Guía docente de Gestión Digital y Sostenibilidad: Smart Environments (MD7/56/1/15)
Máster
Módulo
Rama
Centro Responsable del título
Semestre
Créditos
Tipo
Tipo de enseñanza
Profesorado
- María Del Campo Bermúdez Edo
Tutorías
María Del Campo Bermúdez Edo
Email- Tutorías 1º semestre
- Lunes 10:00 a 14:00 (Etsiit 3ª P Despacho 29)
- Martes 17:30 a 19:30 (Etsiit 3ª P Despacho 29)
- Miercoles 10:00 a 14:00 (Etsiit 3ª P Despacho 29)
- Tutorías 2º semestre
- Lunes 10:00 a 14:00 (Etsiit 3ª P Despacho 29)
- Martes 10:30 a 13:30 (Etsiit 3ª P Despacho 29)
- Martes 17:30 a 19:30 (Etsiit 3ª P Despacho 29)
- Miercoles 10:30 a 13:30 (Etsiit 3ª P Despacho 29)
Breve descripción de contenidos (Según memoria de verificación del Máster)
- Las nuevas tecnologías y su relación con la sostenibilidad
- Introducción al internet de las cosas y principales conceptos como Cloud / Edge / Continuum Computing.
- Representación de la información y aspectos básicos de sus principales herramientas como SQL, PowerBI, etc.
- Fundamentos del aprendizaje automático (incluye IA, Deep Learning, Python).
Prerrequisitos y/o Recomendaciones
Competencias
Competencias Básicas
- CB6. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
- CB7. Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
- CB8. Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
- CB9. Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades.
- CB10. Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Resultados de aprendizaje (Objetivos)
C08 Comprende los retos que enfrentan las ciudades para un desarrollo sostenible.
Programa de contenidos Teóricos y Prácticos
Teórico
- Tema 1. Las nuevas tecnologías y su relación con la sostenibilidad.
- Tema 2. Introducción al internet de las cosas y principales conceptos.
- Tema 3. Representación de la información y aspectos básicos de sus principales herramientas.
- Tema 4. Fundamentos del aprendizaje automático.
Práctico
Seminarios/Talleres
- Herramientas de diseño de Internet de las Cosas
- Herramientas de representación de la información
- Herramientas de Inteligencia artificial y aprendizaje automático
Bibliografía
Bibliografía fundamental
Ilchenko, M., Uryvsky, L., & Globa, L. (Eds.) (2022): Progress in Advanced Information and Communication Technology and Systems: Advanced Approaches to Intelligent Data Processing and Smart Networking (Vol. 548). Springer Nature, https://doi.org/10.1007/978-3-031-16368-5
Mahmood, Z. (2017): Connected Environments for the Internet of Things. CCN, Springer, https://doi.org/10.1007/978-3-319-70102-8
Vermesan, O., & Friess, P. (2014): Internet of things – From research and innovation to market deployment. River publishers’ series in communications. Taylor & Francis, https://doi.org/10.1201/9781003338628
Nakashima, H., Aghajan, H., & Augusto, J. C. (Eds.) (2010): Handbook of ambient intelligence and smart environments. Springer Science & Business Media, https://doi.org/10.1007/978-0-387-93808-0
Bibliografía complementaria
Guido Dartmann et al.: Smart Transportation - AI Enabled Mobility and Autonomous Driving (1st Edition), CRC Press, 2021, https://doi.org/10.1201/9780367808150
Enlaces recomendados
Metodología docente
Evaluación (instrumentos de evaluación, criterios de evaluación y porcentaje sobre la calificación final.)
Evaluación Ordinaria
Se realizará una evaluación continua del trabajo del estudiante, valorando tanto los conocimientos adquiridos como las competencias alcanzadas.
En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0
Se tendrán en cuenta los siguientes sistemas de evaluación, indicándose entre paréntesis el rango del porcentaje con respecto a la calificación final del estudiante:
SE1. Asistencia y participación activa (Aportaciones del alumno en sesiones de discusión y actitud del alumno en las diferentes actividades desarrolladas) (10%).
SE3. Pruebas, ejercicios, problemas, lecturas, seminarios, etc., resueltos en clase individualmente o en grupo a lo largo del curso (evaluación continua) (20%).
S4. Informes, trabajos, proyectos, etc. individuales o en grupo (70%).
Evaluación Extraordinaria
La evaluación en tal caso consistirá en la realización de una prueba y/o trabajo, y/o las actividades propuestas en la evaluación continua.
Evaluación única final
La evaluación en tal caso consistirá en la realización de una prueba y/o trabajo, y/o las actividades propuestas en la evaluación continua.