupales (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.) sobre la base de rúbricas de evaluación e instrumentos de observación diseñados y publicados previamente por el profesor. SE3 Porfolio Se evalúan las evidencias del aprendizaje (de conocimiento, desempeño o producto) del estudiante recogidas en un dosier, carpeta o porfolio a lo largo de la asignatura con la intención de explicar y reflexionar sobre el aprendizaje realizado. En el peso que asignemos al porfolio estarán incluidos los exámenes de evaluación continua (aquellos realizados durante el período de clases). SE2 Pruebas finales de conocimiento Exámenes escritos dirigidos a evaluar la comprensión de los conceptos teóricos fundamentales y la capacidad de aplicar los métodos de resolución de ecuaciones diferenciales en distintos contextos. Las pruebas parciales no tendrán carácter liberatorio, por lo que el examen final incluirá la totalidad de los contenidos impartidos en la asignatura. El examen se realiza, inexcusablemente, en la fecha establecida por la Universidad para la convocatoria ordinaria (campus virtual). La calificación final de la asignatura se obtendrá mediante la ponderación de los tres sistemas de evaluación anteriores. +++CONVOCATORIA ORDINARIA+++ El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no haber superado la asignatura en la convocatoria ordinaria, el estudiante podrá presentarse la convocatoria extraordinaria. La convocatoria extraordinaria tendrá lugar durante el período de exámenes de junio y julio (para más información, consultar el Calendario Académico). El 100 % de la nota final de la asignatura en Convocatoria Extraordinaria corresponde al Examen Final de esta convocatoria en que se evalúan la totalidad de los contenidos de la asignatura. La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 o superior. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Dennis G. Zill Ecuaciones diferenciales con aplicaciones de modelado Cengage Learning. 2019. ISBN: 6075266313 2.- Frank Ayres, Jr. Ecuaciones diferenciales Mc GrRAW-HILL. 1996. ISBN: 970 10 0004 8 3.- M. Braun Ecuaciones diferenciales y sus Aplicaciones Grupo Editorial Iberoamerica. 1983. ISBN: 968 7270 58 6 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242302 | Estadística Aplicada / Applied Statistics | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Estadística Aplicada / Applied StatisticsCódigo: C0242302 Imprimir Curso 2 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante los fundamentos y herramientas estadísticas necesarios para el diseño y análisis de experimentos, la modelización de relaciones entre variables mediante técnicas de regresión y la realización de inferencia estadística multivariante. Asimismo, se pretende desarrollar la capacidad para aplicar métodos estadísticos al análisis y control de procesos, así como para el estudio de series temporales, identificando sus principales componentes, tendencias y variaciones estacionales. Se pretende que el estudiante sea capaz de seleccionar y aplicar técnicas estadísticas adecuadas a distintos problemas de análisis de datos, interpretar los resultados obtenidos y emplear modelos estadísticos para la estimación y predicción, contribuyendo a la resolución de problemas propios de la Ingeniería Matemática. ------------------------- The course aims to provide students with the statistical foundations and tools required for the design and analysis of experiments, the modelling of relationships between variables using regression techniques, and the performance of multivariate statistical inference. It also aims to develop students’ ability to apply statistical methods to process analysis and control, as well as to the study of time series, identifying their main components, trends, and seasonal variations. Students are expected to be able to select and apply appropriate statistical techniques to different data analysis problems, interpret the results obtained, and use statistical models for estimation and prediction, thereby contributing to the solution of problems arising in the field of Mathematical Engineering. Requisitos previos No se han definido requisitos previos, aunque resulta fundamental haber cursado (previamente) la asignatura Análisis Estadístico u otra asignatura de competencias y resultados de aprendizaje similares./No prerequisites have been established; however, it is essential that students have previously completed the course Statistical Analysis, or another course with similar competences and learning outcomes. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución/ to formulate problems in a professional environment with an mathematical language, in a way that facilitates their analysis and Resolution. TIPO: Competencias./TYPE: Competences. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos/ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas/ To understand rigorous proofs of some classical theorems in various areas of Mathematics. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados/ To use mathematical language to formulate propositions in various fields and to construct proofs for the given problems. TIPO: Habilidades o destrezas./TYPE: Skills. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos Diseños de experimentos. • Diseños de experimentos. • Estrategia de experimentación. • Experimento de un solo factor aleatorizado. • Análisis de varianza. • Determinación tamaña de muestra para un experimento de un solo factor aleatorizado. Técnicas de regresión. • Regresión Lineal • Regresión no lineal • Regresión lineal múltiple Análisis inferencial multivariante y técnicas multivariante. • Distribución multidimensionales. • Propiedades de los estimadores. • Estimación de máxima verosimilitud. • Obtención de un estimador de una distribución. • Obtención los estimadores de MV para µ. • Obtención los estimadores de MV para θ. • Obtención los estimadores de MV para σ. • Distribución multidimensionales . • Análisis inferencial multivariante. • Técnicas multivariantes. Control de procesos: análisis de calidad. • Control estadístico de calidad. • Control estadístico de procesos. Series temporales. Modelos básicos. • Representación. • Clasificación de movimientos característicos de las series temporales. • Estimación de tendencias. • Estimación de variaciones estacionales. • Predicción. ------------------------- Experimental Design. • Experimental design. • Experimental strategies. • Single-factor randomized experiments. • Analysis of variance. • Sample size determination for single-factor randomized experiments. Regression Techniques. • Linear regression. • Nonlinear regression. • Multiple linear regression. Multivariate Statistical Inference and Multivariate Techniques. • Multivariate distributions. • Properties of estimators. • Maximum likelihood estimation. • Obtaining an estimator for a distribution • Obtaining the maximum likelihood estimators for μ • Obtaining the maximum likelihood estimators for θ • Obtaining the maximum likelihood estimators for σ • Multivariate distributions • Multivariate statistical inference • Multivariate techniques Process Control: Quality Analysis. • Statistical quality control. • Statistical process control. Time Series: Basic Models. • Representation. • Classification of characteristic movements in time series. • Trend estimation. • Estimation of seasonal variations. • Forecasting. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA Evaluación continua: - (15% de la nota) Primer examen parcial. - (15% de la nota) Segundo examen parcial. - (30%) Participación Activa. Resolución de ejercicios. - (40%) Examen Final. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. CONVOCATORIA EXTRAORDINARIA En este caso, la calificación de la asignatura será la del examen de convocatoria extraordinaria. ------------------------- ORDINARY EXAMINATION PERIOD Continuous assessment: - 15% of the final grade: First midterm examination. - 15% of the final grade: Second midterm examination. - 30% of the final grade: Active participation and problem-solving activities. - 40% of the final grade: Final examination. The calculation of the final grade in the ordinary examination period shall be conditional upon obtaining a minimum grade of 4.0 out of 10 in the final examination. Once this requirement has been met, the weighted average of all assessment activities and assessment tests shall be calculated, even if any of them has been failed. If the grade obtained in the final examination is below 4.0 out of 10, the final grade shall be the grade obtained in that examination. EXTRAORDINARY EXAMINATION PERIOD In this case, the final grade for the course will be the grade obtained in the extraordinary examination. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. Multivariate Data Analysis (8th ed.) Cengage. 2019. ISBN: 978-1-292-314 2.- Montgomery, D. C. Design and Analysis of Experiments (9th ed.) Wiley. 2017. ISBN: 978-1-119-469 3.- Montgomery, D. C., Peck, E. A., & Vining, G. G. Introduction to Linear Regression Analysis (6th ed.) Wiley. 2021. ISBN: 978-1-119-648 4.- Montgomery, Douglas C. Probabilidad y estadística aplicadas a la ingeniería : Mcgraw-Hill. 1996. ISBN: 9701010175 5.- Rencher, A. C., & Christensen, W. F. Methods of Multivariate Analysis (3rd ed.). Wiley. 2012. ISBN: 978-0-470-380 6.- Rob J. Hyndman y George Athanasopoulos Forecasting: Principles and Practice (3.ª edición, 2021) Otexts. 2021. ISBN: 0987507133 7.- Ruiz-Maya Pérez, Luis Estadística II : inferencia 2 ed.. Madrid : AC, 2003. 2003. ISBN: 8472881962 8.- Visauta Vinacua, Bienvenido Análisis estadístico con SPSS para windows 2 ed.. : McGraw-Hill. 2003. ISBN: 8448139933 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242303 | Estructura de Datos y Algoritmos II / Data Structures and Algorithms II | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Estructura de Datos y Algoritmos II / Data Structures and Algorithms IICódigo: C0242303 Imprimir Curso 2 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Los objetivos de esta asignatura son: 1) Aplicar conocimientos de algorítmica y complejidad computacional - Desarrollar la capacidad de utilizar principios de complejidad y análisis de algoritmos para resolver problemas de ingeniería, seleccionando técnicas apropiadas que optimicen el rendimiento y los recursos computacionales. 2) Identificar y proponer soluciones para problemas de eficiencia - Fortalecer la habilidad de detectar cuellos de botella o ineficiencias en el diseño y la ejecución de algoritmos, proponiendo mejoras fundamentadas en el análisis de complejidad y la elección de estructuras de datos adecuadas. 3) Calcular la eficiencia de algoritmos iterativos aplicando reglas de cálculo - Perfeccionar la destreza para estimar el costo computacional de algoritmos iterativos (en términos de tiempo y espacio), utilizando notaciones y métodos de cálculo de la complejidad adecuados (por ejemplo, notaciones Big-O y Big-Theta). 4) Diseñar y dimensionar algoritmos para entornos de diferente tamaño y complejidad - Desarrollar la habilidad de concebir estrategias algorítmicas, adaptando su estructura y métodos de ejecución para contextos con distintos volúmenes de datos y requerimientos de rendimiento. 5) Resolver problemas de ingeniería aplicando conocimientos de estructura y programación de sistemas - Capacitar al estudiante para abordar y dar solución a problemas complejos, combinando eficazmente técnicas de análisis, diseño de algoritmos y aplicación de principios de programación en Python u otros lenguajes utilizados en el ámbito profesional. ------------------------- The objectives of this course are: 1) Apply knowledge of algorithms and computational complexity - Develop the ability to apply principles of computational complexity and algorithm analysis to solve engineering problems, selecting appropriate techniques to optimize performance and computational resources. 2) Identify and propose solutions to efficiency problems - Strengthen the ability to identify bottlenecks and inefficiencies in the design and execution of algorithms, proposing improvements based on complexity analysis and the selection of appropriate data structures. 3) Calculate the efficiency of iterative algorithms using complexity analysis techniques - Develop proficiency in estimating the computational cost of iterative algorithms, in terms of time and space, using appropriate complexity notations and analysis methods (e.g., Big-O and Big-Theta notation). 4) Design and scale algorithms for environments of different sizes and levels of complexity - Develop the ability to devise algorithmic strategies, adapting their structure and execution methods to contexts involving different data volumes and performance requirements. 5) Solve engineering problems by applying knowledge of systems structure and programming - Enable students to address and solve complex problems by effectively combining analysis and algorithm design techniques with programming principles in Python and other programming languages used in professional settings. Requisitos previos Resulta fundamental haber cursado (previamente) las asignaturas Fundamentos de Programación y Computadores y Estructura de Datos y Algoritmos I u otras asignaturas de competencias y resultados de aprendizaje similares./It is essential that students have previously completed the courses Fundamentals of Programming and Computers and Data Structures and Algorithms I, or other courses with similar competences and learning outcomes. Competencias No procede./Not applicable. Resultados de aprendizaje RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería/ Handle the basic concepts of discrete mathematics, logic, algorithms, coding, operational research and artificial intelligence and their application to solve engineering problems. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. Descripción de los contenidos 1. Análisis de la Eficiencia de Algoritmos - Conceptos fundamentales: complejidad temporal (notaciones Big-O, Big-Theta, Big-Omega) y complejidad espacial. - Herramientas de análisis: recursividad, recorridos iterativos y su impacto en el rendimiento. - Ejemplos prácticos en Python: medición empírica del tiempo de ejecución (uso de módulos como time y timeit) y optimización preliminar de código. 2. Diseño de Algoritmos - Metodología de diseño: identificación del problema, definición de pasos y estructuración de la solución (pseudocódigo y diagramas de flujo). - Buen uso de estructuras de datos: listas, diccionarios, colas, pilas, árboles (según la complejidad requerida). - Verificación y testing en Python: uso de unittest y/o pytest para asegurar la corrección y robustez de la solución. 3. Estudio de Técnicas Algorítmicas 3.1 Algoritmos Voraces (Greedy) - Principios básicos: selección de la mejor opción local con la esperanza de obtener la mejor solución global. - Implementaciones clásicas en Python: cambio de moneda, problema de la mochila fraccionaria, rutas más cortas (algoritmo de Prim/Kruskal para grafos). - Análisis de casos en los que la aproximación voraz funciona y en los que no. 3.2 Divide y Vencerás (Divide and Conquer) - Estrategia básica: descomponer el problema en subproblemas más pequeños, resolverlos y combinar los resultados. - Ejemplos icónicos: mergesort, quicksort, búsqueda binaria, multiplicación de matrices. - Análisis de complejidad: relación de recurrencia y métodos para su resolución (árboles de recurrencia). 4. Programación Dinámica - Concepto de subproblemas superpuestos: cuando un problema grande se resuelve a partir de soluciones de subproblemas previamente calculados. - Técnicas de implementación: - Top-Down (memoization): uso de diccionarios o listas en Python para almacenar resultados intermedios. - Bottom-Up (tabulación): construcción de soluciones desde la base hasta el problema completo. - Casos de estudio: secuencia de Fibonacci, problema de la mochila entera, alineamiento de secuencias, caminos mínimos en grafos, etc. 5. Backtracking - Principio de exploración de espacios de soluciones: búsqueda de todas las soluciones factibles y descarte de las que no cumplan los criterios. - Implementación en Python: - Uso de funciones recursivas y estructuras de datos auxiliares. - Poda (pruning) para reducir el espacio de búsqueda. - Ejemplos: resolución de sudokus, problemas de laberintos, n-reinas, etc. 6. Branch and Bound - Diferencias con Backtracking: enfoque más orientado a la optimización global (bound) y exploración ordenada de ramas. - Implementaciones clásicas: - Problema del viajante (Traveling Salesman Problem). - Problema de la mochila entera (knapsack 0/1) optimizado. - Técnicas de cota inferior y superior: uso de estimaciones para dirigir la búsqueda de la solución óptima. 7. Aplicación de Técnicas Algorítmicas a la Resolución de Problemas - Proyectos integradores en Python: diseño de aplicaciones o scripts que combinen varias técnicas algorítmicas según el tipo de problema. - Optimización y ajustes: uso de estructuras de datos adecuadas y análisis continuo de la complejidad para entornos de distinto tamaño. ------------------------- 1. Algorithm Efficiency Analysis - Fundamental concepts: time complexity (Big-O, Big-Theta, and Big-Omega notation) and space complexity. - Analysis tools: recursion, iterative approaches, and their impact on performance. - Practical examples in Python: empirical measurement of execution time (using modules such as time and timeit) and preliminary code optimization. 2. Algorithm Design - Design methodology: problem identification, definition of the steps, and structuring of the solution (pseudocode and flowcharts). - Appropriate use of data structures: lists, dictionaries, queues, stacks, and trees, according to the required level of complexity. - Verification and testing in Python: use of unittest and/or pytest to ensure the correctness and robustness of the solution. 3. Study of Algorithmic Techniques 3.1 Greedy Algorithms - Basic principles: selecting the best local option with the expectation of obtaining the best global solution. - Classical implementations in Python: coin change, the fractional knapsack problem, and shortest-path problems (Prim's and Kruskal's algorithms for graphs). - Analysis of cases in which the greedy approach works and cases in which it does not. 3.2 Divide and Conquer - Basic strategy: breaking a problem down into smaller subproblems, solving them, and combining the results. - Classic examples: merge sort, quicksort, binary search, and matrix multiplication. - Complexity analysis: recurrence relations and methods for solving them (recursion trees). 4. Dynamic Programming - Concept of overlapping subproblems: solving a larger problem based on solutions to previously computed subproblems. - Implementation techniques: - Top-down approach (memoization): use of dictionaries or lists in Python to store intermediate results. - Bottom-up approach (tabulation): constructing solutions from the base cases up to the complete problem. - Case studies: the Fibonacci sequence, the 0/1 knapsack problem, sequence alignment, shortest paths in graphs, etc. 5. Backtracking - Principle of exploring the solution space: searching for all feasible solutions and discarding those that do not meet the required criteria. - Implementation in Python: - Use of recursive functions and auxiliary data structures. - Pruning to reduce the search space. - Examples: Sudoku solving, maze problems, the n-queens problem, etc. 6. Branch and Bound - Differences from backtracking: a stronger focus on global optimization through bounding and on ordered exploration of branches. - Classical implementations: - The Traveling Salesman Problem (TSP). - The 0/1 knapsack problem using optimization techniques. - Lower- and upper-bound techniques: use of estimates to guide the search for the optimal solution. 7. Application of Algorithmic Techniques to Problem Solving - Integrative Python projects: design of applications or scripts combining several algorithmic techniques according to the type of problem. - Optimization and fine-tuning: use of appropriate data structures and continuous complexity analysis for environments of different sizes. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación 1. CONVOCATORIA ORDINARIA. EVALUACIÓN CONTINUA La calificación final es la media ponderada de las siguientes actividades. El contenido de la asignatura es acumulativo: ninguna prueba se limita a un tema aislado, salvo el examen oral, que se acota expresamente a un bloque. SE1 · Actividades prácticas (20 %) — Trabajo individual con defensa oral … 10 % — Trabajo en grupo con defensa oral … 10 % SE2 · Pruebas finales de conocimiento (50 %) — Examen final de convocatoria ordinaria … 50 % SE3 · Porfolio (30 %) — Examen parcial escrito … 10 % — Examen oral sobre un bloque del temario … 10 % — Ejercicios resueltos y entregados en clase … 10 % a) Trabajo individual con defensa oral (10 %) Criterios de evaluación: — Corrección algorítmica y análisis de eficiencia: implementación correcta de la solución y justificación razonada de su complejidad temporal y espacial en notación asintótica, incluyendo el planteamiento y la resolución de la relación de recurrencia cuando el algoritmo sea recursivo. — Pertinencia de la técnica elegida: justificación de por qué la técnica empleada (voraz, divide y vencerás, programación dinámica, backtracking o ramificación y poda) es la adecuada para el problema, y qué descarta a las demás. — Elección de las estructuras de datos: adecuación de las estructuras utilizadas al coste de las operaciones dominantes del algoritmo. — Estructura y claridad del código: organización modular, uso adecuado de funciones y cumplimiento de las convenciones de estilo del lenguaje (PEP 8 en Python). — Documentación: docstrings y comentarios que expliquen la lógica del algoritmo, y análisis del coste de las operaciones principales. — Verificación: pruebas unitarias con unittest o pytest que acrediten la corrección y la robustez de la solución, incluidos los casos límite. — Defensa oral: capacidad de explicar las decisiones de diseño, de razonar sobre el coste y de responder a variaciones del enunciado planteadas en el momento. b) Trabajo en grupo con defensa oral (10 %) A los criterios anteriores se añaden: — Integración de varias técnicas: resolución de un problema que exija combinar más de una técnica algorítmica y argumentar el reparto entre ellas. — Comparación empírica: medición de tiempos de ejecución con time o timeit y contraste del resultado con la complejidad teórica prevista, explicando las desviaciones. — Reparto del trabajo: cada integrante responde en la defensa de la totalidad del trabajo, no solo de su parte. La no asistencia a la defensa supone la pérdida del 50 % de la calificación de la actividad a título individual. c) Examen final de convocatoria ordinaria (50 %) Se celebra en la fecha fijada por la Universidad y evalúa la totalidad de los contenidos de la asignatura. El examen parcial no libera materia. Criterios de evaluación: — Análisis de eficiencia: cálculo de la complejidad temporal y espacial de algoritmos dados, en notación O, Theta y Omega, y resolución de relaciones de recurrencia. — Diseño de algoritmos: redacción en pseudocódigo de la solución a un problema nuevo, con justificación de la estructura de datos elegida. — Dominio de las técnicas: aplicación de algoritmos voraces, divide y vencerás, programación dinámica, backtracking y ramificación y poda a problemas no vistos en clase, incluyendo la formulación de la función de poda o de las cotas cuando proceda. — Criterio de selección: capacidad de decidir qué técnica conviene ante un problema dado y de argumentar el descarte de las demás. — Corrección formal: precisión en la notación, en la demostración de la optimalidad de una solución voraz y en la formulación de la recurrencia de un problema de programación dinámica. d) Examen parcial escrito (10 %) Prueba escrita a mano, a mediados del cuatrimestre, centrada en el diseño de algoritmos en pseudocódigo y en el análisis de complejidad. No libera materia. Criterios de evaluación: — Corrección del pseudocódigo y de los diagramas de flujo. — Exactitud del análisis de complejidad y de la resolución de recurrencias. — Claridad del razonamiento escrito, valorada con independencia del resultado final. e) Examen oral sobre un bloque del temario (10 %) Prueba individual acotada a un bloque de la asignatura, anunciado con antelación. No cubre el temario completo. Criterios de evaluación: — Comprensión frente a memorización: capacidad de explicar el funcionamiento de un algoritmo del bloque sin apoyarse en el código escrito. — Razonamiento sobre el coste: deducción de la complejidad en voz alta, paso a paso. — Respuesta a la repregunta: reacción ante una modificación del enunciado o ante un caso límite planteado durante la prueba. — Precisión terminológica: uso correcto del vocabulario propio de la materia. f) Ejercicios resueltos y entregados en clase (10 %) Conjunto de ejercicios realizados durante las sesiones y subidos al campus en el plazo indicado en cada una. Criterios de evaluación: — Regularidad: entrega sostenida a lo largo del cuatrimestre, no concentrada al final. — Corrección de la solución y adecuación al enunciado. — Progresión: incorporación en los ejercicios posteriores de las correcciones señaladas en los anteriores. — Trazabilidad del trabajo propio: el ejercicio debe poder explicarse en clase a requerimiento del profesor. Un ejercicio que el alumno no sepa defender no puntúa. 2. REQUISITOS PARA QUE LA EVALUACIÓN CONTINUA PROMEDIE — Obtener una calificación igual o superior a 5,0 sobre 10 en el examen final de la convocatoria ordinaria. Por debajo de esa nota, la calificación de la asignatura será la obtenida en dicho examen. — Obtener una media ponderada igual o superior a 5,0 sobre 10 en el conjunto de las actividades. 3. EVALUACIÓN NO CONTINUA El alumnado que no siga la evaluación continua, o que no alcance el mínimo de asistencia, será evaluado mediante una prueba única que supone el 100 % de la calificación y que abarca la totalidad de los contenidos de la asignatura, tanto teóricos como prácticos. 4. CONVOCATORIA EXTRAORDINARIA La calificación se obtiene exclusivamente del examen extraordinario, que abarca la totalidad de los contenidos. Las actividades de evaluación continua no ponderan en esta convocatoria. ------------------------------------------------------------------------------------------------------- 1. ORDINARY EXAMINATION PERIOD. CONTINUOUS ASSESSMENT The final mark is the weighted average of the following activities. Course content is cumulative: no assessment is restricted to an isolated topic, with the sole exception of the oral examination, which is expressly limited to one block of the syllabus. SE1 · Practical activities (20 %) — Individual assignment with oral defence … 10 % — Group assignment with oral defence … 10 % SE2 · Final knowledge tests (50 %) — Final examination, ordinary period … 50 % SE3 · Portfolio (30 %) — Written mid-term examination … 10 % — Oral examination on one block of the syllabus … 10 % — Exercises completed and submitted in class … 10 % a) Individual assignment with oral defence (10 %) Assessment criteria: — Algorithmic correctness and efficiency analysis: correct implementation of the solution and reasoned justification of its time and space complexity in asymptotic notation, including the formulation and solution of the recurrence relation where the algorithm is recursive. — Suitability of the chosen technique: justification of why the technique used (greedy, divide and conquer, dynamic programming, backtracking or branch and bound) is the appropriate one for the problem, and what rules the others out. — Choice of data structures: suitability of the structures used to the cost of the algorithm's dominant operations. — Code structure and clarity: modular organisation, appropriate use of functions and compliance with the language's style conventions (PEP 8 in Python). — Documentation: docstrings and comments explaining the logic of the algorithm, together with an analysis of the cost of its main operations. — Verification: unit tests written with unittest or pytest evidencing the correctness and robustness of the solution, edge cases included. — Oral defence: ability to explain the design decisions, to reason about cost and to respond to variations of the problem statement raised during the defence. b) Group assignment with oral defence (10 %) In addition to the criteria above: — Integration of several techniques: solution of a problem requiring more than one algorithmic technique, with a reasoned account of how the work is divided between them. — Empirical comparison: measurement of execution times using time or timeit and comparison of the results against the predicted theoretical complexity, explaining any deviation. — Division of work: each member of the group is accountable for the whole assignment during the defence, not only for their own part. Failure to attend the oral defence entails the loss of 50 % of the mark for that activity on an individual basis. c) Final examination, ordinary period (50 %) Held on the date set by the University and covering the entire content of the course. The mid-term examination does not exempt students from any content. Assessment criteria: — Efficiency analysis: calculation of the time and space complexity of given algorithms in O, Theta and Omega notation, and solution of recurrence relations. — Algorithm design: pseudocode solution to an unseen problem, with justification of the data structure chosen. — Command of the techniques: application of greedy algorithms, divide and conquer, dynamic programming, backtracking and branch and bound to problems not covered in class, including the formulation of the pruning function or of the bounds where applicable. — Selection criteria: ability to decide which technique suits a given problem and to argue why the others are discarded. — Formal correctness: precision in notation, in proving the optimality of a greedy solution and in formulating the recurrence of a dynamic programming problem. d) Written mid-term examination (10 %) Handwritten examination held midway through the semester, focused on algorithm design in pseudocode and on complexity analysis. It does not exempt students from any content. Assessment criteria: — Correctness of the pseudocode and of the flowcharts. — Accuracy of the complexity analysis and of the solution of recurrences. — Clarity of the written reasoning, assessed independently of the final result. e) Oral examination on one block of the syllabus (10 %) Individual examination limited to one block of the course, announced in advance. It does not cover the whole syllabus. Assessment criteria: — Understanding rather than memorisation: ability to explain how an algorithm from the block works without relying on written code. — Reasoning about cost: step-by-step derivation of the complexity out loud. — Response to follow-up questions: reaction to a modification of the problem statement or to an edge case raised during the examination. — Terminological precision: correct use of the vocabulary of the subject. f) Exercises completed and submitted in class (10 %) Set of exercises carried out during the sessions and uploaded to the campus platform within the deadline indicated in each one. Assessment criteria: — Consistency: sustained submission throughout the semester, not concentrated at the end. — Correctness of the solution and adherence to the problem statement. — Progression: incorporation into later exercises of the corrections noted in earlier ones. — Traceability of the student's own work: the student must be able to explain the exercise in class if asked to do so. An exercise the student cannot defend scores zero. 2. REQUIREMENTS FOR CONTINUOUS ASSESSMENT TO COUNT TOWARDS THE FINAL MARK — Obtaining a mark of 5.0 out of 10 or higher in the final examination of the ordinary period. Below that mark, the mark for the course will be the one obtained in that examination. — Evidencing a minimum attendance of 70 % of the face-to-face sessions. — Obtaining a weighted average of 5.0 out of 10 or higher across all activities. 3. NON-CONTINUOUS ASSESSMENT Students who do not follow continuous assessment, or who do not meet the minimum attendance requirement, will be assessed by means of a single examination worth 100 % of the mark, covering the entire content of the course, both theoretical and practical. 4. RESIT (EXTRAORDINARY EXAMINATION PERIOD) The mark is obtained exclusively from the resit examination, which covers the entire content of the course. Continuous assessment activities do not count towards the mark in this period. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- George T. Heineman, Gary Pollice, Stanley Selkow Algorithms in a Nutshell (2ª edición) O’Reilly Media. 2016. ISBN: 978-1-4919-01 2.- Mariona Nadal Estructuras de datos y algoritmos Anaya Multimedia. 2022. ISBN: 978-844154519 Otros: 3.- Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest y Clifford Stein Introducción a los algoritmos McGraw-Hill. 2022. ISBN: 978-607150285 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242304 | Geometria diferencial y aplicaciones | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Geometria diferencial y aplicacionesCódigo: C0242304 Imprimir Curso 2 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos El objetivo básico es que el alumno aprenda a hacer cálculos sobre curvas y superficies del espacio euclideo. No es tan importante que desarrolle una visión espacial sino que sepa y conozca las formas cuadráticas fundamentales que determinan una superficie y que sepa deducir de ellas las curvaturas y demás invariantes diferenciales que las determinan. Este objetivo se ciñe al estudio de la geometría intrínseca y local, en contraposición de la geometría extrínseca que estudia las superficies sumergidas en otras, y a la geometría global que estudia la caracterización de la superficie como un todo a través de las clases características. Requisitos previos Aunque no se han establecido requisitos previos, resulta conveniente haber cursado (previamente) las asignaturas Fundamentos Matemáticos de la Ingeniería I y II y Álgebra I y II y haber cursado o estar cursando Cálculo Diferencial u otras asignaturas de competencias y resultados de aprendizaje similares. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos 1) Curvas en el plano y en el espacio a) curvas parametrizadas por longitud de arco b) fórmulas de Frenet 2) Superficies en el espacio euclideo a) superficies parametrizadas e implícitas regulares: el plano tangente b) la primera forma fundamental c) aplicaciones: áreas, longitudes y ángulos 3) Geometría intrínseca local a) la aplicación de Gauss b) la segunda forma fundamental c) aplicaciones: i) clasificación de los puntos de una superficie ii) direcciones principales y asintóticas iii) lineas de curvatura y asintóticas Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento . Sistema y criterios de evaluación El proceso de evaluación consistirá en la verificación y valoración de la adquisición de las competencias por parte del estudiante. - Existen dos convocatorias oficiales: ordinaria y extraordinaria. CONVOCATORIA ORDINARIA En convocatoria ordinaria, la calificación final de la asignatura resulta de un proceso de evaluación continua. La evaluación continua consta de las siguientes pruebas: 1) un examen de curvas, en Octubre que contará un 20% 2) un examen de superficies el último día lectivo del año (20 de Diciembre aprox.) que contará un 30% 3) el examen oficial, convocatoria ordinaria, que contará un 50%. En ningún caso los controles superados liberan materia de este examen final. Para que se aplique la evaluación continua el examen oficial debe superar o ser igual a 4. Es decir, si se obtiene menos de 4 en el examen final la asignatura no estará superada, figurando directamente esta nota en el expediente. CONVOCATORIA ORDINARIA En la convocatoria extraordinaria no se guardará ninguna nota y se realizará el examen correspondiente con valor el 100% de la nota. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- A.M. Amores Lázaro Curso básico de curvas y superficies Sanz y Torres. 2001. ISBN: 8488667779 2.- Carmo, Manfredo P. do Geometría diferencial de curvas y superficies Madrid : Alianza, 1994. 1994. ISBN: 8420681350 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SEGUNDO CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0242305 | Cálculo integral | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Cálculo integralCódigo: C0242305 Imprimir Curso 2 Asignatura Segundo cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Esta asignatura, que junto con Cálculo Diferencial conforma la materia de Análisis Matemático II, perteneciente al módulo de Formación Básica de la titulación, tiene como objetivo principal proporcionar a los estudiantes una formación sólida en la integración de Riemann de funciones de varias variables y en las herramientas fundamentales del cálculo integral en dimensiones superiores. En particular, se abordará la integración de funciones de varias variables sobre distintos tipos de dominios, profundizando en los aspectos conceptuales y técnicos que permiten extender las nociones unidimensionales al caso multivariable. Asimismo, se estudiará el Teorema de Fubini y sus aplicaciones al cálculo de integrales iteradas, así como el teorema de cambio de variable, que permite simplificar integrales mediante transformaciones apropiadas. Además, se analizarán las integrales impropias en varias variables, prestando atención a los criterios de convergencia y a su correcta interpretación. Por otro lado, se introducirá el estudio de las integrales de línea y de superficie, tanto desde el punto de vista geométrico como analítico, estableciendo su conexión con los campos escalares y vectoriales. Finalmente, se presentarán los principales teoremas de integración del cálculo vectorial, que relacionan integrales sobre dominios con integrales sobre su frontera y constituyen herramientas fundamentales en matemáticas, física e ingeniería. De este modo, la asignatura no solo persigue que el alumnado comprenda los fundamentos teóricos del cálculo integral en varias variables, sino también que sea capaz de aplicarlos con rigor y solvencia en la resolución de problemas concretos. Requisitos previos No se han establecido, aunque es muy recomendable haber cursado (previamente) las asignaturas Fundamentos Matemáticos de la Ingeniería I y II y Cálculo Diferencial u otras asignaturas de competencias y resultados de aprendizaje similares. Competencias No procede. Resultados de aprendizaje RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. Descripción de los contenidos La asignatura comprende los siguientes temas: 1. Integración de funciones de varias variables. 2. Teorema de Fubini. 3. Teorema de cambio de variable. 4. Integrales impropias. 5. Integrales de línea y superficie. 6. Teoremas de integración vectorial. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1 Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Existen dos convocatorias oficiales: ordinaria y extraordinaria. *** Convocatoria ordinaria *** La calificación final en esta convocatoria es la media ponderada del conjunto de pruebas de evaluación que se detallan a continuación: - 2 exámenes parciales no liberatorios: 30% de la calificación final (15% por cada examen parcial). - Resolución de ejercicios: 15% de la calificación final. - Examen final de convocatoria ordinaria: 55% de la calificación final. En este examen se evaluarán todos los contenidos impartidos en la asignatura. Para que se tenga en cuenta la evaluación continua (compuesta por las entregas de ejercicios y los dos exámenes parciales), los alumnos deberán obtener una nota mínima de 4,0 sobre 10,0 en el examen final. En este caso se hará la media entre la evaluación continua y este examen, aunque la primera esté suspensa. En caso de que la nota del examen final sea inferior a 4,0 sobre 10,0, la calificación de la asignatura se corresponderá con el 55% de la nota obtenida en el dicho examen. La asignatura se considera superada en convocatoria ordinaria si la calificación obtenida siguiendo las indicaciones anteriores es 5,0 o superior. *** Convocatoria extraordinaria *** En el caso de no haber superado la asignatura en la convocatoria ordinaria, el estudiante podrá presentarse la convocatoria extraordinaria. La convocatoria extraordinaria tendrá lugar durante el período de exámenes de julio (para más información, consultar el Calendario Académico). Consiste en un único examen en que se evalúan la totalidad de los contenidos de la asignatura. La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 o superior. CALIFICACIONES El Artículo 5 del Real Decreto 1125/2003, de 5 de septiembre, establece el sistema de calificaciones aplicable a las asignaturas de las titulaciones pertenecientes al ámbito del Espacio Europeo de Educación Superior. Dicho sistema es el siguiente: La obtención de los créditos correspondientes comportará haber superado los exámenes o pruebas de evaluación asociados. El nivel de aprendizaje conseguido por los estudiantes se expresará con calificaciones numéricas en una escala del 0 al 10, con expresión de un decimal, a la que podrá añadirse su correspondiente calificación cualitativa: - 0-4,9: Suspenso (SS). - 5,0-6,9: Aprobado (AP). - 7,0-8,9: Notable (NT). - 9,0-10: Sobresaliente (SB). La mención de «Matrícula de Honor» se otorgará a estudiantes que hayan obtenido una calificación igual o superior a 9,0. Su número no podrá exceder del cinco por ciento de los estudiantes matriculados en la materia en el correspondiente curso académico, salvo que el número de estudiantes matriculados sea inferior a 20, en cuyo caso se podrá conceder una sola «Matrícula de Honor». Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Jerrold E. Marsden Elementary Classical Analysis W. H. Freeman and Company. 1974. ISBN: 0716721058 2.- Jerrold E. Marsden, Anthony J. Tromba Cálculo Vectorial 3 ed.. Addison-Wesley Iberoamericana. 1991. ISBN: 0201629356 Otros: 3.- James R. Munkres Analysis on Manifolds Addison-Wesley. 1991. ISBN: 0201315963 4.- Michael Spivak Calculus on Manifolds Addison-Wesley. 1971. ISBN: 9780805390216 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242306 | Comunicación Tecnica en Ingles / Technical Communication in English | FB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Comunicación Tecnica en Ingles / Technical Communication in EnglishCódigo: C0242306 Imprimir Curso 2 Asignatura Segundo cuatrimestre. Formación básica. 6 Créditos. Profesores
Objetivos Adquisición de las competencias necesarias de los métodos existentes para alcanzar un nivel B2/C1 atendiendo especialmente a la expresión individual (oral y escrita), el proceso comunicativo (habla y escucha), el empleo correcto de la lengua oral y escrita (corrección, coherencia y adecuación, propiedad léxica, ortografía, vocabulario, pronunciación y creatividad) y la lectura de textos (lectura, comprensión y capacidad crítica). Se realizará igualmente una aproximación al inglés técnico en el ámbito de la ingeniería, aeronáutica y mecánica dentro del nivel. Se familiarizará al estudiante con vocabulario técnico básico y se le introducirá a textos de nivel B2 dentro del ámbito de estudio de su carrera./Acquisition of the competencies required to use the existing methods to attain a B2/C1 level, with particular emphasis on individual expression (oral and written), the communicative process (speaking and listening), the accurate use of spoken and written language (correctness, coherence and appropriateness, lexical accuracy, spelling, vocabulary, pronunciation and creativity), and the reading of texts (reading, comprehension and critical thinking). The course will also provide an introduction to technical English in the fields of engineering, aeronautics and mechanics at the corresponding level. Students will become familiar with basic technical vocabulary and will be introduced to B2-level texts related to their field of study. Requisitos previos No se han establecido requisitos previos para esta asignatura./No prerequisites have been established for this course. Competencias No procede./Not applicable. Resultados de aprendizaje RS6 - Analizar textos del área de las matemáticas con el objetivo de familiarizarse con la estructura y publicaciones científicas también en inglés/ to analyze texts in the field of mathematics for becoming familiar with the structure and scientific publications also in English. TIPO: Habilidades o destrezas./TYPE: Skills. RODS - Desarrollar una comunicación efectiva, el trabajo en equipo, el pensamiento analítico, la creatividad y el liderazgo ético desde una perspectiva transversal y con una clara inspiración en los principios y valores democráticos, así como los Objetivos de Desarrollo Sostenible para desenvolverse con integridad en el ámbito profesional./ To develop an effective communication, teamwork, analytical thinking, creativity and ethical leadership from a transversal perspective, with a clear inspiration in democratic principles and values, as well as the Sustainable Development Goals to perform with integrity in the professional field. TIPO: Competencias./TYPE: Competences. Descripción de los contenidos El contenido de esta asignatura está dirigido a que el alumno adquiera las competencias de comprensión lectora, comprensión auditiva, producción oral y producción escrita que le permita desenvolverse en un contexto profesional en el idioma inglés./The content of this course is designed to enable students to develop the skills required for reading comprehension, listening comprehension, spoken communication, and written communication, allowing them to function effectively in a professional context in English. Se desarrollarán unos contenidos combinados de lengua inglesa básica, con estudio y perfeccionamiento del uso de la lengua en distintos ámbitos del día a día, y de inglés técnico, con estudio de vocabulario y conceptos propios de distintos ámbitos de especialización./The course combines general English language content, focusing on the study and development of language use in a range of everyday contexts, with technical English, focusing on the acquisition of vocabulary and concepts specific to different areas of professional specialisation. Unit 1 – Innovations 1.1 Eureka! (p. 4) – Talking about innovations;;;;. Grammar: Past and present perfect continuous 1.2 Smart wells (p. 6) – Clause linking;;;; Reporting jobs completed. Grammar: Past participle and cohesion 1.3 Lasers (p. 8) – Technical descriptions;;;; Section markers in a talk. Unit 2 – Design 2.1 Spin.offs (p. 10) – Function of a device;;;; Grammar: Present and past simple passive 2.2 Specifications (p. 12) – Necessity, ability, recommendation;; Grammar: Modals and semi.modals 2.3 Properties (p. 14) – Describing properties. Grammar: Phrases to encourage participation. Unit 3 – Systems 3.1 Problems (p. 20) – Low probability, reasuring. Grammar: Present continous passive and ohrases suggesting low risk 3.2 Solutions (p. 22) – Summarising, linking Grammar: Non-defining relative clause; present participle; although 3.3 Controls (p. 24) – Contrasting, note-taking. Grammar: Linkers of contrast Unit 4 – Procedures 4.1 Shutdowns (p. 26) – Past events. Grammar: Two-part phrasal verbs 4.2 Overhaul (p. 28) – Past procedure; instructions. Grammar: Nouns derived from phrasal verbs. 4.3 Instructions (p. 30) – Instructions and fee; simultaneous actions. Grammar: Oral vs written instructions. Unit 5 – Processes 5.1 Causes (p. 36) – Cause and effect. Grammar: Verb/noun/ prepositional phrases of cause and effect. 5.2 Steps (p. 38) – Explaining a process. Grammar: Choosing active or passive. 5.3 Stages (p. 40) – Note-taking; writing up. Grammar: Gerunds/ nouns as captions; lexical cohesion. Unit 6 – Planning 6.1 Risk (p. 42) – Degrees of certainty. Grammar: Phrases expressing degrees of certainty. 6.2 Crisis (p. 44) – Immediate and long-term plans. Grammar: Future/future perfect passive 6.3 Projects (p. 46) – Participating in meetings. Grammar: Phrases of chairing a meeting. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación El proceso de evaluación se realizará con el fin de obtener los resultados de aprendizaje previstos en la memoria. Las pruebas que se lleven a cabo evaluarán las cuatro destrezas de la lengua (comprensión escrita, comprensión auditiva, expresión escrita y expresión oral). Dichas pruebas serán: • Pruebas de redacción. • Pruebas escritas de elección múltiple, verdadero o falso, rellenar huecos y contestar preguntas. • Ejercicios de lectura y comprensión escrita. • Ejercicios de vocabulario y gramática. • Realización y exposición de trabajos. • Pruebas de comprensión auditiva. • Pruebas de expresión oral. EVALUACIÓN CONTINUA Los estudiantes serán evaluados mediante evaluación continua, de la siguiente manera: Prueba parcial 1 (Total 35%): se evaluarán las cuatro destrezas Examen final (35%):se evaluarán las cuatro destrezas 1 Presentaciones Orales (20%) ( Si el estudiante aprobara la prueba oral con una nota mínima de 5 en clase, se le guardara la nota para la convocatoria ordinaria) Trabajo en clase (comportamiento/actitud en clase, asistencia y participación activa, realización de tareas): 10% IMPORTANTE: En el caso de que el estudiante no haya realizado cualquiera de las pruebas parciales o las suspenda, el examen de convocatoria ordinaria tendrá un valor de 100%. En este caso los estudiantes serán evaluados de la siguiente manera: Writing 25% Reading 25% Listening 25% Oral 25% Una vez realizadas todas las pruebas de evaluación continua, si la nota media global en alguna de las destrezas (reading, writing, listening y/u oral) es inferior a 2,5, no se podrá hacer media. En este caso, la calificación final será como máximo un 3 y, por lo tanto, el alumno deberá presentarse a la convocatoria ordinaria correspondiente. EXAMEN FINAL: CONVOCATORIA ORDINARIA SIN EVALUACIÓN CONTINUA Y/ O CONVOCATORIA EXTRAORDINARIA. Los alumnos serán evaluados de la siguiente manera: Writing 25% Reading 25% Listening 25% Oral 25% ------------------------- The assessment process will be conducted with the aim of achieving the intended learning outcomes set out in the programme documentation. The assessment tests will evaluate the four language skills: reading comprehension, listening comprehension, written production, and spoken production. The assessment activities will include: • Writing tasks. • Written tests including multiple-choice questions, true-or-false questions, gap-filling exercises, and short-answer questions. • Reading and reading comprehension exercises. • Vocabulary and grammar exercises. • Preparation and delivery of presentations. • Listening comprehension tests. • Speaking tests. CONTINUOUS ASSESSMENT Students will be assessed through continuous assessment as follows: Midterm Examination 1 (35%): all four language skills will be assessed. Final Examination (35%): all four language skills will be assessed. Oral Presentations (20%): if a student passes the oral assessment in class with a minimum grade of 5 out of 10, the grade obtained will be retained for the ordinary examination period. Classwork (10%): including behaviour and attitude in class, attendance and active participation, and completion of assigned tasks. IMPORTANT If a student does not take or fails any of the midterm examinations, the Ordinary Examination will account for 100% of the final grade. In this case, students will be assessed as follows: Writing: 25% Reading: 25% Listening: 25% Speaking: 25% Once all continuous assessment activities have been completed, if the overall average grade in any of the four language skills (Reading, Writing, Listening, and/or Speaking) is below 2.5 out of 10, the grades cannot be averaged. In this case, the final grade will be capped at 3 out of 10, and the student will therefore be required to take the corresponding Ordinary Examination. FINAL EXAMINATION: ORDINARY EXAMINATION WITHOUT CONTINUOUS ASSESSMENT AND/OR EXTRAORDINARY EXAMINATION Students will be assessed as follows: Writing: 25% Reading: 25% Listening: 25% Speaking: 25% Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Chris Jacques Technical English 4 Pearson. 2022. ISBN: 1292424478 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242307 | Ecuaciones en Derivadas Parciales | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ecuaciones en Derivadas ParcialesCódigo: C0242307 Imprimir Curso 2 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Esta asignatura presenta muchos enfoques posibles. Se pueden estudiar las EDPs en dimensión n, se pueden estudiar las propiedades de las soluciones de algunos tipos de EDP, etc., pero se ha elegido plantear este curso sobre la resolución de EDPs en 2 y 3 variables. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas de cálculo en una y varias variables reales así como Ecuaciones Diferenciales y Ecuaciones en Diferencias. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 1: EDP lineal en 2 y 3 variables. EDP semilineal. El Pfaffiano. EDP1 general. Tema 2: Funciones continuas y su complección a un espacio de Hilbert mediante la integral de Lebesgue. Teorema de la base. Base de Fourier y desarrollos en serie. Tema 3: El problema de Sturm–Liouville. Autovalores y autofunciones. Tema 4: Resolución de la EDP2 lineal en 2 y 3 variables. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA - Se realizarán dos controles no liberatorios de un 15% cada uno. - Se realizará un examen final, de toda la asignatura, en la convocatoria ordinaria, con un peso del 70%. Importante: para realizar la media es necesario obtener un mínimo de 4,0 sobre 10,0 en el examen final. En este caso, se hace la media aunque la evaluación continua esté suspensa. CONVOCATORIA EXTRAORDINARIA - Se realizará un examen global de toda la materia con un peso del 100%. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Gregorio Orozco y José Luis Guijarro Ecuaciones en derivadas parciales: un curso matemático orientado a la resolución de problemas de física e ingeniería Bellisco. 2011. ISBN: 8495277166 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242308 | Introducción a la Programación Paralela y Distribuida / Introduction to Parallel and Distributed Programming | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Introducción a la Programación Paralela y Distribuida / Introduction to Parallel and Distributed ProgrammingCódigo: C0242308 Imprimir Curso 2 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante los fundamentos y la terminología propios de la programación paralela, concurrente y distribuida, diferenciando los principales conceptos, modelos y paradigmas de computación. Asimismo, se pretende desarrollar la capacidad para analizar y diseñar soluciones computacionales, valorando la importancia de la planificación y del estudio previo del problema, identificando posibles cuellos de botella y planteando estrategias de optimización orientadas a mejorar la eficiencia y reducir los tiempos de cómputo. Se pretende capacitar al estudiante para diseñar e implementar soluciones paralelas, concurrentes y distribuidas mediante el uso de Python y de sus módulos y librerías, seleccionando modelos de programación, como el multihilo y el multiproceso, de acuerdo con las características de cada problema. Asimismo, se busca proporcionar una visión aplicada de la programación paralela y distribuida en ámbitos como la computación científica, la simulación, los gráficos, la visión por ordenador, los entornos colaborativos, las aplicaciones web y el procesamiento de grandes volúmenes de datos. Finalmente, se pretende integrar los fundamentos de la programación paralela y distribuida, la computación científica y la programación distribuida en el desarrollo de soluciones y proyectos, abordando técnicas de entrada y salida de alto rendimiento, estrategias para la optimización de la comunicación y el acceso a recursos, así como diferentes entornos de programación basados en modelos y paradigmas paralelos y distribuidos y el empleo de aceleradores computacionales. ------------------------- The course aims to provide students with the foundations and terminology of parallel, concurrent, and distributed programming, distinguishing between the main concepts, models, and computing paradigms. It also aims to develop students’ ability to analyse and design computational solutions, recognising the importance of planning and prior problem analysis, identifying potential bottlenecks, and developing optimisation strategies aimed at improving efficiency and reducing computation times. The course is intended to equip students with the skills required to design and implement parallel, concurrent, and distributed solutions using Python and its modules and libraries, selecting programming models such as multithreading and multiprocessing according to the characteristics of each problem. It also provides an applied perspective on parallel and distributed programming in areas such as scientific computing, simulation, graphics, computer vision, collaborative environments, web applications, and large-scale data processing. Finally, the course aims to integrate the foundations of parallel and distributed programming, scientific computing, and distributed computing into the development of solutions and projects, addressing high-performance input/output techniques, strategies for optimising communication and resource access, as well as different programming environments based on parallel and distributed models and paradigms and the use of computational accelerators. Requisitos previos Resulta fundamental haber cursado (previamente) las asignaturas Fundamentos de Programación y Computadores y Estructura de Datos y Algoritmos I y II u otras asignaturas de competencias y resultados de aprendizaje similares./It is essential that students have previously completed the courses Fundamentals of Programming and Computers and Data Structures and Algorithms I and II, or other courses with similar competences and learning outcomes. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos 1) Introducción a la Programación Paralela y Distribuida - Conceptos básicos de concurrencia y paralelismo: diferencias y motivaciones. - Evolución histórica y justificación de la necesidad de sistemas paralelos (multiprocesadores, multihilo) y distribuidos (clusters, nubes). - Principales retos: sincronización, comunicación, escalabilidad y balance de carga. 2) Computación Científica: Necesidades - Problemáticas de alto coste computacional en entornos científicos (simulaciones, análisis numérico, big data). - Métodos para aprovechar la capacidad de cómputo disponible: optimización de algoritmos, explotación de arquitectura hardware (multicore, GPUs). - Introducción a librerías y frameworks en Python para tareas científicas de gran escala (NumPy, SciPy, etc.), que luego se emplean con paradigmas paralelos. 3) Programación Distribuida - Modelos de comunicación en entornos distribuidos: paso de mensajes (MPI), sistemas de colas, MapReduce y similares. - Construcción de aplicaciones que coordinen múltiples nodos (clústeres, contenedores, entornos en la nube). - Mecanismos de sincronización y gestión de fallos (tolerancia a fallos, replicación de datos, resiliencia). 4) E/S de Alto Rendimiento - Estrategias para optimizar el flujo de datos y reducir cuellos de botella en el acceso a disco o red. - Sistemas de ficheros distribuidos y paralelos (HDFS, lustre, etc.). - Técnicas de buffering, caching y particionado de datos para entornos HPC (High-Performance Computing). 5) Programación Paralela - Paradigmas de paralelismo en Python: hilos (módulo threading), procesos (módulo multiprocessing) y alternativas (futuros, asyncio). - Patrones de programación concurrente (productor-consumidor, map-reduce, pipelines). - Cuestiones de seguridad y coherencia: exclusión mutua, bloqueos, semáforos y riesgos (condiciones de carrera, deadlocks). 6) Entornos de Programación Paralela basados en Modelos/Paradigmas - Visión general de frameworks y librerías: mpi4py para MPI, Dask y PySpark para la gestión de datos distribuidos, entre otros. - Elección de modelos en función del tipo de aplicación (datos intensivos vs. cómputo intensivo). - Validación de rendimiento y métricas de escalabilidad (speed-up, eficiencia, throughput). 7) Aceleradores - Uso de GPUs y coprocesadores para acelerar tareas de cómputo intensivo. - Integración con Python (CUDA-Python, Numba, bibliotecas que aprovechan la GPU). - Modelos híbridos que combinan CPU multicore y GPU para optimizar la ejecución de algoritmos en escenarios reales. ------------------------- 1) Introduction to Parallel and Distributed Programming - Basic concepts of concurrency and parallelism: differences and motivations. - Historical development and rationale for the need for parallel systems (multiprocessors, multithreading) and distributed systems (clusters, cloud computing). - Main challenges: synchronisation, communication, scalability, and load balancing. 2) Scientific Computing: Requirements - Computationally intensive problems in scientific environments (simulations, numerical analysis, big data). - Methods for exploiting available computing capacity: algorithm optimisation and exploitation of hardware architectures (multicore, GPUs). - Introduction to Python libraries and frameworks for large-scale scientific computing (NumPy, SciPy, etc.), subsequently used with parallel programming paradigms. 3) Distributed Programming - Communication models in distributed environments: message passing (MPI), queue-based systems, MapReduce, and similar approaches. - Development of applications that coordinate multiple nodes (clusters, containers, cloud environments). - Synchronisation and fault management mechanisms (fault tolerance, data replication, resilience). 4) High-Performance I/O - Strategies for optimising data flow and reducing bottlenecks in disk or network access. - Distributed and parallel file systems (HDFS, Lustre, etc.). - Buffering, caching, and data partitioning techniques for High-Performance Computing (HPC) environments. 5) Parallel Programming - Parallel programming paradigms in Python: threads (threading module), processes (multiprocessing module), and alternatives (futures, asyncio). - Concurrent programming patterns (producer–consumer, MapReduce, pipelines). - Safety and consistency issues: mutual exclusion, locks, semaphores, and risks (race conditions, deadlocks). 6) Parallel Programming Environments Based on Models/Paradigms - Overview of frameworks and libraries: mpi4py for MPI, Dask and PySpark for distributed data management, among others. - Selection of programming models according to the type of application (data-intensive vs. compute-intensive). - Performance validation and scalability metrics (speed-up, efficiency, throughput). 7) Accelerators - Use of GPUs and coprocessors to accelerate computationally intensive tasks. - Integration with Python (CUDA-Python, Numba, GPU-accelerated libraries). - Hybrid models combining multicore CPUs and GPUs to optimise algorithm execution in real-world scenarios. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.2 Talleres y laboratorios informáticos./Workshops and Computer Laboratories. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA En convocatoria ordinaria la valoración objetiva del aprendizaje del estudiante se realizará mediante evaluación continua. La ponderación de las actividades de evaluación continua se distribuye de la siguiente forma: a) Práctica 1 (7,5%) Criterios de evaluación: - Correcta implementación de las técnicas de paralelismo (multihilo o multiproceso) vistas en clase. - Organización y claridad del código, uso adecuado de estructuras de datos y librerías de Python. - Documentación del código (docstrings y comentarios) que expliquen la lógica y los patrones de concurrencia elegidos. - Eficiencia de la solución en términos de aceleración frente a la versión secuencial (si aplica). b) Práctica 2 (7,5%) Criterios de evaluación: - Empleo de librerías específicas para programación distribuida (p. ej., MPI, PySpark) y justificación de su uso. - Correcta arquitectura de la solución distribuida (comunicación entre nodos, reparto de cargas, escalabilidad). - Validación de resultados y verificación del correcto funcionamiento en un entorno distribuido o cluster simulado. - Limpieza, mantenimiento y legibilidad del código. c) Práctica Final (15%) Criterios de evaluación: - Integración de conocimientos de concurrencia (multihilos, multiproceso) y distribución (clusters, contenedores, uso de librerías HPC). - Diseño de una solución eficiente y escalable que aborde un problema complejo de big data, machine learning o cálculo científico, aplicando estrategias de paralelismo y distribución. - Calidad de la documentación del proyecto (README detallado, guías de uso, referencias a conceptos teóricos). - Presentación de resultados (gráficas de rendimiento, pruebas en diferentes tamaños de entrada y evaluación de la escalabilidad). d) Examen parcial no liberatorio (30%) Criterios de evaluación: - Comprensión de los fundamentos de la concurrencia en Python (uso de hilos, procesos y thread-safe). - Capacidad para diseñar y proponer soluciones paralelas básicas. - Conocimiento teórico de los principales modelos de programación distribuida (MPI, MapReduce, etc.) y sus ventajas. - Resolución de problemas y ejercicios cortos centrados en la verificación del rendimiento y manejo de estados compartidos. e) Examen final de toda la asignatura (40%) Criterios de evaluación: - Dominio integral de la programación paralela y distribuida: teoría de concurrencia, sincronización, deadlocks, escalabilidad y arquitecturas distribuidas. - Aplicación de patrones de diseño para sistemas concurrentes y distribuidos. - Capacidad para identificar cuellos de botella y proponer mejoras de rendimiento. - Preguntas tanto conceptuales como prácticas, con énfasis en la resolución de problemas reales y optimización de sistemas paralelos y/o distribuidos. IMPORTANTE: sólo se hará media entre las prácticas, el examen parcial y el examen final si en todas y cada una de estas actividades de evaluación la calificación iguala o supera 4,0 sobre 10,0. CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria la valoración objetiva del aprendizaje del estudiante se realizará mediante un único examen, de toda la asignatura, cuyo peso en la calificación final será, por lo tanto, del 100%. Criterios de evaluación: Constará de preguntas teóricas y prácticas sobre la totalidad del temario, abarcando: - Conceptos de concurrencia en Python (procesos, hilos, GIL). - Técnicas de sincronización y comunicación (bloqueos, semáforos, colas). - Librerías de programación distribuida (MPI, PySpark, Dask, etc.). - Diseño y optimización de sistemas paralelos y distribuidos (despliegue en cluster, escalabilidad, fault tolerance). Se valorará la solidez conceptual, la capacidad para resolver problemas complejos y la claridad en la justificación de las soluciones propuestas. Será requisito obtener una calificación mínima de 5 sobre 10 para aprobar la asignatura. ------------------------- ORDINARY EXAMINATION PERIOD In the Ordinary Examination Period, the objective assessment of student learning will be carried out through continuous assessment. The weighting of the continuous assessment activities is distributed as follows: a) Practical Assignment 1 (7.5%) Assessment criteria: - Correct implementation of the parallelisation techniques covered in class (multithreading or multiprocessing). - Organisation and clarity of the code, and appropriate use of Python data structures and libraries. - Code documentation (docstrings and comments) explaining the logic and the selected concurrency patterns. - Efficiency of the solution in terms of speed-up compared with the sequential version, where applicable. b) Practical Assignment 2 (7.5%) Assessment criteria: - Use of specific distributed programming libraries (e.g. MPI, PySpark) and justification of their use. - Correct architecture of the distributed solution (communication between nodes, workload distribution, and scalability). - Validation of results and verification of correct operation in a distributed environment or simulated cluster. - Code cleanliness, maintainability, and readability. c) Final Practical Assignment (15%) Assessment criteria: - Integration of knowledge of concurrency (multithreading, multiprocessing) and distributed computing (clusters, containers, use of HPC libraries). - Design of an efficient and scalable solution addressing a complex big data, machine learning, or scientific computing problem, applying parallelisation and distributed computing strategies. - Quality of project documentation (detailed README, user guides, and references to theoretical concepts). - Presentation of results (performance graphs, tests with different input sizes, and scalability assessment). d) Non-Eliminatory Midterm Examination (30%) Assessment criteria: - Understanding of the fundamentals of concurrency in Python (use of threads, processes, and thread safety). - Ability to design and propose basic parallel solutions. - Theoretical knowledge of the main distributed programming models (MPI, MapReduce, etc.) and their advantages. - Problem solving and short exercises focused on performance verification and shared-state management. e) Final Examination Covering the Entire Course (40%) Assessment criteria: - Comprehensive command of parallel and distributed programming: concurrency theory, synchronisation, deadlocks, scalability, and distributed architectures. - Application of design patterns to concurrent and distributed systems. - Ability to identify bottlenecks and propose performance improvements. - Both conceptual and practical questions, with an emphasis on solving real-world problems and optimising parallel and/or distributed systems. IMPORTANT: The grades for the practical assignments, midterm examination, and final examination will only be averaged if the grade obtained in each and every one of these assessment activities is 4.0/10.0 or higher. EXTRAORDINARY EXAMINATION PERIOD In the Extraordinary Examination Period, the objective assessment of student learning will be carried out through a single examination covering the entire course. Consequently, this examination will account for 100% of the final grade. Assessment criteria: The examination will consist of theoretical and practical questions covering the entire syllabus, including: - Concepts of concurrency in Python (processes, threads, GIL). - Synchronisation and communication techniques (locks, semaphores, queues). - Distributed programming libraries (MPI, PySpark, Dask, etc.). - Design and optimisation of parallel and distributed systems (cluster deployment, scalability, fault tolerance). Conceptual soundness, the ability to solve complex problems, and clarity in justifying the proposed solutions will be assessed. A minimum grade of 5.0/10.0 is required to pass the course. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Giancarlo Zaccone Python Parallel Programming Cookbook Packt Pub Ltd. 2015. ISBN: 1785289586 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0242309 | Métodos numéricos | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Métodos numéricosCódigo: C0242309 Imprimir Curso 2 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura Métodos Numéricos introduce al estudiante en métodos fundamentales, junto con los conceptos asociados, desarrollados para resolver problemas matemáticos de forma aproximada cuando no resulta posible obtener solución analítica. Está enfocada no sólo en la obtención de la solución aproximada sino también y, sobre todo, en el análisis del error cometido en dicha aproximación, en la estabilidad del mismo y en eficiencia de los métodos aplicables en la resolución de un problema. Se complementa el aprendizaje teórico/práctico del estudiante mediante la implementación computacional de los métodos, fortaleciendo habilidades en programación y el análisis crítico de los resultados obtenidos. En este contexto, los objetivos de aprendizaje son: - Comprender los principios fundamentales de los métodos numéricos y su importancia en la resolución de problemas matemáticos y, por lo tanto, de ingeniería. - Analizar y evaluar los errores numéricos asociados con los diferentes métodos, incluyendo su origen, propagación y minimización. - Desarrollar la capacidad de seleccionar el método numérico más adecuado para resolver un determinado problema matemático. - Implementar algoritmos numéricos utilizando herramientas computacionales modernas, como Python o MATLAB. - Interpretar y validar los resultados obtenidos mediante métodos numéricos, considerando su precisión y aplicabilidad. - Aplicar los conocimientos adquiridos en problemas prácticos relacionados con la matemática y la ingeniería, fomentando un enfoque crítico y reflexivo. Requisitos previos Se recomienda tener una base sólida en cálculo diferencial e integral en una variable (Fundamentos Matemáticos de la Ingeniería I y II), así como en álgebra lineal (Álgebra I y II). Igualmente, resulta aconsejable poseer conocimientos de programación en Python. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK5 - Conocer diferentes modelos de simulación, simulación estocástica, gestión y planificación de sistemas logísticos; y resolver con software casos de modelos de gestión y planificación de la producción. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos Esta asignatura se encuentra vertebrada en 5 temas: - Tema1. Introducción a los métodos numéricos. - Tema2. Ecuaciones no lineales. - Tema3. Interpolación numérica. - Tema4. Derivación e integración numéricas. - Tema5. Álgebra lineal numérica. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación El proceso de evaluación consistirá en la valoración del grado de adquisición de los resultados de aprendizaje, por parte del estudiante, asociados a la materia. SISTEMAS DE EVALUACIÓN Los sistemas de evaluación correspondientes a esta asignatura son: SE1 Actividades prácticas. SE2 Pruebas finales de conocimiento. SE3 Porfolio. Dichos sistemas contribuyen en mayor o menor medida a la evaluación de los resultados de aprendizaje asignados a esta materia. CRITERIOS DE EVALUACIÓN Existen dos convocatorias oficiales: ordinaria y extraordinaria. +++CONVOCATORIA ORDINARIA+++ La calificación final de esta convocatoria será la media ponderada de un conjunto de pruebas de evaluación que se detallan a continuación: -- un caso práctico (SE1), con un 30% de peso en la calificación final de la convocatoria ordinaria, que se realizará durante el período lectivo en pequeños grupos (designados por el coordinador de la asignatura) y del que se exigirán tanto entregas de ejercicios durante la realización del mismo como la entrega de un informe al final del período lectivo. -- un examen parcial (SE3) no liberatorio, que se realizará, en aula y de forma individual, durante el período lectivo y que tendrá un 20% de peso en la calificación final de la convocatoria ordinaria. -- un examen final (SE2) que se realizará, en aula y de forma individual, durante el período de exámenes de la convocatoria ordinaria, en mayo-junio (para más información, consultar el campus virtual), en el que se evalúa la totalidad de los contenidos impartidos en la asignatura, y que tendrá un 50% de peso en la calificación final de la convocatoria ordinaria siempre y cuando la/el estudiante obtenga en el mismo una calificación igual o superior a 4,0 puntos sobre 10,0. En caso contrario (calificación inferior a 4,0 sobre 10,0), la calificación de la asignatura en convocatoria ordinaria será la obtenida en el examen final. *** Sólo los exámenes estarán sujetos a revisión. ***** La asignatura se considerará superada en convocatoria ordinaria si la calificación final es 5,0 puntos sobre 10,0 o superior. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no superar la asignatura en la convocatoria ordinaria, la/el estudiante podrá hacerlo en la convocatoria extraordinaria. En esta convocatoria habrá una única prueba de evaluación, consistente en un examen que tendrá lugar durante el período de exámenes de la convocatoria extraordinaria, junio-julio (para más información, consultar el campus virtual), y en el que se evaluará la totalidad de los contenidos impartidos en la asignatura. ***** La asignatura se considerará superada en convocatoria extraordinaria si la calificación obtenida en dicho examen es 5,0 puntos sobre 10,0 o superior. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Burden, Richard L. Análisis numérico 7 ed.. México, D.F. : Thomson, 2002. 2002. ISBN: 9706861343 2.- Sánchez, Juan Miguel Problemas de cálculo numérico para ingenieros con aplicacion Madrid : McGraw-Hill, 2005. 2005. ISBN: 8448129512 Complementaria: 3.- Vázquez Espí, Carlos Análisis Numérico / Madrid : García-Maroto, 2013.. 2013. ISBN: 9788415793069 Otros: 4.- Demidóvich, B. P. Cálculo numérico fundamental 3 ed.. Madrid : Paraninfo, 1988. 1988. ISBN: 842830887X 5.- Gerald, Curtis F. Análisis numérico con aplicaciones 6 ed.. México [etc.] : Pearson Educación, 2000. 2000. ISBN: 9684443935 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tercer Curso
PRIMER CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0342300 | Ampliación de Métodos Numéricos / Extension of Numerical Methods | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ampliación de Métodos Numéricos / Extension of Numerical MethodsCódigo: C0342300 Imprimir Curso 3 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Los objetivos de la asignatura son que el alumno aprenda los diferentes métodos numéricos de resolución de ecuaciones diferenciales y que obtenga soltura en el uso de librerías de simulación numérica. Además, el alumno tendrá como objetivo saber aplicarlos a problemas de relevancia en ingeniería matemática./The objectives of the course are for students to learn different numerical methods for solving differential equations and develop proficiency in the use of numerical simulation libraries. In addition, students are expected to be able to apply these methods to problems of relevance in Mathematical Engineering. Requisitos previos Resulta fundamental haber cursado (previamente) las asignaturas Ecuaciones Diferenciales y Ecuaciones en Diferencias, Ecuaciones en Derivadas Parciales y Métodos Numéricos u otras asignaturas de competencias y resultados de aprendizaje similares./It is essential that students have previously completed the courses Differential and Difference Equations, Partial Differential Equations, and Numerical Methods, or other courses with similar competences and learning outcomes. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería/ Handle the basic concepts of discrete mathematics, logic, algorithms, coding, operational research and artificial intelligence and their application to solve engineering problems. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RK5 - Conocer diferentes modelos de simulación, simulación estocástica, gestión y planificación de sistemas logísticos; y resolver con software casos de modelos de gestión y planificación de la producción/ To understand different simulation models, stochastic simulation, and the management and planning of logistics systems; and to solve cases involving production management and planning models using software. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados/ To use mathematical language to formulate propositions in various fields and to construct proofs for the given problems. TIPO: Habilidades o destrezas./TYPE: Skills. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos Se estudia el comportamiento de modelos lineales y de ecuaciones diferenciales no lineales, identificando tanto la estabilidad de los modelos como su comportamiento a largo a plazo. Se definen y comprenden diversos métodos numéricos para la resolución de EDOS ordinarias lineales y no lineales, y se pone el foco en la implementación computacional de varios de esos modelos como el método de Euler, los métodos predicción-corrección o el método Runge-Kutta de orden 4. También se desarrollan mecanismos numéricos para la resolución de EDOS de orden superior, y de sistemas de EDOS. En este caso, también se estudian sistemas de EDOS no lineales, y se exploran sus principales aplicaciones en el ámbito de la ingeniería matemática, como el estudio de poblaciones, aplicaciones en la química industrial o en la electrónica, así como en fenómenos de transporte. ------------------------- The course examines the behaviour of linear models and nonlinear differential equations, focusing on the analysis of model stability and long-term behaviour. Various numerical methods for solving linear and nonlinear ordinary differential equations (ODEs) are introduced and studied, with particular emphasis on the computational implementation of several of these methods, including Euler’s method, predictor–corrector methods, and the fourth-order Runge–Kutta method. Numerical methods for solving higher-order ODEs and systems of ODEs are also developed. In this context, nonlinear systems of ODEs are studied, together with their main applications in Mathematical Engineering, including population modelling, applications in industrial chemistry and electronics, and transport phenomena. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación SISTEMAS DE EVALUACIÓN Los sistemas diseñados para la evaluación del grado de adquisición, por parte de los estudiantes, de los resultados de aprendizaje son: SE1.- Actividades prácticas. Actividades prácticas individuales y grupales (resolución de casos, problemas y retos, realización de proyectos, exposiciones orales, debates, etc.). SE2.- Pruebas finales de conocimiento. Pruebas objetivas de conocimiento. Pueden ser escritas u orales, de desarrollo, de respuesta corta o tipo test, etc.. SE3.- Porfolio. Se evalúan las evidencias del aprendizaje (de conocimiento, desempeño o producto) del estudiante recogidas en un dosier, carpeta o porfolio a lo largo de la asignatura con la intención de explicar y reflexionar sobre el aprendizaje realizado. Dichos sistemas se concretan en los criterios de evaluación siguientes: CONVOCATORIA ORDINARIA - SE3: 20% Examen parcial. - SE1: 30% Son estudios de casos prácticos cuya evaluación corresponde a un informe final. En general se realizan de 2 a 4 durante el curso. - SE2: 50% Son pruebas escritas de conocimiento, examen final de convocatoria ordinaria. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 5,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación. En el caso de que la calificación obtenida en el examen final sea inferior a 5,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. Además, las pruebas de evaluación correspondientes a SE1, casos prácticos que representan el 30% de la evaluación, no pueden contener un porcentaje mayor al 30% de IA, en caso de que este limite se supere, dicha prueba tendrá una puntuación de 0/10. CONVOCATORIA EXTRAORDINARIA La convocatoria Extraordinaria supone la realización de un examen final de toda la asignatura. La nota en convocatoria extraordinaria se calculará como: - 100% Nota del examen teórico/práctico. ------------------------- ASSESSMENT METHODS The assessment methods designed to evaluate the extent to which students have achieved the intended learning outcomes are as follows: SE1 – Practical Activities Individual and group practical activities (case studies, problem-solving and challenge-based activities, project work, oral presentations, debates, etc.). SE2 – Final Knowledge Assessments Objective knowledge assessments. These may be written or oral and may take the form of extended-response, short-answer, multiple-choice, or other types of questions. SE3 – Portfolio Assessment of the student’s learning evidence (knowledge, performance, or product) collected in a dossier, folder, or portfolio throughout the course, with the aim of documenting and reflecting on the learning achieved. These assessment methods are specified through the following assessment criteria: ORDINARY EXAMINATION PERIOD SE3: 20% – Midterm examination. SE1: 30% – Practical case studies, assessed on the basis of a final report. In general, between two and four case studies are completed during the course. SE2: 50% – Written knowledge assessment: final examination during the regular assessment period. The calculation of the final grade in the ordinary examination period shall be conditional upon obtaining a minimum grade of 5.0 out of 10 in the final examination. Once this requirement has been met, the weighted average of all assessment activities and assessment tests shall be calculated, even if any of them has been failed. If the grade obtained in the final examination is below 5.0 out of 10, the final grade shall be the grade obtained in that examination. Furthermore, the assessment activities corresponding to SE1 (practical case studies), which account for 30% of the overall assessment, must not contain more than 30% AI-generated content. If this threshold is exceeded, the assessment activity will receive a grade of 0/10. EXTRAORDINARY EXAMINATION PERIOD The Extraordinary Examination Period consists of a final examination covering the entire course. The grade for the Extraordinary Examination Period will be calculated as follows: - 100% — Theoretical/practical examination grade. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- D. A. Ovalle, M. Á. Bernal-Yermanos y J. A. Posada-Restrepo Matemáticas para ingeniería. Métodos numéricos con Python Politécnico Grancolombiano. 2017. ISBN: 978-958-8721- 2.- Steven Chapra y Raymond Canale Métodos numéricos para ingenieros McGraw-Hill Interamericana de España S.L.. 2011. ISBN: 6071504996 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342301 | Desarrollo Orientado a Objetos / Object Oriented Development | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Desarrollo Orientado a Objetos / Object Oriented DevelopmentCódigo: C0342301 Imprimir Curso 3 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Esta asignatura se divide en una serie de bloques encaminados a mejorar y perfeccionar las técnicas que el alumno utiliza en la programación y prueba de aplicaciones. Los bloques de que consta el curso son: 1. Estructuras Avanzadas de Datos. En este bloque se introduce al alumno en técnicas especiales para definir estructuras de datos que modelicen la realidad. 2. Técnicas algorítmicas. Trata de estudiar distintas aproximaciones a la resolución algorítmica de problemas que se pueden utilizar en distintos momentos de la resolución de problemas por ordenador. 3. Pruebas de Programa. El objetivo de este bloque es la de concienciar al alumno de lo importante que son las pruebas en todo desarrollo. También se le enseñarán las técnicas más comunes para probar programas y sistemas informáticos. ------------------------- This course is divided into a series of modules aimed at developing and refining the techniques students use in application programming and testing. The course comprises the following modules: 1. Advanced Data Structures. This module introduces students to specialised techniques for defining data structures that model real-world systems and phenomena. 2. Algorithmic Techniques. This module examines different approaches to the algorithmic solution of problems that can be applied at different stages of computer-based problem solving. 3. Software Testing. The aim of this module is to raise students’ awareness of the importance of testing throughout the software development process. Students will also be introduced to the most common techniques for testing software programs and computer systems. Requisitos previos Resulta fundamental haber cursado (previamente) las asignaturas Fundamentos de Programación y Computadores, Estructura de Datos y Algoritmos I y II e Introducción a la Programación Paralela y Distribuida u otras asignaturas de competencias y resultados de aprendizaje similares./It is essential that students have previously completed the courses Fundamentals of Programming and Computers, Data Structures and Algorithms I and II, and Introduction to Parallel and Distributed Programming, or other courses with similar competences and learning outcomes. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos 1. Introducción a la Programación Orientada a Objetos (POO). 1.1. Fases desarrollo software. Metodologías. 1.2. Diagramas de diseño. Lenguaje UML. 2. Clases en Python. 2.1. Programación imperativa. 2.2. Objetos y clases. 2.3. Encapsulamiento. 2.4. Modularidad. 3. Herencia de clases. 3.1. Jerarquía de clases. Encapsulamiento. 3.2. Clases abstractas e interfaces. 3.3. Tratamiento de errores. Excepciones. 3.4. Colecciones y genericidad. Clases internas. 3.5. Polimorfismo. Concurrencia. Interfaces funcionales. 4. Diseño de la interfaz de usuario. 4.1. Elementos de interfaces gráficas. 4.2. Distribución geométrica de componentes. Layouts. 4.3. Manejo de eventos. Oyentes. 4.4. Framework/s para interfaz. 4.5. Uso de gráficos. 5. Patrones de diseño. 5.1. Conceptos generales de patrones. 5.2. Ejemplos representativos en Python. ------------------------- 1. Introduction to Object-Oriented Programming (OOP). 1.1. Software development phases and methodologies. 1.2. Design diagrams and the Unified Modeling Language (UML) 2. Classes in Python. 2.1. Imperative programming. 2.2. Objects and classes. 2.3. Encapsulation. 2.4. Modularity. 3. Class Inheritance. 3.1. Class hierarchies and encapsulation. 3.2. Abstract classes and interfaces. 3.3. Error handling and exceptions. 3.4. Collections and generics. Inner classes. 3.5. Polymorphism, concurrency, and functional interfaces. 4. User Interface Design. 4.1. Graphical user interface elements. 4.2. Geometric arrangement of components and layouts. 4.3. Event handling and event listeners. 4.4. User interface frameworks. 4.5. Use of graphics. 5. Design Patterns. 5.1. General concepts of design patterns. 5.2. Representative examples in Python. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.2 Talleres y laboratorios informáticos./Workshops and Computer Laboratories. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación El proceso de evaluación se realizará teniendo en cuenta las distintas competencias. CONVOCATORIA ORDINARIA La evaluación se compondrá de las siguientes partes: - Un 50% de examen teórico/práctico. - Un 50% de las prácticas de laboratorio. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. CONVOCATORIA EXTRAORDINARIA La evaluación se compondrá de una única parte (100%), consistente en un examen teórico/práctico. ------------------------- The assessment process will take into account the different competencies to be developed. ORDINARY EXAMINATION PERIOD Assessment will consist of the following components: - 50% - Theoretical/practical examination. - 50% - Laboratory practical assignments. The calculation of the final grade in the ordinary examination period shall be conditional upon obtaining a minimum grade of 4.0 out of 10 in the final examination. Once this requirement has been met, the weighted average of all assessment activities and assessment tests shall be calculated, even if any of them has been failed. If the grade obtained in the final examination is below 4.0 out of 10, the final grade shall be the grade obtained in that examination. EXTRAORDINARY EXAMINATION PERIOD Assessment will consist of a single component (100%), a theoretical/practical examination. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- David A. Ham Object-Oriented Programming in Python for Mathematicians (3rd Edition) Independiente. 2023. ISBN: 979-886257750 2.- Krzysztof Postek, Alessandro Zocca, Joaquim A. S. Gromicho y Jeffrey C. Kantor Hands-On Mathematical Optimization with Python Cambridge University Press. 2025. ISBN: 1009493507 3.- Luciano Ramalho Fluent Python: Clear, Concise, and Effective Programming (2nd Edition) O'Reilly Media. 2022. ISBN: 1492056359 4.- Steven F. Lott y Dusty Phillips Python Object-Oriented Programming (4th Edition) Packt Publishing. 2021. ISBN: 1801077266 Enlaces Python - Python documentación oficial Python tutoriales básicos - Python tutoriales en W3School |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342302 | Investigación operativa | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Investigación operativaCódigo: C0342302 Imprimir Curso 3 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Los objetivos generales de la asignatura son que el alumno: o Modelice problemas elementales de Investigación Operativa. o Conozca los fundamentos del algoritmo del simplex y de la dualidad. o Resuelva problemas de optimización lineal e interpretar correctamente los resultados. o Conozca los modelos clásicos de optimización entera. o Aplique las condiciones de optimización no lineal en casos sencillos. o Resuelva con software problemas típicos de Investigación Operativa, especialmente los de optimización lineal. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado las asignaturas Álgebra I y II, así como tener experiencia previa en los lenguajes de programación Python y VBA (Visual Basic for Applications). Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destreza. RS6 - Analizar textos del área de las matemáticas con el objetivo de familiarizarse con la estructura y publicaciones científicas también en inglés. TIPO: Habilidades o destrezas. Descripción de los contenidos PROBLEMAS CLÁSICOS DE MODELIZACIÓN EN INVESTIGACIÓN OPERATIVA OPTIMIZACIÓN LINEAL - Fundamentos teóricos del algoritmo del simplex - Algoritmo del simplex - Inicialización del algoritmo: método de penalizaciones y las dos fases - Fundamentos teóricos de dualidad - Algoritmo dual del simplex - Inicialización del algoritmo: método de la restricción artificial - Análisis de sensibilidad y postoptimización OPTIMIZACIÓN ENTERA - Método de ramificación y acotación OPTIMIZACIÓN NO LINEAL - Condiciones de Karush-Kuhn Tucker Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios informáticos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Existen dos convocatorias oficiales: ordinaria y extraordinaria. La nota final de la asignatura en la CONVOCATORIA ORDINARIA se calculará como la ponderación de proyectos y exámenes de la siguiente forma: - Evaluación continua (50%) + Examen parcial (20%) + Proyecto con Python* (30%) - Examen final (50%) * Para evaluar el proyecto con Python es obligatorio haber asistido y realizado todas las sesiones de laboratorio programadas. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. La nota final de la asignatura en la CONVOCATORIA EXTRAORDINARIA corresponderá al 100% de la nota obtenida en este examen. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- José Niño Mora Introducción a la optimización de decisiones: Métodos y modelos de investigación operativa. Ediciones Pirámide. 2021. ISBN: 9788436845280 Complementaria: 2.- Hillier, Frederick S. Investigación de operaciones 7 ed.. : McGraw-Hill Interamericana. 2002. ISBN: 9701034864 3.- Taha, Hamdy A. Investigación de operaciones 9 ed.. : Pearson Educación. 2012. ISBN: 9786073207966 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342303 | Tecnicas de Optimización y control | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Tecnicas de Optimización y controlCódigo: C0342303 Imprimir Curso 3 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura de Optimización y Control para ingenieros matemáticos abarca técnicas clave como el Cálculo de Variaciones, que optimiza funcionales mediante la ecuación de Euler-Lagrange, aplicada en problemas como la braquistócrona. En Control, se estudian sistemas dinámicos, con controladores PID y control óptimo basado en el principio de Pontryagin. La Programación Dinámica se introduce para resolver problemas secuenciales complejos, utilizando el principio de optimalidad de Bellman, aplicable en problemas discretos y continuos. Requisitos previos Recomendamos tener conocimientos de cálculo diferencial e integral, ecuaciones diferenciales y estadística. Se aconseja conocimientos de programación en python. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. RS6 - Analizar textos del área de las matemáticas con el objetivo de familiarizarse con la estructura y publicaciones científicas también en inglés. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 1. Cálculo de variaciones Tema 2. Técnicas de control óptimo Tema 3. Regulación lineal cuadrática y filtro de Kalman Tema 4. Programación dinámica Finalizado el curso, el estudiante será capaz de: - Comprender y aplicar el cálculo de variaciones para optimizar funcionales, utilizando el principio de Euler-Lagrange en problemas de trayectorias y otros contextos. - Dominar las técnicas de control clásico y control óptimo, incluyendo el diseño y análisis de controladores y la aplicación del principio de Pontryagin - Desarrollar habilidades en programación dinámica para descomponer y resolver problemas secuenciales complejos, aplicando el principio de optimalidad de Bellman en escenarios discretos y continuos. - Integrar conocimientos teóricos y prácticos para modelar, analizar y resolver problemas reales de optimización y control en diversas áreas de la ingeniería y las ciencias aplicadas. - Utilizar herramientas computacionales avanzadas para implementar y simular soluciones óptimas en sistemas dinámicos y procesos de decisión. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios informáticos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Convocatoria Ordinaria (Evaluación continua: 50%, peso del examen: 50%) La evaluación continua tendrá un peso del 50% en la evaluación final. El examen tendrá un peso del 50% en la evaluación final. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. Convocatoria Extraordinaria (100% Examen) En la convocatoria extraordinaria, la evaluación se basará únicamente en un examen que abarcará todos los contenidos del curso. El examen tendrá un peso del 100% en la evaluación final. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- D. O. Anderson y John B. Moore Optimal Control: Linear Quadratic Methods Dover Publications. 2007. ISBN: 9780486457666 2.- Donald E. Kirk Optimal control theory: An introduction Dover Publications. 2024. ISBN: 048632432X 3.- Frederick S. Hiller y Gerald J. Lieberman Introduccion a la Investigacion de Operaciones McGraw-Hill. 1991. ISBN: 8486862450 4.- Robert Grover Brown y Patrick Y. C. Hwang Introduction to Random Signals and Applied Kalman Filtering Wiley. 2012. ISBN: 0470609699 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342304 | Variable compleja y Análisis de Fourier | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Variable compleja y Análisis de FourierCódigo: C0342304 Imprimir Curso 3 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Conoce, estudia y aplica resultados teórico prácticos de las Funciones Analíticas en particular de las Funciones Elementales y sus composiciones. Conoce y aplica para la integración de funciones holomorfas el teorema de Cauchy-Gousart y la fórmula integral de Cauchy en sus diferentes versiones para funciones de variable compleja. Conoce y aplica correctamente el Teorema de Cauchy de los residuos y sus aplicaciones. Conoce la transformada discreta de Fourier y propiedades y aplica a la teoría de la señales: la transformada rápida de Fourier, Filtrado de señales; y la aplica al tratamiento de imágenes y a la compresión de audio. Requisitos previos No se han establecido requisitos previos. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK4 - Conocer demostraciones rigurosas de algunos teoremas clásicos en distintas áreas de las Matemáticas. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos - Introducción: números complejos . - Funciones Analíticas. - Funciones Elementales. - El teorema y fórmula integral de Cauchy para funciones de variable compleja. - Teorema de Cauchy de los residuos y aplicaciones. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación El proceso de evaluación continua consta de: 1) Un control sobre cálculos con números complejos, tema 1 y 2 del temario, a mediados del curso, con un peso del 25% 2) Un control sobre integración compleja, tema 3 y 5 del temario, a finales de año, con un peso del 25% 3) El examen oficial, convocatoria ordinaria, de toda la asignatura, con un peso del 50%. En ningún caso los controles superados liberan materia de este examen final. Para que se aplique la evaluación continua el examen oficial debe superar o ser igual a 4. Es decir, si se obtiene menos de 4 en el examen final la asignatura no estará superada, figurando directamente esta nota en el expediente. Para la convocatoria extraordinaria, sólo se tendrá en cuenta dicho examen con un peso del 100%. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Murray R. Spiegel Variable Compleja McGraw-Hill. 2011. ISBN: 6071505518 2.- Ruel V. Churchill y James Ward Brown Variable Compleja y Aplicaciones 7 ed.. McGraw-Hill. 2010. ISBN: 8448142128 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SEGUNDO CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0342305 | Cálculo estocastico | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Cálculo estocasticoCódigo: C0342305 Imprimir Curso 3 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos El objetivo de esta asignatura es proporcionar a los estudiantes una sólida formación en el análisis y modelización de procesos estocásticos, capacitándolos para abordar problemas dinámicos sujetos a incertidumbre en diversos contextos. Al finalizar el curso, el estudiante será capaz de: - Comprender los fundamentos de los procesos estocásticos y su relevancia en la modelización de fenómenos aleatorios. - Analizar y caracterizar cadenas de Markov, aplicando sus propiedades en la resolución de problemas matemáticos y aplicaciones reales. - Desarrollar un entendimiento profundo de las martingalas y sus propiedades fundamentales, aplicándolas en el análisis de juegos de azar, finanzas y otros sistemas estocásticos. - Modelar fenómenos aleatorios utilizando el movimiento browniano, entendiendo sus propiedades y su papel como base para el cálculo estocástico. - Introducirse en el cálculo estocástico mediante la integración estocástica y la aplicación de la fórmula de Itô, aplicándola en la solución de ecuaciones diferenciales estocásticas. - Formular y resolver problemas estocásticos utilizando un enfoque teórico y analítico, con aplicaciones en física, ingeniería financiera y otros campos de la ingeniería matemática. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas de estadística de la titulación. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 0. Repaso de teoría de la probabilidad. - Espacios de probabilidad, variables aleatorias y distribuciones de probabilidad. - Esperanza, varianza y covarianza. - Funciones generadoras y transformadas de Laplace. - Vectores aleatorios y distribuciones de probabilidad conjuntas. - Distribución normal multivariante. Tema 1. Introducción a los procesos estocásticos. Definición y clasificación de procesos estocásticos. Procesos en tiempo discreto y continuo. Función de autocorrelación. Estacionariedad débil y fuerte. Tema 2. Cadenas de Markov en tiempo discreto. - Definición y propiedades fundamentales. - Matrices de transición y cadenas regulares. - Distribución estacionaria y convergencia. - Aplicaciones en modelización matemática. Tema 3. Martingalas en tiempo discreto. - Definición y propiedades de las martingalas. - Martingalas, submartingalas y supermartingalas. - Teoremas de convergencia de martingalas. - Aplicaciones en finanzas. Tema 4. Cadenas de Markov en tiempo continuo. - Procesos de Markov en tiempo continuo. - Generadores infinitesimales y semigrupos de transición. - Procesos de Poisson. - Procesos de nacimiento y muerte. Tema 5. Movimiento browniano. - Definición y construcción del movimiento browniano. - Propiedades fundamentales: continuidad, independencia de incrementos y distribución normal. - Movimiento browniano en varias dimensiones. - Aplicaciones en física y finanzas (modelos de precios de activos). Tema 6. Introducción al cálculo estocástico: integración estocástica. - Integral de Itô y propiedades fundamentales. - Fórmula de Itô y aplicaciones. - Aplicaciones en ingeniería financiera y modelización de sistemas dinámicos. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.1. Elaboración de proyectos y resolución de retos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación La nota final de la asignatura en la CONVOCATORIA ORDINARIA se calculará como la ponderación de proyectos y exámenes de la siguiente forma: - Evaluación continua (60%): + Entrega de ejercicios (20%). + Actividades prácticas en grupo (20%). + Examen parcial no liberatorio (20%). - Examen final de toda la asignatura (40%): se requiere calificación mínima de 4,0 para promediar. En el caso de que la calificación del examen final sea igual o superior a 4,0 se promedia con la evaluación continua, incluso aunque esta esté suspensa. La nota final de la asignatura en la CONVOCATORIA EXTRAORDINARIA se obtiene del 100% de la nota del examen final de dicha convocatoria. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Richard Durrett Essentials of Stochastic Processes Springer. 2018. ISBN: 3319833316 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342306 | Criptografia y Seguridad / Cryptography and Security | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Criptografia y Seguridad / Cryptography and SecurityCódigo: C0342306 Imprimir Curso 3 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos En esta asignatura sentaremos las bases de la criptografía moderna, una disciplina fundamental para garantizar la seguridad en los sistemas y las comunicaciones digitales. La criptografía es esencial para proteger información sensible, garantizar la privacidad y generar confianza en la era digital. ¿Por qué es importante la criptografía? La criptografía no solo es esencial para la seguridad, sino que también desempeña un papel clave en: • Aprendizaje automático seguro e IA con preservación de la privacidad. • Blockchain y sistemas distribuidos. • Comunicaciones seguras en IoT y computación en la nube. • Sistemas de identidad digital y autenticación. • Privacidad de los datos y cumplimiento del RGPD. ------------------------- This course introduces the foundations of modern cryptography, a discipline that is essential for ensuring security in digital systems and communications. Cryptography plays a fundamental role in protecting sensitive information, ensuring privacy, and establishing trust in the digital age. Why is Cryptography Important? Cryptography is not only essential for security but also plays a key role in: • Secure machine learning and privacy-preserving AI. • Blockchain and distributed systems. • Secure communications in IoT and cloud computing. • Digital identity and authentication systems. • Data privacy and GDPR compliance. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas de programación de la titulación./No prerequisites have been established for this course. However, it is highly recommended that students have previously completed or are currently taking the programming courses included in the degree programme. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a./ to have a critical and self-critical attitude to face the challenges of activity as a mathematical engineer, and has the ability to show attitudes consistent with the ethical and deontological concepts that govern scientific innovation and professional practice as a mathematical engineer. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto/ To assess the social impact and implications of solutions and proposals in mathematical engineering, ensuring compliance with quality standards and applicable project regulations. TIPO: Competencias./TYPE: Competences. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería/ Handle the basic concepts of discrete mathematics, logic, algorithms, coding, operational research and artificial intelligence and their application to solve engineering problems. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos La asignatura tiene 6 créditos ECTS y abarca: • Fundamentos teóricos: principios matemáticos que sustentan los sistemas criptográficos, incluyendo teoría de la información, teoría de números y complejidad computacional. • Criptografía simétrica: cifradores de flujo y de bloque, incluyendo DES y AES, y sus modos de operación. • Funciones hash: funciones hash criptográficas, sus propiedades y aplicaciones en la verificación de la integridad y en las firmas digitales. • Criptografía asimétrica: criptosistemas de clave pública como RSA, el intercambio de claves Diffie-Hellman y ElGamal. • Criptografía de curva elíptica (ECC): sistemas criptográficos modernos basados en curvas elípticas, que ofrecen mayor seguridad con tamaños de clave más reducidos. • Criptografía poscuántica: introducción a sistemas criptográficos resistentes a ataques mediante computación cuántica. ------------------------- The course is worth 6 ECTS credits and covers the following topics: • Theoretical Foundations: Mathematical principles underlying cryptographic systems, including information theory, number theory, and computational complexity. • Symmetric Cryptography: Stream and block ciphers, including DES and AES, and their modes of operation. • Hash Functions: Cryptographic hash functions, their properties, and their applications in integrity verification and digital signatures. • Asymmetric Cryptography: Public-key cryptosystems such as RSA, the Diffie–Hellman key exchange, and ElGamal. • Elliptic Curve Cryptography (ECC): Modern cryptographic systems based on elliptic curves, which provide enhanced security with smaller key sizes. • Post-Quantum Cryptography: Introduction to cryptographic systems designed to withstand attacks using quantum computing. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.2 Talleres y laboratorios informáticos./Workshops and Computer Laboratories. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. Sistema y criterios de evaluación En el aula virtual de la asignatura podrás consultar en detalle las actividades que debes realizar, así como las fechas de entrega, los criterios de evaluación y las rúbricas correspondientes a cada una de ellas. CONVOCATORIA ORDINARIA Para superar la asignatura en la convocatoria ordinaria, deberás obtener una calificación mayor o igual a 5,0 sobre 10,0 en la calificación final de la asignatura (media ponderada) y, adicionalmente: IMPORTANTE: La calificación media de todas las actividades de la asignatura deberá ser igual o superior a 5,0 sobre 10,0 para poder promediar con la nota del examen. Asimismo, la calificación del examen deberá ser igual o superior a 4,0 sobre 10,0 para poder promediar con la de las actividades. La calificación final en esta convocatoria se basará en el siguiente sistema de evaluación: Evaluación continua (40 % de la calificación final): • Participación en el foro y actitud diaria en el aula: 5 % de la calificación final. • Prácticas TP1 y TP2: 15 % cada una (30 % en total). – TP1: Implementación de sistemas criptográficos clásicos o de fundamentos matemáticos. – TP2: Implementación de ataques a protocolos criptográficos. • Práctica del foro: 5 % de la calificación final. • Actitud y trabajo en el aula: 5 % de la calificación final. – Proyecto integral que involucra criptografía simétrica y/o asimétrica. Examen final (60 % de la calificación final). El examen final evaluará tu comprensión global de la criptografía, incluyendo: • Conceptos teóricos y fundamentos matemáticos. • Análisis de protocolos criptográficos. • Evaluación de la seguridad y análisis de vulnerabilidades. • Resolución de problemas utilizando técnicas criptográficas adecuadas. CONVOCATORIA EXTRAORDINARIA Para superar la asignatura en la convocatoria extraordinaria, es necesario obtener una calificación mayor o igual a 5,0 sobre 10,0 en la calificación final de la asignatura (media ponderada). El estudiantado deberá entregar aquellas actividades que no hayan sido superadas en la convocatoria ordinaria, tras haber recibido la correspondiente retroalimentación del profesor, así como aquellas que no hubieran sido entregadas. Se aplican los siguientes criterios de evaluación: • Tanto la media de las actividades como la calificación del examen deben ser ≥ 5,0. • La media ponderada final debe ser ≥ 5,0. ------------------------- Detailed information about the activities to be completed, submission deadlines, assessment criteria, and the corresponding rubrics for each activity can be found on the course virtual campus. ORDINARY EXAMINATION PERIOD To pass the course in the Ordinary Examination Period, students must obtain a final course grade (weighted average) of 5.0/10.0 or higher and, in addition: IMPORTANT: The average grade across all course activities must be 5.0/10.0 or higher in order to be averaged with the examination grade. Likewise, the examination grade must be 4.0/10.0 or higher in order to be averaged with the activity grade. The final grade for this examination period will be based on the following assessment system: Continuous Assessment (40% of the final grade): • Participation in the forum and daily engagement in class: 5% of the final grade. • Practical Assignments TP1 and TP2: 15% each (30% in total). – TP1: Implementation of classical cryptographic systems or mathematical foundations. – TP2: Implementation of attacks on cryptographic protocols. • Forum Assignment: 5% of the final grade. • Classroom engagement and coursework: 5% of the final grade. – Comprehensive project involving symmetric and/or asymmetric cryptography. Final Examination (60% of the final grade). The final examination will assess students’ overall understanding of cryptography, including: • Theoretical concepts and mathematical foundations. • Analysis of cryptographic protocols. • Security assessment and vulnerability analysis. • Problem solving using appropriate cryptographic techniques. EXTRAORDINARY EXAMINATION PERIOD To pass the course in the Extraordinary Examination Period, students must obtain a final course grade (weighted average) of 5.0/10.0 or higher. Students must submit any activities that were not passed in the Ordinary Examination Period, after receiving the corresponding feedback from the instructor, as well as any activities that were not submitted. The following assessment criteria apply: • Both the average activity grade and the examination grade must be 5.0/10.0 or higher. • The final weighted average must be 5.0/10.0 or higher. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Luis Hernández Encinas La criptografía Los libros de la Catarata. 2016. ISBN: 9788490971079 2.- María Isabel González Vasco y Ángel Luis Pérez del Pozo Criptografía esencial: Principios básicos para el diseño de esquemas y protocolos seguros Ediciones de la U. 2021. ISBN: 978-958-792-2 3.- Pino Caballero Gil Introducción a la Criptografía RA-MA S.A. Editorial y Publicaciones. 2002. ISBN: 9788478975204 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342307 | Gestion de Datos / Data Management | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Gestion de Datos / Data ManagementCódigo: C0342307 Imprimir Curso 3 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Este curso tiene como objetivo proporcionar a los estudiantes los conocimientos y habilidades necesarios para gestionar, transformar y analizar datos de manera efectiva, utilizando diversas técnicas de exploración, reducción de dimensionalidad, agrupación y extracción de conocimiento./The course aims to provide students with the knowledge and skills required to manage, transform, and analyse data effectively, using a range of techniques for data exploration, dimensionality reduction, clustering, and knowledge extraction. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas de programación de la titulación./No prerequisites have been established for this course. However, it is highly recommended that students have previously completed or are currently taking the programming courses included in the degree programme. Competencias No procede./Not applicable. Resultados de aprendizaje RC1 - Desarrollar herramientas de visualización de grandes volúmenes de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico/ To develop large volumes of data visualization tools to communicate the results of the analyses carried out on them, adapting them to different audiences, both technical and non-technical. TIPO: Competencias./TYPE: Competences. RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a./ to have a critical and self-critical attitude to face the challenges of activity as a mathematical engineer, and has the ability to show attitudes consistent with the ethical and deontological concepts that govern scientific innovation and professional practice as a mathematical engineer. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto/ To assess the social impact and implications of solutions and proposals in mathematical engineering, ensuring compliance with quality standards and applicable project regulations. TIPO: Competencias./TYPE: Competences. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución/ to formulate problems in a professional environment with an mathematical language, in a way that facilitates their analysis and resolution. TIPO: Competencias./TYPE: Competences. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería/ Handle the basic concepts of discrete mathematics, logic, algorithms, coding, operational research and artificial intelligence and their application to solve engineering problems. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos/ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS2 - Aplicar métodos de Ciencia de Datos (gestión, machine learning) como parte del proceso de análisis de grandes conjuntos de datos en entornos de computación./ To apply Data Science methods (management, machine learning) as part of the process of analyzing large datasets in computing environments. TIPO: Habilidades o destrezas./TYPE: Skills. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos La asignatura de Gestión de Datos consta de los siguientes temas: o Tema 1. Fundamentos de la gestión de datos. o Tema 2. Almacenamiento de Datos I: SQL o Tema 3. Técnicas de Extracción de Conocimiento o Tema 4. Almacenamiento de Datos II: No SQL Finalizado el curso, el estudiante será capaz de: - Gestionar y almacenar datos eficientemente, comprendiendo distintos modelos y arquitecturas. - Transformar datos, corrigiendo errores y manejando valores ausentes. - Explorar y seleccionar datos relevantes, aplicando análisis exploratorio y visualización. - Reducir la dimensionalidad, utilizando técnicas como PCA y t-SNE para optimizar el análisis. - Aplicar métodos de agrupación y extracción de conocimiento, como clustering, clasificación y reglas de asociación. - Implementar soluciones en Python, desarrollando modelos aplicables a problemas reales. ------------------------- The Data Management course consists of the following topics: o Topic 1. Fundamentals of Data Management o Topic 2. Data Storage I: SQL o Topic 3. Knowledge Extraction Techniques o Topic 4. Data Storage II: NoSQL Upon completion of the course, students will be able to: - Manage and store data efficiently, understanding different data models and architectures. - Transform data by correcting errors and handling missing values. - Explore and select relevant data by applying exploratory data analysis and visualization techniques. - Reduce dimensionality using techniques such as PCA and t-SNE to optimise data analysis. - Apply clustering and knowledge extraction methods, such as clustering, classification, and association rules. - Implement solutions in Python, developing models applicable to real-world problems. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.2 Talleres y laboratorios informáticos./Workshops and Computer Laboratories. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA: Evaluación continua: - Participación y asistencia + resolución de los casos de uso (50%): - Asistencia regular a clases y actividades programadas. - Participación activa en discusiones y debates - Realización correcta y completa de los casos de uso. - Examen final de toda la asignatura (50%). La nota de las actividades de evaluación continua deberá ser igual o mayor de 5,0 sobre 10,0 para promediar con el examen. Al igual que la nota del examen final, que deberá ser también igual o mayor de 5,0 sobre 10,0 para promediar con las actividades de evaluación continua. CONVOCATORIA EXTRAORDINARIA: 100% examen. ------------------------- ORDINARY EXAMINATION PERIOD Continuous Assessment: - Participation and Attendance + Use Case Completion (50%): - Regular attendance at classes and scheduled activities. - Active participation in discussions and debates. - Correct and complete completion of the use cases. - Final Examination covering the entire course (50%). The continuous assessment grade must be at least 5.0/10.0 in order to be averaged with the examination grade. Likewise, the final examination grade must also be at least 5.0/10.0 in order to be averaged with the continuous assessment grade. EXTRAORDINARY EXAMINATION PERIOD: Examination (100%). Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Anne-Christine BISSON SQL Fundamentos del lenguaje Ediciones ENI. 2021. ISBN: 9782409030376 2.- E. Redmond y J. R. Wilson Seven Databases in Seven Weeks: A Guide to Modern Databases and the NoSQL Movement Pragmatic Bookshelf. 2012. ISBN: 9781934356920 3.- K. Chodorow MongoDB: The Definitive Guide (3ª ed.) O’Reilly Media. 2019. ISBN: 9781491954461 4.- R. Elmasri y S. B. Navathe Fundamentals of Database Systems (7ª ed.) Pearson. 2015. ISBN: 9780133970777 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342308 | Simulación numérica / Numerical Simulation | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Simulación numérica / Numerical SimulationCódigo: C0342308 Imprimir Curso 3 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Los objetivos de la asignatura se dividen en dos grandes grupos. Por una parte el alumno aprenderá los principales métodos numéricos de resolución de ecuaciones diferenciales en derivadas parciales (EDPs). Por otra parte el alumno aprenderá las principales técnicas de análisis y tratamiento de las soluciones obtenidas. El primer grupo se divide en métodos de resolución explicita e implícita de EDPs junto con los métodos de búsqueda de soluciones especiales (como las estacionarias) de las EDPs. El segundo grupo se divide en algoritmos para el manejo de matrices grandes y el uso de funcionales y análisis funcional para comprender y analizar las soluciones de las EDPs obtenidas con el primer grupo de objetivos. ------------------------- The objectives of the course are divided into two main areas. The first focuses on the study of the main numerical methods for solving partial differential equations (PDEs). The second focuses on the main techniques for analysing and processing the solutions obtained. The first area covers explicit and implicit methods for solving PDEs, together with methods for finding special solutions to PDEs, such as steady-state solutions. The second area covers algorithms for handling large matrices, as well as the use of functionals and functional analysis to understand and analyse the solutions to the PDEs obtained using the methods covered in the first area. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas de la materia Cálculo Numérico y también las de programación de la titulación./No prerequisites have been established for this course. However, it is highly recommended that students have previously completed or are currently taking the courses in the Numerical Analysis subject area, as well as the programming courses included in the degree programme. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería/ Handle the basic concepts of discrete mathematics, logic, algorithms, coding, operational research and artificial intelligence and their application to solve engineering problems. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RK5 - Conocer diferentes modelos de simulación, simulación estocástica, gestión y planificación de sistemas logísticos; y resolver con software casos de modelos de gestión y planificación de la producción/ To understand different simulation models, stochastic simulation, and the management and planning of logistics systems; and to solve cases involving production management and planning models using software. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados/ To use mathematical language to formulate propositions in various fields and to construct proofs for the given problems. TIPO: Habilidades o destrezas./TYPE: Skills. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos - Introducción a la simulación con ecuaciones diferenciales. Se revisarán las principales soluciones de ecuaciones diferenciales de orden 1 y 2. - Método de diferencias finitas y Crank-Nicholson. Se estudiarán el método de diferencias finitas tanto explícito como implícito y el método de Crank-Nicholson y se implementará para obtener las soluciones de: - Resolución numérica de la ecuación de ondas. - Resolución numérica de la ecuación del calor. - Resolución numérica de la Ecuación de Laplace. - Resolución de ecuaciones en derivadas parciales con diferentes formas de condiciones de contorno y de frontera. Se verán condiciones de frontera homogéneas y no homogéneas. - Tratamiento de matrices Sparse. Se hará un estudio de como implementar numéricamente la resolución de matrices Sparse y sus beneficios frente a los métodos de resolución convencionales de sistemas de ecuaciones. - Método de elementos finitos. Se verá una introducción del método de elementos finitos y formulación variacional. Se implementará el método primero para la resolución de EDOs y posteriormente para la resolución de EDPS de segundo orden. ------------------------- - Introduction to simulation using differential equations. The main methods for solving first- and second-order differential equations will be reviewed. - Finite Difference and Crank–Nicolson Methods. Explicit and implicit finite difference methods, as well as the Crank–Nicolson method, will be studied and implemented to obtain numerical solutions to: - Numerical solution of the wave equation. - Numerical solution of the heat equation. - Numerical solution of Laplace’s equation. - Solution of partial differential equations with different types of boundary conditions. Homogeneous and non-homogeneous boundary conditions will be considered. - Sparse matrix techniques. Numerical methods for solving systems involving sparse matrices will be studied, together with their advantages over conventional methods for solving systems of equations. - Finite Element Method. An introduction to the Finite Element Method and variational formulation will be provided. The method will first be implemented for solving ordinary differential equations (ODEs) and subsequently for solving second-order partial differential equations (PDEs). Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA Evaluación continua: - Talleres y tareas (35%). *** Aquellas tareas que superen el 25-30% de IA serán ponderadas con una nota de 0/10. - Examen de convocatoria ordinaria (65%): final (de toda la asignatura). *** Se necesita un mínimo de 4,5 sobre 10,0 en este examen para hacer media con la evaluación con los talleres y las tareas. La asignatura se considera superada en convocatoria ordinaria si la calificación final es 5,0 sobre 10,0 o superior. CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria la/el estudiante se examinará de todos los contenidos impartidos en la asignatura en examen único. La calificación en esta convocatoria será la obtenida en dicho examen (no se tendrán en cuenta ni los talleres ni las tareas). La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 sobre 10,0 o superior. ------------------------- ORDINARY EXAMINATION PERIOD Continuous Assessment: - Workshops and Assignments (35%). *** Any assignment in which the use of AI exceeds 25–30% will be assigned a grade of 0/10. - Ordinary Examination (65%): final examination covering the entire course. *** A minimum grade of 4.5/10.0 must be obtained in this examination for the grade to be averaged with the continuous assessment grade for workshops and assignments. The course is considered passed in the Ordinary Examination Period if the final grade is 5.0/10.0 or higher. EXTRAORDINARY EXAMINATION PERIOD In the Extraordinary Examination Period, students will be examined on all course content in a single examination. The grade for this examination period will be the grade obtained in that examination; neither workshops nor assignments will be taken into account. The course is considered passed in the Extraordinary Examination Period if the final grade is 5.0/10.0 or higher. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Juan Carlos Jiménez Bedolla Métodos numéricos usando Python Universidad Nacional Autónoma de México. 2022. ISBN: 978-607-30-58 2.- O. C. Zienkiewicz El método de los elementos finitos Reverté. 2010. ISBN: 978-84-291-91 3.- Steven Chapra y Raymond Canale Métodos numéricos para ingenieros McGraw-Hill Interamericana de España S.L.. 2011. ISBN: 6071504996 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0342309 | Inteligencia artificial | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Inteligencia artificialCódigo: C0342309 Imprimir Curso 3 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura "Introducción a la Inteligencia Artificial" está diseñada para brindar a los estudiantes de Ingeniería Matemática una visión general de los conceptos, técnicas y aplicaciones fundamentales de la IA. El curso abarca desde los principios básicos, como la definición y el impacto de la IA en diferentes industrias, hasta el desarrollo de modelos prácticos. Los estudiantes aprenderán a implementar modelos de clasificación (básicos y avanzados) y de regresión, explorarán el análisis de datos a través de series temporales, y serán introducidos a redes neuronales y aprendizaje no supervisado. Se prioriza un enfoque práctico, utilizando herramientas y lenguajes como Python, para resolver problemas reales mientras se desarrolla una sólida base teórica. Al finalizar el curso, el estudiante será capaz de (objetivos de aprendizaje): - Adquirir un amplio conocimiento sobre la materia y sus aplicaciones más comunes. - Implementar diferentes modelos utilizando la sintaxis del lenguaje de programación Python. - Aprender y analizar cómo entrenar modelos de Inteligencia Artificial - Aplicar modelos de IA a problemas del mundo real de diversa índole. Requisitos previos Recomendamos tener conocimientos en lenguaje de programación Python, ya que será utilizado como el principal lenguaje de programación en este curso. Se recomienda haber cursado las asignaturas de análisis numérico, Técnicas de Optimización y Control y álgebra lineal. Competencias No procede. Resultados de aprendizaje RC1 - Desarrollar herramientas de visualización de grandes volúmenes de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico. TIPO: Competencias. RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática. TIPO: Competencias. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos. TIPO: Conocimientos o contenidos. RS2 - Aplicar métodos de Ciencia de Datos (gestión, machine learning) como parte del proceso de análisis de grandes conjuntos de datos en entornos de computación. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos La asignatura Inteligencia Artificial del grado en Ingeniería Matemática de la Universidad Alfonso X el Sabio consta de los temas siguientes: - Tema 0. Fundamentos de la IA. - Tema 1. Modelos de clasificación. - Tema 2. Modelos de Regresión. - Tema 3. Series temporales e IA. - Tema 4. Introducción a las Redes Neuronales. - Tema 5. Modelos no supervisados y por Refuerzo. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios informáticos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA (evaluación continua + examen final): +++ Evaluación continua: participación y asistencia + resolución de los casos de uso (50%). - Asistencia regular a clases y actividades programadas. - Participación activa en discusiones y debates. - Realización correcta y completa de los casos de uso. +++ Examen final: examen en convocatoria ordinaria de todos los contenidos de la asignatura (50%). - Se requerirá una calificación mínima de 4,0 en este examen para que pueda computarse en el cálculo de la nota final junto con la evaluación continua. En tal caso, se procederá a realizar la media aun cuando la calificación obtenida en esta última sea inferior a 5,0. CONVOCATORIA EXTRAORDINARIA: En la convocatoria extraordinaria, la evaluación se basará únicamente en un examen que abarcará todos los contenidos del curso. El examen tendrá un peso del 100% en la evaluación final. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Charu C. Aggarwal Linear Algebra and Optimization for Machine Learning Springer. 2020. ISBN: 3030403432 2.- Eloy Vicente Cestero y Alfonso Mateos Caballero Inteligencia Artificial: Fundamentos matemáticos, algorítmicos y metodológicos 978-84-09-46911-6. 2023. ISBN: 8409469111 3.- John D. Kelleher, Brian Mac Namee y Aoife D'Arcy Fundamentals of Machine Learning for Predictive Data Analytics, second edition: Algorithms, Worked Examples, and Case Studies The MIT Press. 2020. ISBN: 0262044692 4.- Peter J. Brockwell (Autor), Richard A. Davis Introduction to Time Series and Forecasting (Springer Texts in Statistics) 3 ed.. Springer International Publishing AG. 2016. ISBN: 9783319298528 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 30 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Cuarto Curso
PRIMER CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442300 | Aprendizaje Automático | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Aprendizaje AutomáticoCódigo: C0442300 Imprimir Curso 4 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Este curso tiene como objetivo presentar los conceptos básicos y avanzados del Aprendizaje Automático de manera gradual. El inicio del curso se verán los fundamentos de aprendizaje automático supervisado para posteriormente pasar a los modelos de aprendizaje profundo o "deep learning". El curso concluirá con los modelos de análisis no supervisado. Los conocimientos necesarios para comprender los modelos de redes neuronales presentados en este curso incluyen conceptos teóricos fundamentales, así como la capacidad de construir tus propios modelos utilizando el lenguaje de programación Python. Para lograr esto, combinaremos los conceptos teóricos con casos de uso, que permitirán verificar los resultados obtenidos en problemas del mundo real. Requisitos previos Recomendamos tener conocimientos en lenguaje de programación Python, ya que será utilizado como el principal lenguaje de programación en este curso de Aprendizaje Automático (Machine Learning). Competencias No procede. Resultados de aprendizaje RC1 - Desarrollar herramientas de visualización de grandes volúmenes de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico. TIPO: Competencias. RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática. TIPO: Competencias. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos. TIPO: Conocimientos o contenidos. RS2 - Aplicar métodos de Ciencia de Datos (gestión, machine learning) como parte del proceso de análisis de grandes conjuntos de datos en entornos de computación. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 0. Fundamentos de aprendizaje automático Tema 1. Modelos de clasificación y regresión Tema 2. Redes neuronales Tema 3. Redes neuronales convolucionales CNN Tema 4. Redes neuronales recurrentes RNN Tema 5. Procesamiento del lenguaje natural Tema 6. Modelos no supervisados Al finalizar el curso, el estudiante será capaz de: - Adquirir un amplio conocimiento sobre el Aprendizaje Automático y sus aplicaciones más comunes. - Implementar diferentes modelos utilizando la sintaxis del lenguaje de programación Python. - Aprender y analizar cómo entrenar modelos de Aprendizaje Automático. - Aplicar modelos de Aprendizaje Automático a problemas del mundo real de diversa índole. - Comprender y utilizar adecuadamente las herramientas y técnicas de despliegue de modelos previamente entrenados. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios informáticos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA (peso de los casos de uso: 50%, peso del examen: 50%): 1) Participación y asistencia + resolución de los casos de uso (50%): a) Asistencia regular a clases y actividades programadas. b) Participación activa en discusiones y debates c) Realización correcta y completa de los casos de uso 2) Examen final (50%): examen en convocatoria ordinaria donde se incluirá 50% de preguntas teóricas y 50% de casos de uso. El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. CONVOCATORIA EXTRAORDINARIA (100% Examen): En la convocatoria extraordinaria, la evaluación se basará únicamente en un examen que abarcará todos los contenidos del curso. El examen tendrá un peso del 100% en la evaluación final. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Charu C. Aggarwal Linear Algebra and Optimization for Machine Learning Springer. 2020. ISBN: 3030403432 2.- Eloy Vicente Cestero y Alfonso Mateos Caballero Inteligencia Artificial: Fundamentos matemáticos, algorítmicos y metodológicos 978-84-09-46911-6. 2023. ISBN: 8409469111 3.- John D. Kelleher, Brian Mac Namee y Aoife D'Arcy Fundamentals of Machine Learning for Predictive Data Analytics, second edition: Algorithms, Worked Examples, and Case Studies The MIT Press. 2020. ISBN: 0262044692 4.- Peter J. Brockwell (Autor), Richard A. Davis Introduction to Time Series and Forecasting (Springer Texts in Statistics) 3 ed.. Springer International Publishing AG. 2016. ISBN: 9783319298528 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442301 | Modelos de Gestión y Producción / Management and Production Models | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Modelos de Gestión y Producción / Management and Production ModelsCódigo: C0442301 Imprimir Curso 4 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos Modelos de Gestión y Producción ofrece a los estudiantes de Ingeniería Matemática una visión integral de la gestión y producción de proyectos, combinando técnicas matemáticas con metodologías ágiles como Scrum y Kanban. Se explorarán procesos, herramientas y modelos aplicados a la planificación, ejecución y optimización de proyectos en distintos entornos productivos. A lo largo de la asignatura, los estudiantes adquirirán habilidades para: - Aplicar modelos matemáticos en la gestión de proyectos, optimización de inventarios, secuenciación de tareas y gestión de líneas de espera. - Implementar metodologías ágiles con herramientas como Jira y Figma para organizar flujos de trabajo y mejorar la productividad. - Modelizar y resolver problemas de fiabilidad, reemplazamiento y mantenimiento en distintos contextos productivos. - Comprender y aplicar modelos de simulación, incluyendo la generación de números y variables aleatorias para análisis y toma de decisiones. - Integrar técnicas matemáticas con enfoques de gestión modernos para mejorar la eficiencia y adaptabilidad en la producción. Esta asignatura combina teoría y práctica mediante casos aplicados y herramientas de software, capacitando a los estudiantes para afrontar los desafíos de la gestión de proyectos en entornos industriales y tecnológicos. ------------------------- Management and Production Models provides Mathematical Engineering students with a comprehensive perspective on project management and production, combining mathematical techniques with agile methodologies such as Scrum and Kanban. The course explores processes, tools, and models applied to project planning, execution, and optimisation across different production environments. Throughout the course, students will develop the ability to: - Apply mathematical models to project management, inventory optimisation, task scheduling, and queueing systems. - Implement agile methodologies using tools such as Jira and Figma to organise workflows and improve productivity. - Model and solve reliability, replacement, and maintenance problems in different production contexts. - Understand and apply simulation models, including the generation of random numbers and random variables for analysis and decision-making. - Integrate mathematical techniques with modern management approaches to improve efficiency and adaptability in production. The course combines theoretical and practical learning through applied case studies and software tools, preparing students to address the challenges of project management in industrial and technological environments. Requisitos previos Para el adecuado aprovechamiento de la asignatura, se recomienda disponer de conocimientos básicos de matemáticas aplicadas, acceso a Internet y manejo de herramientas digitales, así como familiaridad con entornos de trabajo colaborativos./To make the most of the course, students are expected to have basic knowledge of applied mathematics, access to the Internet and proficiency in the use of digital tools, as well as familiarity with collaborative working environments. Competencias No procede./Not applicable. Resultados de aprendizaje RC1 - Desarrollar herramientas de visualización de grandes volúmenes de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico/ To develop large volumes of data visualization tools to communicate the results of the analyses carried out on them, adapting them to different audiences, both technical and non-technical. TIPO: Competencias./TYPE: Competences. RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a./ to have a critical and self-critical attitude to face the challenges of activity as a mathematical engineer, and has the ability to show attitudes consistent with the ethical and deontological concepts that govern scientific innovation and professional practice as a mathematical engineer. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto/ To assess the social impact and implications of solutions and proposals in mathematical engineering, ensuring compliance with quality standards and applicable project regulations. TIPO: Competencias./TYPE: Competences. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución/ to formulate problems in a professional environment with an mathematical language, in a way that facilitates their analysis and resolution. TIPO: Competencias./TYPE: Competences. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos/ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RK5 - Conocer diferentes modelos de simulación, simulación estocástica, gestión y planificación de sistemas logísticos; y resolver con software casos de modelos de gestión y planificación de la producción/ To understand different simulation models, stochastic simulation, and the management and planning of logistics systems; and to solve cases involving production management and planning models using software. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS2 - Aplicar métodos de Ciencia de Datos (gestión, machine learning) como parte del proceso de análisis de grandes conjuntos de datos en entornos de computación./ To apply Data Science methods (management, machine learning) as part of the process of analyzing large datasets in computing environments. TIPO: Habilidades o destrezas./TYPE: Skills. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos Esta asignatura proporciona a los estudiantes de Ingeniería Matemática una visión práctica de la gestión y producción de proyectos mediante metodologías ágiles como Scrum y Kanban. Se explorará el uso de herramientas digitales como Jira y Figma para planificar, ejecutar y hacer seguimiento de proyectos en entornos productivos. Se abordarán conceptos clave de la gestión de proyectos, incluyendo la planificación ágil, la gestión de equipos, la simulación de procesos y la optimización de flujos de trabajo, integrando enfoques matemáticos para la toma de decisiones y la mejora continua. CONTENIDOS GENERALES Unidad 1: Fundamentos de la Gestión de Proyectos Introducción a la gestión de proyectos: principios básicos y evolución histórica. Comparación entre metodologías tradicionales y ágiles. Roles clave en la gestión de proyectos: Product Owner, Scrum Master y equipo de desarrollo. Aplicación de modelos matemáticos en la gestión de proyectos. Unidad 2: Metodologías Ágiles y Herramientas de Gestión Introducción a Scrum y Kanban: principios y diferencias. Uso de Jira para la gestión de proyectos ágiles. Organización del backlog, priorización de tareas y planificación de sprints. Implementación de tableros Kanban y Scrum en Jira. Gestión visual del trabajo y optimización de flujos. Unidad 3: Planificación de Proyectos con Jira Creación y gestión del backlog: épicas, historias de usuario y tareas. Estimación de tareas y asignación de recursos. Desarrollo del cronograma del proyecto y seguimiento del progreso. Análisis de carga de trabajo y optimización del rendimiento del equipo. Unidad 4: Ejecución y Seguimiento de Proyectos Monitoreo del trabajo del equipo mediante Jira. Uso de gráficos burn-down y diagramas de flujo acumulativo. Control de calidad y gestión de riesgos en proyectos ágiles. Resolución de incidencias y reportes en Jira. Unidad 5: Diseño y Prototipado con Figma Introducción a Figma como herramienta de prototipado. Creación de wireframes y prototipos interactivos. Colaboración en equipo y revisión de prototipos en tiempo real. Documentación del diseño y preparación para desarrollo. Unidad 6: Cierre de Proyectos y Evaluación Validación de entregables y cierre del proyecto. Evaluación de resultados y métricas de desempeño. Reflexión sobre procesos y mejora continua. Ética y buenas prácticas en la gestión de proyectos ágiles. METODOLOGÍA La asignatura se basa en un enfoque práctico, donde los estudiantes aplicarán directamente los conceptos en proyectos reales mediante Jira y Figma. Se promoverá el aprendizaje activo a través de simulaciones, resolución de casos y trabajo en equipo. Se combinarán clases teóricas con prácticas de implementación en herramientas digitales, asegurando una experiencia de aprendizaje aplicada y dinámica. ------------------------- This course provides Mathematical Engineering students with a practical perspective on project management and production through agile methodologies such as Scrum and Kanban. It explores the use of digital tools such as Jira and Figma to plan, execute, and monitor projects in production environments. Key project management concepts are addressed, including agile planning, team management, process simulation, and workflow optimisation, integrating mathematical approaches to support decision-making and continuous improvement. GENERAL CONTENTS Unit 1: Fundamentals of Project Management Introduction to project management: basic principles and historical development. Comparison between traditional and agile methodologies. Key roles in project management: Product Owner, Scrum Master, and development team. Application of mathematical models to project management. Unit 2: Agile Methodologies and Management Tools Introduction to Scrum and Kanban: principles and differences. Use of Jira for agile project management. Backlog organisation, task prioritisation, and sprint planning. Implementation of Kanban and Scrum boards in Jira. Visual work management and workflow optimisation. Unit 3: Project Planning with Jira Backlog creation and management: epics, user stories, and tasks. Task estimation and resource allocation. Project scheduling and progress monitoring. Workload analysis and optimisation of team performance. Unit 4: Project Execution and Monitoring Monitoring team work using Jira. Use of burn-down charts and cumulative flow diagrams. Quality control and risk management in agile projects. Issue resolution and reporting in Jira. Unit 5: Design and Prototyping with Figma Introduction to Figma as a prototyping tool. Creation of wireframes and interactive prototypes. Team collaboration and real-time prototype review. Design documentation and preparation for development. Unit 6: Project Closure and Evaluation Deliverable validation and project closure. Evaluation of results and performance metrics. Reflection on processes and continuous improvement. Ethics and good practices in agile project management. METHODOLOGY The course follows a practical approach in which students will directly apply the concepts covered to real-world projects using Jira and Figma. Active learning will be promoted through simulations, case-based problem solving, and teamwork. The course combines theoretical classes with practical implementation activities using digital tools, ensuring an applied and dynamic learning experience. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación SISTEMAS DE EVALUACIÓN Los sistemas de evaluación correspondientes a esta asignatura son: - SE1: Actividades prácticas - SE2: Pruebas finales de conocimientos - SE3: Portfolio CRITERIOS DE EVALUACIÓN Los sistemas de evaluación descritos anteriormente se concretan en los criterios de evaluación siguientes: - Existen dos convocatorias oficiales: ordinaria y extraordinaria. +++CONVOCATORIA ORDINARIA+++ La calificación final de esta convocatoria es la media ponderada de un conjunto de pruebas de evaluación que se detallan a continuación: -- Ejercicios aplicados/test aplicados (SE3), con un 20% de peso en la calificación final de la convocatoria ordinaria, que se realizarán de forma individual o en pequeños grupos durante el período lectivo en clases. -- Proyecto final (SE1) que se realizará de forma individual o en pequeños grupos durante el período lectivo y que tendrá un 30% de peso en la calificación final de la convocatoria ordinaria. -- Examen global (SE2) que se realizará de forma individual durante la convocatoria oficial ordinaria, cuyo contenido será la totalidad de los contenidos impartidos, y que tendrá un 50% de peso en la calificación final de la convocatoria ordinaria, siempre que la nota mínima supere el 4 sobre 10. En caso de no superar esta nota la calificación final de la asignatura será de suspenso en la convocatoria ordinaria.. *** La asignatura se considera superada en convocatoria ordinaria si la calificación final es 5,0 o superior. +++CONVOCATORIA EXTRAORDINARIA+++ En el caso de no superar la asignatura en la convocatoria ordinaria, el estudiante podrá hacerlo en convocatoria extraordinaria con un peso del 100% y evaluación de todos los contenidos. La convocatoria extraordinaria tendrá lugar durante el período de exámenes de julio (para más información, consultar el campus virtual). Consiste en un único examen en que se evalúan la totalidad de los contenidos de la asignatura. *** La asignatura se considera superada en convocatoria extraordinaria si la calificación final es 5,0 o superior. mínimo de 5 en ambas partes. ------------------------- ASSESSMENT SYSTEMS The assessment systems for this course are: SE1: Practical activities SE2: Final knowledge assessments SE3: Portfolio ASSESSMENT CRITERIA The assessment systems described above are implemented through the following assessment criteria: - There are two official examination periods: the Ordinary Examination Period and the Extraordinary Examination Period. +++ORDINARY EXAMINATION PERIOD+++ The final grade for this examination period is the weighted average of the following assessment activities: -- Applied exercises/applied tests (SE3): 20% of the final grade for the Ordinary Examination Period. These activities will be completed individually or in small groups during the teaching period in class. -- Final project (SE1): 30% of the final grade for the Ordinary Examination Period. The project will be completed individually or in small groups during the teaching period. -- Comprehensive examination (SE2): 50% of the final grade for the Ordinary Examination Period. The examination will be taken individually during the official Ordinary Examination Period and will cover all the course content. A minimum grade of 4 out of 10 must be obtained in this examination for the weighted average to be applied. If this minimum grade is not achieved, the final grade for the course will be Fail in the Ordinary Examination Period. *** The course is considered passed in the Ordinary Examination Period if the final grade is 5.0 or higher. +++EXTRAORDINARY EXAMINATION PERIOD+++ If the student does not pass the course during the Ordinary Examination Period, they may take the course examination during the Extraordinary Examination Period, in which the examination accounts for 100% of the final grade and covers all course content. The Extraordinary Examination Period will take place during the July examination period (for further information, please consult the virtual campus). It consists of a single examination covering all the course content. *** The course is considered passed in the Extraordinary Examination Period if the final grade is 5.0 or higher. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Chopra, Sunil; Meindl, Peter Supply Chain Management: Strategy, Planning, and Operation Pearson Education. 2022. ISBN: 9780132743952 2.- Heizer, Jay; Render, Barry; Munson, Chuck Operations Management: Sustainability and Supply Chain Management (También conocido en español como "Principios de Administración de Operaciones") Pearson Education. 2009. ISBN: 978-607-442-0 3.- Nahmias, Steven; Olsen, Tava Lennon Production and Operations Analysis Waveland Press. 2021. ISBN: 978-147864766 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442302 | Optimización en redes | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Optimización en redesCódigo: C0442302 Imprimir Curso 4 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos - Reconoce adecuadamente diversas situaciones como problemas de redes y utiliza el modelo adecuado. - Conoce e implementa los algoritmos apropiados para resolver problemas de redes. - Sabe aplicar métodos heurísticos a problemas de optimización combinatoria. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado todas las asignaturas de matemáticas de la titulación, así como las asignaturas de programación de los dos primeros cursos. Competencias No procede. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RS1 - Utilizar el lenguaje matemático para enunciar proposiciones en distintos campos y construir demostraciones de los problemas planteados. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. RS6 - Analizar textos del área de las matemáticas con el objetivo de familiarizarse con la estructura y publicaciones científicas también en inglés. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 1. Introducción a la teoría de grafos: grafos, árboles y arborescencias. Tema 2. Problema del camino mínimo. Tema 3. Problema de flujos (flujo máximo, flujo de coste mínimo, etc.). Tema 4. Recorridos en grafos: ciclos euleriano y hamiltoniano. Tema 5. Problemas de optimización combinatoria. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios informáticos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación Existen dos convocatorias oficiales: ordinaria y extraordinaria. La nota final de la asignatura en la CONVOCATORIA ORDINARIA se calculará como la ponderación de proyectos y exámenes de la siguiente forma: - Evaluación continua (50%) + Examen parcial (20%) + Proyecto (30%) - Examen final (50%) El cálculo de la calificación final en convocatoria ordinaria estará condicionado a la obtención de una calificación mínima de 4,0 puntos sobre 10 en el examen final. Cumplido este requisito, se realizará la media ponderada de todas las actividades y pruebas de evaluación, aun cuando alguna de ellas esté suspensa. En el caso de que la calificación obtenida en el examen final sea inferior a 4,0 puntos sobre 10, la calificación final será la obtenida en dicho examen. En la CONVOCATORIA EXTRAORDINARIA el examen final tendrá un peso del 100%. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Ana María Vieites Rodríguez, Felicidad Aguado Martín, Felipe Gago Couso, Manuel Ladra González, Gilberto Pérez Vega y Concepción Vidal Martín Teoría de grafos. Ejercicios y problemas resueltos Ediciones Paraninfo. 2014. ISBN: 9788428337076 2.- José Niño Mora Introducción a la optimización de decisiones: Métodos y modelos de investigación operativa. Ediciones Pirámide. 2021. ISBN: 9788436845280 Complementaria: 3.- Hillier, Frederick S. Investigación de operaciones 7 ed.. : McGraw-Hill Interamericana. 2002. ISBN: 9701034864 4.- Taha, Hamdy A. Investigación de operaciones 9 ed.. : Pearson Educación. 2012. ISBN: 9786073207966 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442303 | Simulación de Sistemas Logísticos / Simulation of Logistics Systems | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Simulación de Sistemas Logísticos / Simulation of Logistics SystemsCódigo: C0442303 Imprimir Curso 4 Asignatura Primer cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante los conocimientos y herramientas necesarios para el diseño y análisis de productos, atendiendo a sus características estructurales y mecánicas, las propiedades de los materiales, la fiabilidad y los procesos de fabricación. Asimismo, se pretende que el estudiante comprenda los fundamentos y la metodología del cálculo mediante el método de los elementos finitos (FEM), así como sus principales aplicaciones, procedimientos de cálculo e interpretación de resultados./The course aims to provide students with the knowledge and tools required for the design and analysis of products, taking into account their structural and mechanical characteristics, material properties, reliability, and manufacturing processes. It also aims to enable students to understand the fundamentals and methodology of calculations using the Finite Element Method (FEM), as well as its main applications, calculation procedures, and the interpretation of results. Se pretende desarrollar la capacidad para analizar planos y emplear sistemas de diseño asistido por ordenador y técnicas de modelado tridimensional mediante herramientas informáticas específicas, así como para aplicar el método de los elementos finitos a la simulación de modelos tridimensionales. Asimismo, se busca capacitar al estudiante para recopilar y gestionar los datos necesarios para la resolución de problemas de diseño y simulación, y para abordar modelos de gestión y planificación de la producción mediante el uso de herramientas informáticas especializadas./The course is intended to develop students’ ability to analyse technical drawings and use computer-aided design (CAD) systems and three-dimensional modelling techniques through specialised software tools, as well as to apply the Finite Element Method to the simulation of three-dimensional models. In addition, students will develop the ability to collect and manage the data required to solve design and simulation problems and to address production management and planning models using specialised software tools. Requisitos previos No se han establecido requisitos previos para esta asignatura. Sin embargo, resulta altamente recomendable haber cursado/estar cursando las asignaturas Fundamentos Físicos de la Ingeniería, Ecuaciones Diferenciales y Ecuaciones en Diferencias, Simulación Numérica y Técnicas de Optimización y Control./No prerequisites have been established for this course. However, it is highly recommended that students have previously completed or are currently taking the courses Fundamentals of Engineering Physics, Differential and Difference Equations, Numerical Simulation, and Optimisation and Control Techniques. Competencias No procede./Not applicable. Resultados de aprendizaje RC1 - Desarrollar herramientas de visualización de grandes volúmenes de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico/ To develop large volumes of data visualization tools to communicate the results of the analyses carried out on them, adapting them to different audiences, both technical and non-technical. TIPO: Competencias./TYPE: Competences. RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a./ to have a critical and self-critical attitude to face the challenges of activity as a mathematical engineer, and has the ability to show attitudes consistent with the ethical and deontological concepts that govern scientific innovation and professional practice as a mathematical engineer. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto/ To assess the social impact and implications of solutions and proposals in mathematical engineering, ensuring compliance with quality standards and applicable project regulations. TIPO: Competencias./TYPE: Competences. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución/ to formulate problems in a professional environment with an mathematical language, in a way that facilitates their analysis and resolution. TIPO: Competencias./TYPE: Competences. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos/ To understand the concepts of statistics and statistical inference in large datasets. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RK5 - Conocer diferentes modelos de simulación, simulación estocástica, gestión y planificación de sistemas logísticos; y resolver con software casos de modelos de gestión y planificación de la producción/ To understand different simulation models, stochastic simulation, and the management and planning of logistics systems; and to solve cases involving production management and planning models using software. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS2 - Aplicar métodos de Ciencia de Datos (gestión, machine learning) como parte del proceso de análisis de grandes conjuntos de datos en entornos de computación./ To apply Data Science methods (management, machine learning) as part of the process of analyzing large datasets in computing environments. TIPO: Habilidades o destrezas./TYPE: Skills. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas/ to use computer applications for statistical analysis, numerical and symbolic calculation, graphical visualization, optimization or others, with the purpose to solve problems. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos 1. Introducción 1.1 Presentación de la asignatura. 1.2 Repaso de conceptos básicos. • Consideraciones de diseño. • Características estructurales y mecánicas de los materiales. • Concepto de sólido rígido y sólido elástico. Hipótesis. Solicitaciones, cargas y tensiones. • Principales propiedades de los materiales: módulo de Young, coeficiente de Poisson. • Tensiones y deformaciones principales. Tensiones equivalentes. • Criterios de resistencia de los materiales. • Características de fiabilidad. • Consideraciones de mantenimiento. • Consideraciones de fabricación. • Creatividad en el diseño. 2. Modelado de Sistemas 2.1 Entorno de trabajo y movimientos. • Entorno de trabajo de CATIA y principales funcionalidades. • Módulo de diseño mecánico. 2.2 Sketcher. • Fundamentos y entornos modulo bocetado 2D. • Referencias y restricciones. • Herramientas de dibujo 2D. 2.3 Part Design. • Fundamentos de modelado 3D. • Sketch Based Features. • Dress-up Features. • Diseño multi-body. 2.4 Materiales y renderizado. • Aplicación de materiales. • Herramienta de renderizado. 2.5 Ejercicios. 3. Simulación de sistemas 3.1 Metodología de la simulación por elementos finitos (FEM). • Metodología y método de cálculo por elementos finitos (FEM). 3.2 Modelos y mallado. • Preparación de modelos CAD, importación, simplificaciones, modelo FEM. • Mallado de piezas. Consideraciones de mallado. Selección del tipo de mallado. 3.3 Módulo estructural-elástico. • Implementación de cargas y restricciones del modelo. • Convergencia. Análisis de resultados. Validación de resultados. • Postprocesado. 3.4 Análisis modal. • Implementación de cargas y restricciones del modelo. • Convergencia. Análisis de resultados. Validación de resultados. • Postprocesado. 3.5 Análisis térmico. • Implementación de cargas y restricciones del modelo. • Convergencia. Análisis de resultados. Validación de resultados. • Postprocesado. 3.6 Ejercicios. 4. Simulación de procesos logísticos y productivos 4.1 Simulación de procesos logísticos y productivos. 4.2 Ejercicios. ------------------------- 1. Introduction 1.1. Course overview 1.2. Review of basic concepts • Design considerations. • Structural and mechanical properties of materials. • Concepts of rigid and elastic solids. Assumptions. Loads, loading conditions, and stresses. • Main material properties: Young’s modulus and Poisson’s ratio. • Principal stresses and strains. Equivalent stresses. • Material strength criteria. • Reliability characteristics. • Maintenance considerations. • Manufacturing considerations. • Creativity in design. 2. System Modelling 2.1. Work environment and movements • CATIA work environment and main functionalities. • Mechanical design module. 2.2. Sketcher • Fundamentals and working environments of the 2D sketching module. • References and constraints. • 2D drawing tools. 2.3. Part Design • Fundamentals of 3D modelling. • Sketch-based features. • Dress-up features. • Multi-body design. 2.4. Materials and rendering • Material application. • Rendering tools. 2.5. Exercises 3. System Simulation 3.1. Finite Element Method (FEM) simulation methodology Methodology and computational procedures based on the Finite Element Method (FEM). 3.2. Models and meshing • Preparation of CAD models, importation, simplification, and creation of the FEM model. • Part meshing. Meshing considerations. Selection of the appropriate meshing type. 3.3. Structural/elastic analysis • Application of loads and model constraints. • Convergence, results analysis, and results validation. • Post-processing. 3.4. Modal analysis • Application of loads and model constraints. • Convergence, results analysis, and results validation. • Post-processing. 3.5. Thermal analysis • Application of loads and model constraints. • Convergence, results analysis, and results validation. • Post-processing. 3.6. Exercises 4. Simulation of Logistics and Production Processes 4.1. Simulation of logistics and production processes 4.2. Exercises Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA: • Prueba de evaluación continua 1 – 25% • Caso práctico y presentación – 20% • Prueba de evaluación continua 2 – 55% (Obtener >= 5) En caso de tener que presentarse al examen de la convocatoria ordinaria, el peso de este examen es el 80% del total. CONVOCATORIA EXTRAORDINARIA: • Caso práctico – 20% • Examen – 80% ------------------------- ASSESSMENT CRITERIA ORDINARY EXAMINATION PERIOD • Continuous Assessment Test 1 – 25% • Practical Case Study and Presentation – 20% • Continuous Assessment Test 2 – 55% (a minimum grade of 5/10 must be obtained) If the student is required to take the examination during the Ordinary Examination Period, this examination accounts for 80% of the total grade. EXTRAORDINARY EXAMINATION PERIOD • Practical Case Study – 20% • Examination – 80% Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- Eduardo Torrecilla Insagurbe El gran libro de CATIA Alfaomega Grupo Editor. 2013. ISBN: 978-607-707-8 2.- Singiresu S. Rao The Finite Element Method in Engineering Butterworth-Heinemann (Elsevier). 2011. ISBN: 978-1-85617-6 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 24 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SEGUNDO CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442304 | Ciencia de datos masivos | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Ciencia de datos masivosCódigo: C0442304 Imprimir Curso 4 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos El curso de Ciencia de datos Masivos ofrece una visión general de la gestión y análisis de grandes volúmenes de datos, abarcando desde su almacenamiento y procesamiento hasta su análisis y visualización. Se exploran conceptos fundamentales, técnicas para almacenar y procesar datos de manera eficiente, y arquitecturas modernas que combinan diferentes enfoques de procesamiento. También se abordan métodos para preparar, limpiar y transformar datos, así como técnicas de análisis e interpretación de resultados. Además, se discuten aspectos éticos y legales relacionados con el uso de datos y se analizan tendencias futuras en el campo. Requisitos previos No se han establecido requisitos previos para esta asignatura. No obstante, resulta conveniente haber cursado las restantes asignaturas de la materia Ciencia de Datos, esto es, Gestión de Datos y Aprendizaje Automático así como todas las asignaturas de programación de la titulación. Competencias No procede. Resultados de aprendizaje RC1 - Desarrollar herramientas de visualización de grandes volúmenes de datos para poder comunicar los resultados de los análisis realizados sobre los mismos, adaptándolos a públicos diferentes tanto técnico como no técnico. TIPO: Competencias. RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados. TIPO: Competencias. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado. TIPO: Competencias. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática. TIPO: Competencias. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a. TIPO: Competencias. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. TIPO: Competencias. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. TIPO: Competencias. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto. TIPO: Competencias. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución. TIPO: Competencias. RK2 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica, codificación, investigación operativa e inteligencia artificial y su aplicación para la resolución de problemas propios de la ingeniería. TIPO: Conocimientos o contenidos. RK3 - Conocer los conceptos de estadística e inferencia estadística en grandes conjuntos de datos. TIPO: Conocimientos o contenidos. RS2 - Aplicar métodos de Ciencia de Datos (gestión, machine learning) como parte del proceso de análisis de grandes conjuntos de datos en entornos de computación. TIPO: Habilidades o destrezas. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan. TIPO: Habilidades o destrezas. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos. TIPO: Habilidades o destrezas. RS5 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas. TIPO: Habilidades o destrezas. Descripción de los contenidos Tema 1. Introducción a la gestión de datos masivos Tema 2. Preparación de datos y diseño de ETL Tema 3. Fundamentos de Big Data Tema 4. Arquitectura de datos Tema 5. Big Data y las nuevas tendencias Tema 6. Analítica de datos. Diseño de sistemas de visualización. Al finalizar el curso, el estudiante será capaz de: - Introducción al Big Data: Comprender los conceptos básicos, características y desafíos asociados con la gestión de datos masivos. - Preparación de Datos: Aprender técnicas de limpieza, transformación e integración mediante procesos ETL para garantizar la calidad de los datos. - Fundamentos del Big Data: Familiarizarse con las tecnologías, herramientas y principios clave del ecosistema de Big Data, junto con retos éticos y legales. - Arquitectura de Datos: Diseñar y analizar arquitecturas modernas como data lakes, almacenes de datos y sistemas híbridos escalables y eficientes. - Tendencias en Big Data: Identificar avances tecnológicos y cómo la inteligencia artificial potencia el análisis y la innovación en el ámbito de los datos masivos. - Analítica de Datos: Adquirir habilidades para interpretar, validar y analizar datos de manera efectiva para la toma de decisiones. - Sistemas de Visualización: Diseñar visualizaciones claras y útiles que permitan comunicar los resultados de manera comprensible y accionable. Actividades formativas AP1. Sesiones Magistrales. AP2. Clases dinámicas. AP3.2 Talleres y laboratorios informáticos. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría. AP6. Pruebas de conocimiento. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA: casos de uso: 50%; examen final de toda la asignatura (cuestionario): 50%. - Los casos de uso tendrán un peso del 50% en la evaluación final. - El cuestionario tendrá un peso del 50% en la evaluación final. Se hará media entre los casos de uso y el cuestionario siempre y cuando la nota de este último sea igual o mayor que 4,0 sobre 10,0 y, en este caso, aunque los casos de uso estén suspensos. *** Casos de uso: - Asistencia regular a clases y actividades programadas. - Participación activa en discusiones y debates - Realización correcta y completa de los casos de uso *** Cuestionario: examen de convocatoria ordinaria. CONVOCATORIA EXTRAORDINARIA: 100% examen final de toda la asignatura. En la convocatoria extraordinaria, la evaluación se basará únicamente en un examen que abarcará todos los contenidos del curso. El examen tendrá un peso del 100% en la evaluación final. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- AnHai Doan, Alon Halevy y Zachary Ives Principles of Data Integration Morgan Kaufmann Publishers In. 2012. ISBN: 9780124160446 2.- Big Data: Principles And Best Practices Of Scalable Real-Time Data Systems Nathan Marz et al Wiley India. 2015. ISBN: 9351198065 3.- Foster Provost y Tom Fawcett Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking O'Reilly Media. 2013. ISBN: 9781449374266 4.- Joe Reis y Matt Housley Fundamentos de ingeniería de datos: Planifique y desarrolle sistemas robustos de datos Marcombo. 2023. ISBN: 8426736882 5.- Kieran Healy Data Visualization: A Practical Introduction Princeton University Press. 2018. ISBN: 0691181624 6.- Martin Kleppmann Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable Systems O'Reilly Media. 2017. ISBN: 1449373321 7.- Tom White Hadoop: The Definitive Guide: Storage and Analysis at Internet Scale O'Reilly Media. 2015. ISBN: 1491901632 8.- Wes McKinney Python for Data Analysis: Data Wrangling with Pandas, Numpy, and Jupyter O'Reilly Media. 2022. ISBN: 109810403X |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442305 | Planificación y Gestión de Proyectos de Ingeniería Matemática / Planning and Management of Mathematical Engineering Projects | OB | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Planificación y Gestión de Proyectos de Ingeniería Matemática / Planning and Management of Mathematical Engineering ProjectsCódigo: C0442305 Imprimir Curso 4 Asignatura Segundo cuatrimestre. Obligatoria. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante los fundamentos, métodos y herramientas necesarios para la planificación y gestión integral de proyectos de Ingeniería Matemática, abordando sus distintas fases y dimensiones, incluyendo el alcance, la planificación temporal, los costes, los recursos, la calidad, las comunicaciones y la gestión de riesgos. Asimismo, se pretende desarrollar la capacidad para evaluar la viabilidad económica de los proyectos y aplicar criterios de calidad, normativa y gestión eficiente de los recursos./The course aims to provide students with the foundations, methods, and tools required for the comprehensive planning and management of Mathematical Engineering projects, addressing their different phases and dimensions, including scope, scheduling, costs, resources, quality, communications, and risk management. It also aims to develop students’ ability to assess the economic feasibility of projects and apply quality, regulatory, and efficient resource management criteria. Se pretende capacitar al estudiante para desempeñar las funciones propias de la dirección de proyectos, desarrollando competencias de liderazgo, toma de decisiones, gestión de equipos y resolución de conflictos en entornos multidisciplinares e interculturales. Asimismo, se busca desarrollar la capacidad para aplicar metodologías y herramientas de gestión a proyectos de carácter tecnológico y de I+D+i, integrando estrategias de innovación y resolución de problemas en su planificación y ejecución./The course is intended to equip students with the skills required to perform project management functions, developing competencies in leadership, decision-making, team management, and conflict resolution in multidisciplinary and intercultural environments. In addition, students will develop the ability to apply project management methodologies and tools to technological and R&D and innovation projects, integrating innovation strategies and problem-solving approaches into their planning and execution. Requisitos previos No se han establecido requisitos previos para esta asignatura. No obstante, resulta conveniente haber cursado la asignatura Modelos de Gestión y Producción./No prerequisites have been established for this course. However, it is advisable that students have previously completed the course Management and Production Models. Competencias No procede./Not applicable. Resultados de aprendizaje RC2 - Identificar las diferentes fases del proceso de modelización matemática, diferenciando la formulación, análisis, resolución e interpretación de resultados/ To identify the different phases of the mathematical modeling process, differentiating the formulation, analysis, resolution and interpretation of results. TIPO: Competencias./TYPE: Competences. RC3 - Aplicar programas que resuelvan problemas matemáticos y de ingeniería, utilizando para cada caso el entorno computacional adecuado/ To apply software programs that solve mathematical and engineering problems, using the appropriate computational environment for each case. TIPO: Competencias./TYPE: Competences. RC4 - Ser capaz de planificar y desarrollar proyectos en el ámbito de la Ingeniería Matemática/ To be able to plan and develop projects in the field of Mathematical Engineering. TIPO: Competencias./TYPE: Competences. RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a./ to have a critical and self-critical attitude to face the challenges of activity as a mathematical engineer, and has the ability to show attitudes consistent with the ethical and deontological concepts that govern scientific innovation and professional practice as a mathematical engineer. TIPO: Competencias./TYPE: Competences. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos./ to work independently and in an organized manner for development of solutions to the different problems that may arise in the field of mathematical engineering activity, subject to strict time or economic requirements. TIPO: Competencias./TYPE: Competences. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales/ To develop work and projects related to mathematical engineering with impact on interdisciplinary teams or in multicultural contexts. TIPO: Competencias./TYPE: Competences. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto/ To assess the social impact and implications of solutions and proposals in mathematical engineering, ensuring compliance with quality standards and applicable project regulations. TIPO: Competencias./TYPE: Competences. RC9 - Formular problemas de un entorno profesional, en el lenguaje matemático, de manera que faciliten su análisis y resolución/ to formulate problems in a professional environment with an mathematical language, in a way that facilitates their analysis and resolution. TIPO: Competencias./TYPE: Competences. RK5 - Conocer diferentes modelos de simulación, simulación estocástica, gestión y planificación de sistemas logísticos; y resolver con software casos de modelos de gestión y planificación de la producción/ To understand different simulation models, stochastic simulation, and the management and planning of logistics systems; and to solve cases involving production management and planning models using software. TIPO: Conocimientos o contenidos./TYPE: Knowledge or Content. RS3 - Proponer, analizar, validar e interpretar los modelos y herramientas matemáticas más adecuadas en situaciones reales, de acuerdo a los fines que se persigan/ To propose, analyze, validate, and interpret the most appropriate mathematical models and tools in real-world situations, according to the intended objectives. TIPO: Habilidades o destrezas./TYPE: Skills. RS4 - Planificar la resolución de un problema de acuerdo a las herramientas disponibles, y a las restricciones de tiempo y recursos/ To plan the resolution of a problem according to the available tools and the constraints of time and resources. TIPO: Habilidades o destrezas./TYPE: Skills. Descripción de los contenidos - Contexto de la Dirección de Proyectos. - Procesos de la Dirección de Proyectos. - Planificación y Gestión de la Integración del Proyecto. - Planificación y Gestión del Alcance del Proyecto. - Contexto de la Dirección de Proyectos: Introducción a la gestión de proyectos, su importancia y su impacto en la ingeniería. - Procesos de la Dirección de Proyectos: Fases y metodologías de gestión, desde la iniciación hasta el cierre del proyecto. - Planificación y Gestión de la Integración del Proyecto: Coordinación de los distintos elementos y procesos para garantizar la coherencia del proyecto. - Planificación y Gestión del Alcance del Proyecto: Definición, delimitación y control de los objetivos y entregables del proyecto. - Planificación y Gestión de los Plazos: Estrategias y herramientas para la programación y control del cronograma del proyecto. - Planificación y Gestión de los Costes: Estimación, presupuestación y control de los costos del proyecto. - Planificación y Gestión de la Calidad: Aplicación de estándares y metodologías para asegurar la calidad del proyecto y sus resultados. - Gestión de las Comunicaciones: Estrategias y herramientas para garantizar una comunicación eficiente entre los actores del proyecto. - Planificación y gestión de los Recursos Humanos: Asignación, desarrollo y gestión del equipo de trabajo del proyecto. - Liderazgo, Gestión de Conflictos y Dirección del personal: Habilidades para la toma de decisiones, motivación y resolución de conflictos en equipos de trabajo. - Planificación y Gestión de las Comunicaciones: Diseño y aplicación de estrategias para la transmisión efectiva de información en el proyecto. - Viabilidad y gestión de Riesgos: Análisis de la factibilidad del proyecto y aplicación de estrategias para mitigar riesgos. - Dirección de Aprovisionamientos del Proyecto: Gestión de la adquisición de bienes y servicios necesarios para el proyecto. - Presentación de Resultados: Técnicas y herramientas para la documentación y exposición de los avances y resultados del proyecto. - Proyectos de I+D+i: Gestión de proyectos de investigación, desarrollo e innovación en entornos tecnológicos y científicos. - Contabilidad aplicada a Proyectos: Principios contables y financieros aplicados a la gestión económica de los proyectos. ------------------------- - Project Management Context. - Project Management Processes. - Project Integration Planning and Management. - Project Scope Planning and Management. - Project Management Context: Introduction to project management, its importance, and its impact on engineering. - Project Management Processes: Project management phases and methodologies, from project initiation to closure. - Project Integration Planning and Management: Coordination of the different project components and processes to ensure project coherence. - Project Scope Planning and Management: Definition, delineation, and control of project objectives and deliverables. - Schedule Planning and Management: Strategies and tools for project scheduling and schedule control. - Cost Planning and Management: Estimation, budgeting, and control of project costs. - Quality Planning and Management: Application of standards and methodologies to ensure the quality of the project and its outcomes. - Communications Management: Strategies and tools to ensure effective communication among project stakeholders. - Human Resource Planning and Management: Allocation, development, and management of the project team. - Leadership, Conflict Management, and Personnel Management: Skills for decision-making, motivation, and conflict resolution within work teams. - Communications Planning and Management: Design and implementation of strategies for the effective communication of project information. - Feasibility and Risk Management: Analysis of project feasibility and application of risk mitigation strategies. - Project Procurement Management: Management of the acquisition of goods and services required for the project. - Results Presentation: Techniques and tools for documenting and presenting project progress and outcomes. - R&D and Innovation Projects: Management of research, development, and innovation projects in technological and scientific environments. - Project Accounting: Accounting and financial principles applied to the financial management of projects. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA • Trabajo + Presentación 30% (≥5) Se prohíbe el uso de IA generativa de texto. • Prueba de evaluación continua 1 – 20% • Prueba de evaluación continua 2 (Examen final) – 50% (≥5) CONVOCATORIA EXTRAORDINARIA • Trabajo 20% (≥5) Se prohíbe el uso de IA generativa de texto. • Examen final – 80% (≥5) ------------------------- ORDINARY EXAMINATION PERIOD • Assignment + Presentation – 30% (≥5) The use of generative AI for text generation is prohibited. • Continuous Assessment Test 1 – 20% • Continuous Assessment Test 2 (Final Examination) – 50% (≥5) EXTRAORDINARY EXAMINATION PERIOD • Assignment – 20% (≥5) The use of generative AI for text generation is prohibited. • Final Examination – 80% (≥5) Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
Bibliografía Básica: 1.- José Juan Déniz Mayor Fundamentos de contabilidad financiera: teoría y práctica Delta Publicaciones. 2007. ISBN: 978-84-96477- 2.- Project Management Institute (PMI) A Guide to the Project Management Body of Knowledge (PMBOK® Guide) – Seventh Edition and The Standard for Project Management Project Management Institute. 2021. ISBN: 978-1-62825-6 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442306 | Trabajo Fin de Grado | OB | 12 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Trabajo Fin de GradoCódigo: C0442306 Imprimir Curso 4 Asignatura Segundo cuatrimestre. Obligatoria. 12 Créditos. Profesores
Objetivos El objetivo del Trabajo Fin de Grado (TFG) en una titulación universitaria es demostrar la capacidad de la/el estudiante para aplicar de manera integrada los conocimientos adquiridos a lo largo de la carrera en la resolución de un problema, un caso o un proyecto específico dentro de su campo de estudio. A través del TFG, se busca que la/el estudiante desarrolle competencias clave como la investigación, el análisis crítico, la metodología científica y la comunicación de resultados, contribuyendo muy positivamente a su formación profesional. Además, el trabajo debe evidenciar rigor académico y originalidad, ya sea mediante un enfoque teórico, experimental o aplicado. Requisitos previos Para matricularse en el TFG, el estudiante deberá estar en condiciones de completar en el año académico de que se trate la totalidad de los créditos necesarios para la obtención del título oficial. Se requerirá autorización especial del Rector cuando el número total de créditos en que pretenda matricularse el estudiante a los efectos del inciso anterior supere el ciento treinta por ciento de la carga lectiva prevista para el último curso en el correspondiente plan de estudios. Competencias No procede. Resultados de aprendizaje RTFG - Realizar individualmente, presentar y defender un proyecto en el ámbito de la Ingeniería Matemática en el que se sinteticen e integren los resultados de aprendizaje adquiridos en la titulación para defenderlo públicamente frente a un tribunal universitario. TIPO: Competencias RODS - Desarrollar una comunicación efectiva, el trabajo en equipo, el pensamiento analítico, la creatividad y el liderazgo ético desde una perspectiva transversal y con una clara inspiración en los principios y valores democráticos, así como los Objetivos de Desarrollo Sostenible para desenvolverse con integridad en el ámbito profesional. TIPO: Competencias Descripción de los contenidos Trabajo original realizado individualmente, consistente en un proyecto integral del ámbito de la Ingeniería Matemática de naturaleza profesional en el que se sinteticen las competencias adquiridas en las enseñanzas. Actividades formativas P4. Elaboración de proyectos y resolución de retos. P6. Tutoría. AP7. Elaboración del TFG. AP8. Defensa oral Pública. Sistema y criterios de evaluación La evaluación del TFG requiere la previa superación, por parte de la/el estudiante, de todas las materias de Formación Básica, Formación Obligatoria y Optativas (en este último caso, elegidas por la/el estudiante) correspondientes al plan de estudios de la titulación. Además, requiere también la aprobación motivada del Director del trabajo o, en su defecto, del Jefe de Estudios de la titulación. Los sistemas y criterios de evaluación son los siguientes: SE6: Presentación y defensa del TFG - 80% de la calificación final. SE7: Valoración de la memoria escrita elaborada por la/el estudiante del TFG - 20% de la calificación final. La "presentación y defensa" a la que hace referencia el sistema de evaluación SE6 es de carácter público, esto es, frente a un tribunal de evaluación. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 24 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
ASIGNATURAS OPTATIVAS
| Código | Asignaturas | Carácter* | Créditos |
|---|---|---|---|
| Optativa | OP | 12 | |
| TOTAL: | 12 | ||
Lista de Asignaturas Optativas
ASIGNATURAS ANUALES
| Código | Asignaturas | Carácter* | Créditos | ||
|---|---|---|---|---|---|
| C0442333 | Practicas Externas | OP | 12 | ||
Practicas ExternasCódigo: C0442333 Imprimir Curso 4 Asignatura Anual. Optativa. 12 Créditos. Profesores
Objetivos Los objetivos de las Prácticas Académicas Externas son: - Aplicar los conocimientos y competencias adquiridos en el Grado en Ingeniería Matemática en un entorno profesional. - Desarrollar de forma autónoma, responsable y organizada actividades y proyectos propios de la ingeniería matemática. - Adquirir experiencia en el trabajo en equipo y en la colaboración en contextos profesionales interdisciplinares. - Desarrollar una actitud crítica y ética ante los problemas y retos de la práctica profesional, valorando el impacto de las soluciones propuestas. Requisitos previos No se establecen requisitos previos específicos para la matrícula en la asignatura. No obstante, por su carácter eminentemente profesional y por las competencias que se desarrollan en ella, relacionadas con la aplicación de los conocimientos adquiridos en un entorno laboral, el trabajo autónomo y organizado, la colaboración en equipos interdisciplinares y la valoración del impacto de las soluciones de ingeniería matemática, las Prácticas Académicas Externas están concebidas para estudiantes que se encuentran en la fase final de sus estudios y su realización corresponde, con carácter general, al último curso del grado. Competencias RC5 - Tener actitud crítica y autocrítica para afrontar los retos de su actividad de ingeniero/a matemático/a, y tiene la capacidad de mostrar actitudes coherentes con las concepciones éticas y deontológicas que rigen la innovación científica y la práctica profesional como ingeniero/a matemático/a. RC6 - Trabajar de forma autónoma y organizada en el desarrollo de soluciones a los diferentes problemas que se puedan plantear en el ámbito de la actividad de la ingeniería matemática, sujetas a requisitos temporales o económicos estrictos. RC7 - Desarrollar trabajos y proyectos vinculados a la ingeniería matemática con impacto en equipos interdisciplinares o en contextos multiculturales. RC8 - Valorar la repercusión e impacto social de soluciones y propuestas de la ingeniería matemática, garantizando el cumplimiento de estándares de calidad y normativas de aplicación al proyecto. RPAE - Aplicar los conocimientos adquiridos en un entorno laboral, para la gestión de sus tareas con sentido de la responsabilidad y trabajar en equipo con iniciativa y motivación. Resultados de aprendizaje No procede. Descripción de los contenidos Los contenidos de las prácticas externas a realizar por el estudiante estarán basados en el desarrollo laboral en un centro que previamente esté vinculado a la Universidad mediante un Convenio en el que figuren expresamente las actividades de prácticas externas en dicho centro. El tema elegido quedará concretado antes de iniciarse la estancia del alumno y podrá estar relacionado con diferentes aspectos de carácter profesional dentro del ámbito de las materias que componen la titulación. Actividades formativas AP2. Clases dinámicas . AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica. AP5. Tutoría . AP9. Estancia en el centro de prácticas . Sistema y criterios de evaluación SE6.- Informe del tutor de prácticas académicas externas (40%). El tutor de la entidad (empresa, hospital, centro, etc.) realiza una valoración objetiva del desempeño del estudiante en el centro de prácticas siguiendo una rúbrica de evaluación diseñada y publicada previamente. SE7.- Informe del tutor académico de las prácticas académicas externas (30%). El tutor académico de las prácticas académicas externas realiza una valoración del desempeño del estudiante durante el periodo de prácticas, atendiendo a la asistencia a tutorías, el cumplimiento del plan de prácticas, la disposición del estudiante a implicarse de forma proactiva en las tareas desempeñadas, etc. SE8.- Evaluación de la Memoria de prácticas académicas externas (30%). El tutor académico de las prácticas académicas externas realiza una valoración objetiva de la memoria de prácticas del estudiante siguiendo una rúbrica de evaluación diseñada y publicada previamente. La memoria de prácticas consiste en un informe que el estudiante debe redactar y entregar a su tutor académico una vez ha finalizado su período de formación en una determinada entidad (empresa, hospital, centro, etc.). La realización de la memoria permite al estudiante reflexionar sobre lo aprendido y es la evidencia del aprovechamiento de las horas de formación. |
|||||
| TOTAL: | 12 | ||||
PRIMER CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442330 | Análisis de Datos en Series Temporales / Time Series Data Analysis | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Análisis de Datos en Series Temporales / Time Series Data AnalysisCódigo: C0442330 Imprimir Curso 4 Asignatura Primer cuatrimestre. Optativa. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante una formación teórica y práctica en el análisis estadístico de datos temporales, desarrollando la capacidad para representar, describir e interpretar series temporales, identificar sus principales componentes y aplicar técnicas de suavizado y descomposición para el estudio de su dinámica./The course aims to provide students with theoretical and practical training in the statistical analysis of time series data, developing their ability to represent, describe, and interpret time series, identify their main components, and apply smoothing and decomposition techniques to study their dynamics. Asimismo, se pretende capacitar al estudiante para formular, estimar y validar modelos clásicos de series temporales, incluyendo modelos autorregresivos, de medias móviles y ARIMA, así como sus extensiones estacionales, y emplearlos en la realización y evaluación de predicciones a corto y medio plazo. Todo ello mediante el uso de herramientas estadísticas y software especializado aplicados al análisis de datos reales en diferentes contextos./The course is also intended to equip students with the skills required to formulate, estimate, and validate classical time series models, including autoregressive, moving average, and ARIMA models, as well as their seasonal extensions, and to use these models to generate and evaluate short- and medium-term forecasts. All of this is carried out using statistical tools and specialised software applied to the analysis of real-world data in different contexts. Requisitos previos Se recomienda a la/el estudiante que quiera matricularse en esta asignatura haber superado todas las asignaturas de estadística previas de la titulación (Análisis Estadístico, Estadística Aplicada y Cálculo Estocástico). También es conveniente tener conocimientos básicos de álgebra lineal y una base general de cálculo diferencial en una variable. Resulta recomendable tener familiaridad con herramientas de programación o software estadístico, ya que se emplearán en la estimación de modelos y análisis de datos reales, tales como Python, R, etc../Students wishing to enrol in this course are advised to have successfully completed all previous statistics courses in the degree programme (Statistical Analysis, Applied Statistics, and Stochastic Calculus). A basic knowledge of linear algebra and a general background in single-variable differential calculus are also advisable. Familiarity with programming tools or statistical software is recommended, as these will be used for model estimation and the analysis of real-world data, including Python, R, etc. Competencias No procede./Not applicable. Resultados de aprendizaje RKOP 1 Classify time series based on fundamental criteria and perform a descriptive analysis of their behavior. TYPE: Knowledge or Content. RKOP 2 Explain the main objectives of time series analysis, distinguishing between retrospective analysis, structural understanding, and forecasting. TYPE: Knowledge or Content. RKOP 3 Decompose a time series into its fundamental components (trend, seasonality, cycle, and noise), applying appropriate decomposition techniques. TYPE: Knowledge or Content. RSOP 1 Interpret time series graphs, identifying visual patterns and key structural elements in data over time. TYPE: Skills. RSOP 2 Analyze and estimate the trend component of a time series using both deterministic and evolutionary approaches. TYPE: Skills. RSOP 3 Apply seasonal differentiation techniques, understanding their role in stabilizing variance and removing seasonal patterns from data. TYPE: Skills. RSOP 4 Estimate and analyze the seasonality component of a time series, and interpret its impact on system behavior. TYPE: Skills. RSOP 5 Perform short- and medium-term forecasts using exponential smoothing methods, assessing their accuracy and suitability. TYPE: Skills. RSOP 6 Handle missing data in time series, using interpolation and backcasting techniques to ensure consistency and reliability. TIPO: TYPE: Skills. RCOP 1 Apply acquired knowledge to real-world examples, interpreting results and drawing meaningful conclusions from practical case studies. TYPE: Competences. Descripción de los contenidos - Introducción: Representación Gráfica de una Serie Temporal. - Clasificaciones de las series temporales: Análisis descriptivo. - Objetivos del análisis de series temporales. - Componentes de una serie temporal: Descomposición de la serie en componentes. - Análisis y Estimación de la tendencia: Determinista y Evolutiva. - Diferenciación de la serie: Diferenciación estacional de la serie. - Análisis y Estimación de la estacionalidad. - Predicción de una serie temporal. Alisados Exponenciales. - Datos faltantes: Interpolación de los datos faltantes y Backcasting. - Ejemplos de aplicaciones. ------------------------- - Introduction: graphical representation of a time series. - Classification of time series: descriptive analysis. - Objectives of time series analysis. - Components of a time series: decomposition of a time series into its components. - Trend analysis and estimation: deterministic and evolving trends. - Differencing a time series: seasonal differencing. - Seasonality analysis and estimation. - Time series forecasting: exponential smoothing. - Missing data: interpolation of missing data and backcasting. - Examples of applications. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.2 Talleres y laboratorios informáticos./Workshops and Computer Laboratories. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA - Casos de uso: 50%. A realizar durante el período de clases. - Examen final (examen de convocatoria ordinaria): 50%. Abarcará todos los contenidos del curso. La calificación de la asignatura en convocatoria ordinaria será la media ponderada de ambas actividades de evaluación, siempre y cuando la nota del examen final sea igual o superior a 4,0 puntos sobre 10. En caso contrario, la calificación final corresponderá a la obtenida en dicho examen (suspenso). CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria, la calificación de la asignatura será la obtenida en un examen final (examen de convocatoria extraordinaria), que abarcará todos los contenidos del curso. ------------------------- ORDINARY EXAMINATION PERIOD - Use Cases: 50%. To be completed during the teaching period. - Final Examination (Ordinary Examination): 50%. Covers all course content. The final grade for the course in the Ordinary Examination Period will be the weighted average of the two assessment activities, provided that a minimum grade of 4.0/10 is obtained in the final examination. If this minimum grade is not achieved, the final grade will be the grade obtained in the examination, resulting in a fail. EXTRAORDINARY EXAMINATION PERIOD In the Extraordinary Examination Period, the final grade for the course will be the grade obtained in a final examination (Extraordinary Examination), which covers all course content. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SEGUNDO CUATRIMESTRE
| Código | Asignaturas | Carácter* | Créditos | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| C0442331 | Análisis Matemático Financiero / Financial Mathematical Analysis | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Análisis Matemático Financiero / Financial Mathematical AnalysisCódigo: C0442331 Imprimir Curso 4 Asignatura Segundo cuatrimestre. Optativa. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante los fundamentos matemáticos necesarios para el análisis de los mercados y productos financieros en tiempo discreto, abordando la valoración de activos y productos derivados, el valor temporal del dinero y los tipos de interés. Asimismo, se pretende desarrollar la capacidad para formular y aplicar modelos financieros basados en el principio de no arbitraje y en los fundamentos de la valoración de activos y derivados./The course aims to provide students with the mathematical foundations required for the analysis of financial markets and products in discrete time, addressing the valuation of assets and derivative products, the time value of money, and interest rates. It also aims to develop students’ ability to formulate and apply financial models based on the no-arbitrage principle and the fundamental principles of asset and derivative valuation. Se pretende capacitar al estudiante para analizar y gestionar el riesgo y el rendimiento de activos financieros, así como para diseñar y optimizar carteras de inversión y establecer estrategias de cobertura mediante herramientas matemáticas. Todo ello orientado a la aplicación de métodos cuantitativos a problemas de valoración, gestión de riesgos e ingeniería financiera./The course is intended to equip students with the skills required to analyse and manage the risk and return of financial assets, as well as to design and optimise investment portfolios and develop hedging strategies using mathematical tools. All of this is oriented towards the application of quantitative methods to problems involving valuation, risk management, and financial engineering. Requisitos previos Se recomienda a la/el estudiante que quiera matricularse en esta asignatura haber superado las asignaturas relacionadas con el álgebra lineal y el cálculo diferencial en una y varias variables, el cálculo integral en una variable, la estadística descriptiva e inferencial tanto univariante (requisito mínimo) como multivariante. Resulta también conveniente que la/el estudiante tenga familiaridad con el uso de herramientas computacionales para modelización y análisis cuantitativo (tipo Python, R, etc.)./Students wishing to enrol in this course are advised to have successfully completed courses covering linear algebra; differential calculus in one and several variables; single-variable integral calculus; and univariate (minimum requirement) and multivariate descriptive and inferential statistics. It is also advisable for students to be familiar with the use of computational tools for modelling and quantitative analysis, such as Python, R, etc. Competencias No procede./Not applicable. Resultados de aprendizaje RKOP 5 Understand elementary market models and the classification of assets by risk. TYPE: Knowledge or Content. RKOP 6 Analyze the time value of money, interest rates, and price dynamics, mastering concepts like no-arbitrage and the fundamental theorem of financial valuation. TYPE: Knowledge or Content. RSOP 11 Applying discrete-time models like the one-step binomial model for valuing financial derivatives. TYPE: Skills. RSOP 12 Valuate and construct portfolios along the efficient frontier and price European and American options, including put-call parity. TYPE: Skills. RSOP 13 Modeling variable and stochastic interest rates within binomial tree frameworks. TYPE: Skills. RCOP 3 Explore forward and future contracts, applying tools for risk coverage and financial engineering. TYPE: Competences. Descripción de los contenidos - Modelo elemental de mercado. - Tipos de activos en función del riesgo. - Modelo binomial en un paso. Opciones call y put. - Valor temporal del dinero, tipos de interés. Dinámica de precios, riesgo y rendimiento esperado. - Modelos en tiempo discreto. Principio de no arbitraje. - Teorema fundamental de valoración financiera. - Optimización de carteras. Frontera eficiente. - Contratos forward y futuros. - Valoración de opciones europeas. Paridad Put-Call. - Opciones americanas. - Cobertura de riesgos: Aplicaciones a la ingeniería financiera. - Tipos de interés variable y estocástico en árboles binomiales. ------------------------- - Elementary market model. - Types of assets according to their risk. - One-step binomial model. Call and put options. - Time value of money and interest rates. Price dynamics, risk, and expected return. - Discrete-time models. No-arbitrage principle. - Fundamental Theorem of Asset Pricing. - Portfolio optimisation. Efficient frontier. - Forward and futures contracts. - Valuation of European options. Put–call parity. - American options. - Risk hedging: applications to financial engineering. - Variable and stochastic interest rates in binomial trees. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.1. Elaboración de proyectos y resolución de retos./ Project development and challenge-based problem solving. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./ Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA - Casos de uso: 50%. A realizar durante el período de clases. - Examen final (examen de convocatoria ordinaria): 50%. Abarcará todos los contenidos del curso. La calificación de la asignatura en convocatoria ordinaria será la media ponderada de ambas actividades de evaluación, siempre y cuando la nota del examen final sea igual o superior a 4,0 puntos sobre 10. En caso contrario, la calificación final corresponderá a la obtenida en dicho examen (suspenso). CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria, la calificación de la asignatura será la obtenida en un examen final (examen de convocatoria extraordinaria), que abarcará todos los contenidos del curso. ------------------------- ORDINARY EXAMINATION PERIOD Use Cases: 50%. To be completed during the teaching period. Final Examination (Ordinary Examination): 50%. Covers all course content. The final grade for the course in the Ordinary Examination Period will be the weighted average of the two assessment activities, provided that a minimum grade of 4.0/10 is obtained in the final examination. If this minimum grade is not achieved, the final grade will be the grade obtained in the examination, resulting in a fail. EXTRAORDINARY EXAMINATION PERIOD In the Extraordinary Examination Period, the final grade for the course will be the grade obtained in a final examination (Extraordinary Examination), which covers all course content. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| C0442332 | Visualización de datos / Data Visualization | OP | 6 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
Visualización de datos / Data VisualizationCódigo: C0442332 Imprimir Curso 4 Asignatura Segundo cuatrimestre. Optativa. 6 Créditos. Profesores
Objetivos La asignatura tiene como objetivo proporcionar al estudiante los fundamentos y técnicas necesarios para el análisis y la visualización de datos, atendiendo a su naturaleza, estructura y dimensionalidad, y aplicando principios de codificación visual adecuados para representar patrones, relaciones y tendencias. Asimismo, se pretende desarrollar la capacidad para emplear técnicas de visualización univariante y multivariante, así como métodos específicos para la representación de datos estructurados y no estructurados, incluyendo grafos, redes, texto y flujos de datos./The course aims to provide students with the fundamental concepts and techniques required for data analysis and visualization, taking into account the nature, structure, and dimensionality of data, and applying appropriate visual encoding principles to represent patterns, relationships, and trends. It also aims to develop students’ ability to use univariate and multivariate visualization techniques, as well as specific methods for representing structured and unstructured data, including graphs, networks, text, and data streams. Se pretende capacitar al estudiante para diseñar, implementar y evaluar visualizaciones estáticas, dinámicas e interactivas mediante herramientas especializadas en entornos de escritorio y web, seleccionando alternativas de representación adecuadas a las características de los datos y al contexto de aplicación. Asimismo, se busca desarrollar la capacidad para planificar y ejecutar proyectos de visualización de datos y comunicar de forma clara y eficaz la información, los patrones y los resultados obtenidos./The course is intended to equip students with the skills required to design, implement, and evaluate static, dynamic, and interactive visualizations using specialised tools in desktop and web environments, selecting appropriate representation methods according to the characteristics of the data and the application context. In addition, students will develop the ability to plan and carry out data visualization projects and to communicate information, patterns, and findings clearly and effectively. Requisitos previos Se recomienda a la/el estudiante que quiera matricularse en esta asignatura haber superado las asignaturas relacionadas con el álgebra lineal y el cálculo diferencial e integral en una y varias variables, la estadística descriptiva e inferencial tanto univariante como multivariante y también los fundamentos de programación y la algoritmia. Finalmente, la/el estudiante deberá estar familiarizado con la programación en Python, incluyendo estructuras de datos (listas, diccionarios, arrays), control de flujo, y funciones, así como tener experiencia en los entornos de trabajo relacionados (Jupyter Notebooks, GitHub, etc.)./Students wishing to enrol in this course are advised to have successfully completed courses covering linear algebra; differential and integral calculus in one and several variables; univariate and multivariate descriptive and inferential statistics; and the fundamentals of programming and algorithms. Finally, students should be familiar with programming in Python, including data structures (lists, dictionaries, and arrays), control flow, and functions, as well as having experience with relevant working environments (Jupyter Notebooks, GitHub, etc.). Competencias No procede./Not applicable. Resultados de aprendizaje RKOP 4 Identify and classify different types of data and their sources, distinguishing between categorical, ordinal, and numerical variables. TYPE: Knowledge or Content. RSOP 7 Select and apply appropriate visualization techniques for ordinal and numerical data, ensuring clarity and effective communication of information. TYPE: Skills. RSOP 8 Visualize multivariate data using tools such as scatterplot matrices and Chernoff faces, interpreting patterns, correlations, and relationships among variables. TYPE: Skills. RSOP 9 Represent structured data through graph-based and network visualizations, understanding their structure and extracting meaningful insights. TYPE: Skills. RSOP 10 Utilize visualization tools for dynamic data, interpreting changes over time and supporting real-time or near-real-time decision-making. TYPE: Skills. RCOP 2 Develop visualization strategies for unstructured data, including text and streaming data, using appropriate transformation and abstraction methods. TYPE: Skills. Descripción de los contenidos - Tipos de datos y fuentes de datos. - Visualización de información para datos ordinales y numéricos. - Visualización de datos multivariantes: diagramas de dispersión, caras de Chernoff. - Visualización de datos estructurados: grafos y representaciones de redes. - Visualización de datos no estructurados: texto, flujos de datos, etc.. - Herramientas de visualización para datos dinámicos. ------------------------- - Types of data and data sources. - Information visualization for ordinal and numerical data. - Multivariate data visualization: scatter plots and Chernoff faces. - Visualization of structured data: graphs and network representations. - Visualization of unstructured data: text, data streams, etc. - Visualization tools for dynamic data. Actividades formativas AP1. Sesiones Magistrales./Lectures. AP2. Clases dinámicas./Interactive classes. AP3.2 Talleres y laboratorios informáticos./Workshops and Computer Laboratories. AP4. Estudio Personal, resolución de casos, problemas y búsqueda bibliográfica./Independent study, case and problem solving, and literature search. AP5. Tutoría./Tutorials. AP6. Pruebas de conocimiento./Knowledge assessment tests. Sistema y criterios de evaluación CONVOCATORIA ORDINARIA - Casos de uso: 50%. A realizar durante el período de clases. - Examen final (examen de convocatoria ordinaria): 50%. Abarcará todos los contenidos del curso. La calificación de la asignatura en convocatoria ordinaria será la media ponderada de ambas actividades de evaluación, siempre y cuando la nota del examen final sea igual o superior a 4,0 puntos sobre 10. En caso contrario, la calificación final corresponderá a la obtenida en dicho examen (suspenso). CONVOCATORIA EXTRAORDINARIA En convocatoria extraordinaria, la calificación de la asignatura será la obtenida en un examen final (examen de convocatoria extraordinaria), que abarcará todos los contenidos del curso. ------------------------- ORDINARY EXAMINATION PERIOD Use Cases: 50%. To be completed during the teaching period. Final Examination (Ordinary Examination): 50%. Covers all course content. The final grade for the course in the Ordinary Examination Period will be the weighted average of the two assessment activities, provided that a minimum grade of 4.0/10 is obtained in the final examination. If this minimum grade is not achieved, the final grade will be the grade obtained in the examination, resulting in a fail. EXTRAORDINARY EXAMINATION PERIOD In the Extraordinary Examination Period, the final grade for the course will be the grade obtained in a final examination (Extraordinary Examination), which covers all course content. Cronograma Pulse sobre este enlace para obtener el cronograma detallado en excel
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| TOTAL: | 12 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
*Carácter: FB:Formación Básica, Ob: Obligatorio, Op: Optativo
Los ULABS (University Applied Labs) representan una de las iniciativas más innovadoras dentro del Grado en Ingeniería Matemática. Se trata de laboratorios aplicados donde los estudiantes trabajan desde etapas tempranas en proyectos reales en colaboración con empresas, abordando retos tecnológicos y científicos de alto impacto. Estos proyectos permiten aplicar conocimientos matemáticos, analíticos y computacionales a contextos reales, fomentando un aprendizaje activo, transversal y profundamente conectado con la realidad profesional.
Cada proyecto ULAB se desarrolla con un objetivo claro: que el estudiante aprenda haciendo, resolviendo problemas complejos con herramientas profesionales y formando parte de equipos multidisciplinares. En este sentido, los alumnos no solo refuerzan sus competencias técnicas (como la inteligencia artificial, el análisis de datos o la modelización predictiva), sino que también desarrollan habilidades de comunicación, gestión de proyectos y toma de decisiones en entornos reales. Todos los proyectos siguen metodologías ágiles (Scrum, Design Thinking, etc.), lo que ayuda a replicar las dinámicas de trabajo que encontrarán en su futura vida profesional.
Entre los proyectos más destacados se encuentra DeNexus, donde los estudiantes diseñan una arquitectura analítica para detectar patrones en incidentes de ciberseguridad global. En el proyecto ICON, aplican técnicas de visión artificial para analizar imágenes en tiempo real del tráfico, dentro del contexto del transporte del futuro. Por su parte, el proyecto desarrollado junto a Avanade by Microsoft consiste en la construcción de un gemelo digital del campus, utilizando simulación y sensorización avanzada.
También se han desarrollado proyectos con un fuerte componente social, como la colaboración con Mujer Fénix y Save the Children, donde los estudiantes contribuyen mediante analítica de datos a mejorar procesos de intervención social. En el ámbito de la salud, se trabaja en la detección de patrones clínicos en oncología utilizando IA, colaborando con instituciones médicas para generar modelos predictivos que ayuden en la toma de decisiones clínicas. Finalmente, en colaboración con Técnicas Reunidas, se han implementado modelos de predicción de cargas de trabajo en proyectos de ingeniería internacionales, mediante técnicas de modelado temporal y análisis histórico de datos.
Todos los proyectos se desarrollan en equipos reducidos, con seguimiento cercano del profesorado y revisiones periódicas con las empresas. Los resultados se presentan públicamente y forman parte del portafolio profesional del estudiante, lo que contribuye de forma directa a su empleabilidad. Además, el uso de software real como Python, PowerBI, Spark o plataformas de simulación garantiza una experiencia alineada con los estándares actuales del sector.
Estancias internacionales: Como estudiante de UAX Business and Tech tendrás la oportunidad de realizar estancias internacionales en importantes universidades de destinos clave:
Estudiando el grado de Ingeniería Matemática, te formarás con un 95% de profesores que compaginan la docencia con la actividad profesional en empresas referentes como; Seedtag, Agoratech o INDRA:
Ingeniero Químico por la UAX y Doctor en Computación (especialidad en Química Computacional) con mención Cum Laude. Posee un MBA, Master Business Intelligence & Big Data y Máster en Industria 4.0 por la EOI, donde fue premiado por el mejor proyecto MBA 2004-2005. Ganador del Premio CDO 2023 (Club Chief Data Officer) al mejor proyecto de analítica avanzada. Con más de 20 años de experiencia empresarial en modelización matemática y ciencia de datos, ha implementado más de 100 modelos de inteligencia artificial y modelización matemática, liderando equipos multidisciplinares en distintas empresas. Recientemente, como Head of Data, dirigió el departamento global (nivel mundial) de ciencia de datos, desarrollando arquitecturas cloud, gobierno de datos y proyectos de analítica avanzada e IA.
Licenciado en Matemáticas por la UAM. Obtuvo el diploma de estudios avanzados en la UCM por mi trabajo sobre la clasificación de subvariedades diferenciables en geometría de Lie y geometría de Plücker. Con más de 25 años de experiencia docente, cuenta con certificaciones profesionales en Differential Equations for Engineers, Particle Physics e Introduction into General Theory of Relativity. Es profesor del grado de Ingeniería Matemática de Estructuras Algebraicas, Ecuaciones Diferenciales, Geometría Diferencial entre otras.
José Antonio es licenciado en física de materiales por la Universidad Complutense de Madrid. Realizó estudios, en el Instituto de Microelectrónica de Madrid (CSIC), sobre propiedades ópticas de nanoestructuras semiconductoras cuánticas, habiendo publicado en revistas científicas de elevado índice de impacto (Physical Review Letters, Applied Physics Letters, Physical Review B, etc). Como docente universitario, cuenta con 25 años de experiencia enseñando matemáticas y física principalmente, impartiendo en la actualidad, entre otras materias, álgebra lineal, métodos numéricos y física cuántica.
Hugo es doctor en Matemáticas por la Universidad de Sevilla y máster en Ingeniería Matemática por la Universidad Carlos III de Madrid. Su investigación se centra en la teoría de juegos y la investigación operativa. Ha publicado artículos en revistas científicas de alto impacto en el ámbito de la matemática aplicada y la computación como Fuzzy Sets and Systems o International Journal of General Systems. Asimismo, ha desarrollado su actividad docente en varias universidades, y actualmente es profesor de estadística e investigación operativa en la Universidad Alfonso X el Sabio.
Ingeniero Industrial Superior (Universidad de Málaga) con más de 11 años de experiencia en optimización de procesos operativos y estratégicos de compañías Multinacionales. PMP, Six Sigma Green Belt (UPC) y Ciber Security Professional (ISMS Forum). Ha desempeñado funciones de "Project Management Office" en más de 30 proyectos de Ingeniería y Construcción de plantas de Energía, Gas y Petroquímica principalmente. Actualmente compagina su labor de docente en varias universidades junto con el liderazgo de proyectos de innovación para la digitalización y transferencia del conocimiento, desempeñando el cargo de “Coordinador de Mejora de Procesos” de la compañía Técnicas Reunidas.
Consulta el listado completo del claustro del grado en Ingeniería matemática
Conecta tu talento matemático con el mundo profesional real desde el primer día.
El Grado en Ingeniería Matemática de UAX te ofrece una experiencia formativa de alto nivel a través de Prácticas Externas en empresas líderes de diversos sectores. Trabajarás directamente con referentes como IBM Global Services, EY, Accenture, Repsol, BBVA Technology, Orange España, Siemens Rail Automation, Generali y muchas otras, aplicando tus conocimientos en entornos innovadores y sentando las bases para una carrera de éxito.
Algunas de las entidades colaboradoras de prácticas externas:
Los estudiantes del Grado en Ingeniería Matemática de la UAX desarrollan parte de su formación en un entorno altamente tecnológico, apoyado en un campus pionero en sostenibilidad, diseño e innovación, ubicado en el centro de Madrid. Este campus dispone que integran laboratorios, aulas tecnológicas, espacios de co-working y zonas de simulación profesional, todo ello orientado a recrear entornos reales de trabajo y facilitar la interacción constante con empresas.
| FabLab / TechLab | Tienen acceso a tecnologías avanzadas como realidad virtual, robótica, impresión 3D, simulación de gemelos digitales y desarrollo de prototipos. Este entorno está diseñado para fomentar la creatividad, la innovación aplicada y el trabajo en equipo en proyectos que requieren un enfoque práctico y multidisciplinar. |
| Laboratorio de Física | Realizan prácticas experimentales ligadas a asignaturas como electromagnetismo, óptica o mecánica, permitiendo a los estudiantes comprender y aplicar los fundamentos físicos desde una perspectiva matemática y de ingeniería. |
| Laboratorio de Computación | Trabajan con lenguajes y plataformas punteras como Python, R, SQL, Spark o MongoDB. Este espacio está orientado al desarrollo de modelos matemáticos, algoritmos, análisis de datos y simulaciones complejas. Aquí se abordan materias relacionadas con inteligencia artificial, ciencia de datos, criptografía y programación avanzada. |
| Zonas Coworking y Liquid Studio | Un espacio compartido con empresas tecnológicas donde se llevan a cabo proyectos reales de innovación y transferencia. Estas zonas están dotadas de aulas insonorizadas, conectividad multidispositivo y mobiliario que fomenta la colaboración y el trabajo ágil. |
| Aulas tecnológicas | Todas las aulas del campus están equipadas con pizarras táctiles, iluminación circadiana y sistemas avanzados de proyección y sonido, que refuerzan una experiencia de aprendizaje interactiva, inmersiva y conectada. Todo este ecosistema de laboratorios y recursos técnicos permite que el estudiante se forme en un entorno altamente profesionalizado, alineado con las demandas del mercado laboral actual. |
Escucha de primera mano las experiencias de empresas y estudiantes, déjate inspirar por la creatividad y el ingenio de nuestros proyectos maker y descubre cómo es la vida en nuestro campus, lleno de actividades y eventos para todos los gustos.
Las empresas forman parte de tu día a día en el campus. Participarás en proyectos de innovación, certificarán tus competencias y te ofrecerán prácticas desde el primer curso. Compañías como Avanade, CIMPA o Sener ya desarrollan talento y proyectos junto a nuestros estudiantes.
Apuesta por un currículum de máxima empleabilidad
Formación en las áreas clave del impulso tecnológico como la programación, el Big Data o los modelos predictivos
Pensamiento data-driven para la toma de decisiones e impulso del cambio.
30 ECTS de formación en áreas clave del negocio como la dirección estratégica, el user experience o la innovación de productos digitales.
Contarás con experiencia en proyectos de innovación reales propuestos y gestionados por empresas como Caixabank, Ecoalf, Avanade o Quirónsalud
Metodologías Agile y certificaciones en comunicación, liderazgo, pensamiento analítico y disruptivo.
Los egresados cuentan con un perfil versátil y muy demandado en sectores estratégicos. Algunas áreas destacadas:
Alta empleabilidad: 98% encuentra trabajo en menos de 6 meses.
Más de 50.000 ofertas activas para ingenieros matemáticos a nivel global.
Claustro de profesionales
Ingeniero y Doctor en Química, especialista en IA y Ciencia de Datos, con más de 20 años de experiencia y una sólida trayectoria en proyectos internacionales de Big Data, machine learning y computación cuántica. Es cofundador de OncomIA, empresa biomédica que aplica tecnología avanzada en la lucha contra el cáncer. Actualmente es Jefe de Estudios de Ingeniería Matemática y Física en la UAX, donde imparte docencia en inteligencia artificial y computación cuántica.
Ingeniero Industrial Superior con más de 11 años de experiencia en optimización de procesos operativos y estratégicos de compañías Multinacionales. PMP, Six Sigma Green Belt (UPC) y Ciber Security Professional (ISMS Forum). Ha desempeñado funciones de "Project Management Office" en más de 30 proyectos de Ingeniería y Construcción de plantas de Energía, Gas y Petroquímica principalmente.
Doctor en Informática, experto en docencia digital, liderazgo sistémico e innovación tecnológica aplicada a la educación. Vicedecano de Tecnología y Director del Liquid Innovation Hub en la Universidad Alfonso X el Sabio. Cuenta con una amplia trayectoria en transformación digital universitaria, investigación en tecnologías emergentes (IA, data, ciberseguridad) y dirección académica, combinando universidad, empresa e innovación.
José Antonio es licenciado en física de materiales por la Universidad Complutense de Madrid. Realizó estudios, en el Instituto de Microelectrónica de Madrid (CSIC), sobre propiedades ópticas de nanoestructuras semiconductoras cuánticas, habiendo publicado en revistas científicas de elevado índice de impacto (Physical Review Letters, Applied Physics Letters, Physical Review B, etc). Como docente universitario, cuenta con 25 años de experiencia enseñando matemáticas y física principalmente, impartiendo en la actualidad, entre otras materias, álgebra lineal, métodos numéricos y física cuántica. Además, es Coordinador del grado en Ingeniería Matemática y Coordinador de Prácticas en Empresa del área tecnológica de la facultad Business & Tech
En espacios compartidos dentro del campus, en proyectos conjuntos de innovación y a través de prácticas desde los primeros cursos.
Programa de mentoring académico y profesional que enfoca tus esfuerzos y logros hacia tu mejor perfil.
Te formarás a través de proyectos de innovación con empresas reales y estudiantes de otras titulaciones, desarrollando productos y soluciones basadas en la tecnología.
+700h de formación certificada en nuevas tecnologías, analítica avanzada y skills profesionales
Prácticas y estancias en mercados estratégicos como Asia, Europa o EEUU y modelo bilingüe progresivo.
Campus innovador como punto de encuentro de referencia entre la tecnología, la empresa y el estudiante.
Si tienes una idea, aquí la transformarás en un proyecto innovador. Programarás modelos de lenguaje, entrenarás IA y trabajarás con Big Data. Tus ideas se harán código y en robótica, tus soluciones cobrarán vida. Usarás asistentes inteligentes, machine learning y entornos colaborativos para resolver problemas reales.
Laboratorios de IA de última generación | Innovation Lab | Cloud Computing Center |
GPUs NVIDIA A100 para proyectos de IA y computación avanzada | Robots colaborativos para probar tus algoritmos | Créditos en AWS, Azure y Google Cloud |
Clusters de computación con 1000+ cores | Dispositivos IoT conectados para proyectos reales | Datasets exclusivos de empresas partner |
Acceso para tus proyectos más ambiciosos | Impresoras 3D para prototipado rápido | Sandbox para experimentar sin límites |
Becas y Ayudas para estudiar en UAX
Sabemos que estudiar es una inversión. Por eso, queremos eliminar las barreras económicas y ponértelo fácil. Rellena el formulario y descubre, de la mano de nuestros asesores, las becas, convenios y ayudas personalizadas que mejor se adaptan a tu situación.
Comunidad de Madrid
Ayudas para alumnos con discapacidad igual o superior al 33% que cursen estudios en las universidades o centros superiores de enseñanzas artísticas de la Comunidad de Madrid.
Ministerio de Educación, Formación Profesional y Deportes
Conoce la información sobre las becas y ayudas convocadas por el ministerio de educación, formación profesional y deporte, según los diferentes tipos y niveles de enseñanza.
Atracción al Talento Investigador Predoctoral
Apoyo financiero para estudiantes sobresalientes que quieran desarrollar investigaciones innovadoras y contribuir al avance del conocimiento en sus disciplinas.
Si ya has decidido dar el paso, formaliza tu matrícula con antelación y benefíciate de una ayuda directa. Una forma de premiar tu compromiso y planificar tu futuro con ventaja.
Estudiantes de Iberoamérica
Programa dirigido a ciudadanos iberoamericanos o extranjeros con residencia legal en países de influencia de la OEI. La beca cubre un 50% de descuento sobre el coste total de docencia.
Estudiantes de Ecuador
Programa dirigido a ciudadanos con nacionalidad y/o residencia ecuatoriana que deseen realizar una maestría en línea en España. La beca cubre un 50% de descuento sobre el coste total de docencia.
2025 II Edición
Ayudas para estudiantes de FP de grado superior, grado, posgrado o máster matriculados en universidades españolas con convenio Santander. Un complemento económico para apoyarte durante la realización de tus prácticas profesionales.
Si te graduaste en UAX y ahora estás pensando en cursar una nueva titulación, queremos seguir acompañándote. Por eso te ofrecemos una ayuda del 10% sobre el importe de docencia.
Si tienes un familiar directo (hasta 2º grado) matriculado en UAX, puedes beneficiarte de una ayuda del 5% sobre el importe de docencia. Porque estudiar en familia es aún mejor.
Estudiar dos titulaciones a la vez es un reto, y queremos apoyarte. Si ya estás en UAX y te matriculas en una segunda carrera, contarás con una ayuda sobre tu reserva y matrícula.
Si quieres seguir formándote con nosotros y pasar de Ciclos Formativos a Grado, de Grado a Grado o de Grado a Postgrado, apostamos por ti con una ayuda de hasta el 25% sobre la docencia.
Si tienes un buen expediente académico, queremos reconocer tu talento con una beca pensada para estudiantes de nuevo ingreso. (Excluye grado en Medicina).
Si eres deportista de alto rendimiento, en UAX queremos ayudarte a compaginar tu pasión con tus estudios. Te ofrecemos ayudas específicas que pueden llegar hasta el 50% del importe de tu matrícula.
Reconocidos por impulsar tu futuro profesional
Los rankings sitúan a UAX entre las mejores universidades de España por su empleabilidad, innovación y modelo formativo conectado con la realidad laboral.
Forbes sitúa a UAX como la universidad privada con más titulados trabajando en su área (cerca del 90%), gracias a un modelo educativo único firmemente vinculado al mercado laboral a través de más de 8.800 convenios con empresas.
El prestigioso ranking de la Fundación BBVA y el IVIE nos reconoce como la universidad con la mejor inserción laboral de España en 2023, consolidando nuestro modelo centrado en la empleabilidad real de nuestros titulados.
El Instituto Coordenadas de Gobernanza y Economía Aplicada sitúa a UAX como la universidad privada de referencia en Madrid, destacando nuestro modelo formativo práctico y alineado con la realidad del mercado.
UAX obtiene la máxima calificación de 5 estrellas y la distinción "Excellent" de QS Stars, uno de los sistemas internacionales de evaluación universitaria más prestigiosos. Este reconocimiento avala la excelencia de la universidad en áreas clave como la empleabilidad, la calidad docente, las instalaciones, la enseñanza online y la experiencia del estudiante.
UAX es reconocida como la segunda universidad más innovadora de España, única privada entre las tres primeras del ranking. Este reconocimiento destaca nuestra apuesta transversal por la IA y la formación en sostenibilidad.
Según la Lista Forbes 2025, UAX se sitúa en el TOP 2 Universidades españolas referentes en la adopción de IA Generativa en la formación de sus estudiantes, desarrollando herramientas y modelos de aprendizaje innovadores alineados con la evolución tecnológica.
Necesitamos saber un poco sobre ti para poder atenderte de forma personalizada.
Todos los campos son obligatorios
El Grado en Ingeniería Matemática de UAX te prepara para convertirte en una figura clave en empresas referentes de multitud de sectores, como la industria, el sector energético, la consultoría estratégica o el mundo de la banca y los seguros, apostando por el uso de metodologías Agile, la formación estratégica para la gestión de negocios digitales y los proyectos interdisciplinares con estudiantes de otras facultades y empresas como Avanade, Ecoalf, Quirónsalud o Caixabank entre otras.
Según las normativas vigentes, los requisitos para acceder a la universidad incluyen la posesión del título de Bachiller y la aprobación de la EVAU (Evaluación para el Acceso a la Universidad). Asimismo, se considera válido contar con un título de Técnico Superior en cualquier disciplina, ya sea de FP, Artes Plásticas y Diseño o Deportivo. Por otro lado, también se contempla la posibilidad de acceder a la universidad para mayores de 25 años mediante la superación de la correspondiente prueba de acceso.
La duración de la carrera de Ingeniería Matemática en la UAX es de 4 años.
La carrera de Matemáticas se centra en el estudio teórico y abstracto del conocimiento numérico y lógico, con un enfoque profundo en demostraciones y estructuras formales. En cambio, Ingeniería Matemática aplica ese conocimiento al mundo real, utilizando herramientas computacionales, estadística y modelado para resolver problemas en sectores como la industria, la energía o las finanzas. Mientras que el matemático se pregunta por qué ocurren las cosas y busca comprender la raíz teórica, el ingeniero matemático busca cómo usar ese conocimiento para optimizar, predecir o simular situaciones reales. Ambos comparten una base sólida en matemáticas puras, pero el enfoque práctico y tecnológico marca la diferencia en la ingeniería. El estudiante de Matemáticas suele tener un perfil más orientado a la lógica pura, la investigación o la docencia. El de Ingeniería Matemática se perfila más hacia la aplicación de modelos y algoritmos, y está más vinculado al desarrollo tecnológico y la resolución de retos reales. En definitiva, una formación te prepara para construir conocimiento, la otra para aplicarlo con impacto directo en el mundo.
Otras titulaciones relacionadas
Técnico Superior Online en Desarrollo de Aplicaciones Web (DAW)
Inicio:
Septiembre
Duración:
2 años
Técnico Superior Online en Desarrollo de Aplicaciones Multiplataforma (DAM)
Inicio:
Septiembre
Duración:
2 años
Técnico Superior Online en Automatización y Robótica Industrial
Inicio:
Septiembre
Duración:
2 años
Técnico Superior Online en Administración de Sistemas Informáticos en Red (ASIR)
Inicio:
Septiembre
Duración:
2 años
Grado en Ingeniería Informática + Administración y Dirección de Empresas
Inicio:
Septiembre
Duración:
5 años
Grado en Física
Inicio:
Septiembre
Duración:
4 años
Grado en Business Analytics / Analítica de Negocio
En colaboración con:
Inicio:
Septiembre
Duración:
4 años
Grado en Ingeniería Informática
Inicio:
Septiembre
Duración:
4 años
Grado en Inteligencia Artificial y Computación
+ Data, Coding and Web Certificate by
Inicio:
Septiembre
Duración:
4 años
Grado en Business Analytics + Administración y Dirección de Empresas
En colaboración con:
Inicio:
Septiembre
Duración:
4,5 años
Los estudiantes del Grado en Ingeniería Matemática de la UAX desarrollan parte de su formación en un entorno altamente tecnológico, apoyado en un campus pionero en sostenibilidad, diseño e innovación, ubicado en el centro de Madrid. Este campus dispone que integran laboratorios, aulas tecnológicas, espacios de co-working y zonas de simulación profesional, todo ello orientado a recrear entornos reales de trabajo y facilitar la interacción constante con empresas.
Uno de los espacios más destacados es el FabLab/TechLab, donde los estudiantes tienen acceso a tecnologías avanzadas como realidad virtual, robótica, impresión 3D, simulación de gemelos digitales y desarrollo de prototipos. Este entorno está diseñado para fomentar la creatividad, la innovación aplicada y el trabajo en equipo en proyectos que requieren un enfoque práctico y multidisciplinar.
El grado también cuenta con un Laboratorio de Física, donde se realizan prácticas experimentales ligadas a asignaturas como electromagnetismo, óptica o mecánica, permitiendo a los estudiantes comprender y aplicar los fundamentos físicos desde una perspectiva matemática y de ingeniería.
En el Laboratorio de Computación, los alumnos trabajan con lenguajes y plataformas punteras como Python, R, SQL, Spark o MongoDB. Este espacio está orientado al desarrollo de modelos matemáticos, algoritmos, análisis de datos y simulaciones complejas. Aquí se abordan materias relacionadas con inteligencia artificial, ciencia de datos, criptografía y programación avanzada.
Además, los estudiantes pueden desarrollar sus proyectos en las zonas de coworking y en el Liquid Studio, un espacio compartido con empresas tecnológicas donde se llevan a cabo proyectos reales de innovación y transferencia. Estas zonas están dotadas de aulas insonorizadas, conectividad multidispositivo y mobiliario que fomenta la colaboración y el trabajo ágil.
Por último, las aulas tecnológicas del campus están equipadas con pizarras táctiles, iluminación circadiana y sistemas avanzados de proyección y sonido, que refuerzan una experiencia de aprendizaje interactiva, inmersiva y conectada. Todo este ecosistema de laboratorios y recursos técnicos permite que el estudiante se forme en un entorno altamente profesionalizado, alineado con las demandas del mercado laboral actual.
Puedes consultar el calendario académico y horarios orientativos en el siguiente enlace.
La UAX impulsa la cultura de la calidad entre la comunidad universitaria a través del Sistema de Calidad de la UAX (SIUAX), del que La Dirección de la Universidad es la máxima responsable, asegurando que la planificación del sistema se implementa para cumplir eficazmente con los objetivos de calidad, la satisfacción de necesidades, requisitos y expectativas de clientes y partes interesadas.
Los órganos responsables son:
Esta estructura de organización canaliza una comunicación bidireccional de las diferentes acciones de mejora permiten y aseguran la construcción de la cultura de calidad en la Universidad.
La Comisión de Seguimiento y Mejora del Título en el curso 2025-26 está formada por:
Este título, siguiendo el RD 822/2021 (art. 34) debe pasar el proceso de renovación de la acreditación. Durante el desarrollo del proceso, un equipo evaluador de la Fundación para el Conocimiento Madrimasd se entrevistará con diferentes grupos de interés del título. Además, ponen a nuestra disposición un formulario para que cualquier interesado/a pueda indicar a la Fundación aquellos aspectos que considere relevantes en el desarrollo de este programa.