Módulo/Materia
- Materia de Nivel 1: Optatividad
- Materia de Nivel 2: Optatividad
Subir
Descripción/Contenidos
Presentación de la información visual y su estructura. Modelos matemáticos para la comprensión y el análisis de imagen y video. Resolución de problemas e implementación de soluciones en problemas de visión.
Subir
Competencias genéricas
- CB2- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB3- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- CB4- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- CB5- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
Subir
Competencias específicas
- CE14 - Manejar, organizar información estadística e interpretar las técnicas de visualización y preprocesamiento de datos.
- CE15- Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio.
- CE18- Comprender los conceptos fundamentales relacionados con los problemas que implican grandes volúmenes de datos
Subir
Resultados aprendizaje
- RA1. Tener un conocimiento más amplio y profundo sobre aspectos específicos del ámbito de la ciencia de datos.
Subir
Metodología
Metodologías Docentes |
Horas presenciales |
Horas no presenciales |
A1- Clase expositivas/participativas |
14 |
|
A2- Prácticas |
14 |
|
A3- Actividades de aprendizaje cooperativo |
|
|
A4- Realización de trabajos/proyectos en grupo |
|
20 |
A5- Estudio y trabajo autónomo del estudiante |
|
21 |
A6- Tutorías |
|
4 |
A7- Prueba de evaluación |
2 |
|
Total |
30 |
45 |
Subir
Evaluación
Resultados de aprendizaje |
Sistema de evaluación |
Peso (%) |
Carácter Recuperable |
Nota mínima para evaluación |
RA1 |
Proyecto de desarrollo en grupo. Se evaluará en base a una lista objetiva de requisitos. |
40% |
Sí |
- |
RA1 |
Trabajo individual. Se evaluará en base a un informe a presentar. |
40% |
Sí |
5/10 |
RA1 |
Test |
20% |
Sí |
- |
Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).
Subir
Temario
- Tema 1. Información visual
- Fundamentos de visión artificial
- Datos y operadores visuales
- Tema 2. Tareas básicas de visión
- Análisis local
- Análisis de señal y diferenciación
- Análisis espacio-tonal
- Paradigmas multiescala
- Modelos no-basados en píxeles
- Tema 3. Proyectos basados en visión artificial
- Evaluación y cuantificación de proyectos de visión
- Desarrollo de proyectos de visión
Subir
Programa de prácticas experimentales
- Práctica 1. Detección y tracking de partículas
- Esta práctica se realizará de manera grupal
- Práctica 2. Implementación de un algoritmo de segmentación
- Esta práctica se realizará de manera individual
Subir
Lugar de impartición
Universidad Pública de Navarra, Campus Arrosadía
Subir