Scribd
Cargar
72 vistas3 páginas

01MAIR Python para La Inteligencia Artificial

Esta asignatura introduce a los estudiantes en el lenguaje de programación Python y sus aplicaciones en inteligencia artificial y análisis de datos, cubriendo sus fundamentos teóricos y prácticos, así como populares librerías como NumPy, Pandas y Matplotlib. El curso es obligatorio y otorga 6 créditos ECTS, enseñando Python como lenguaje unificador en IA a través de lecciones magistrales, estudios de casos, proyectos y tutorías online.

Cargado por

jltvrhapsody1
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
72 vistas3 páginas

01MAIR Python para La Inteligencia Artificial

Esta asignatura introduce a los estudiantes en el lenguaje de programación Python y sus aplicaciones en inteligencia artificial y análisis de datos, cubriendo sus fundamentos teóricos y prácticos, así como populares librerías como NumPy, Pandas y Matplotlib. El curso es obligatorio y otorga 6 créditos ECTS, enseñando Python como lenguaje unificador en IA a través de lecciones magistrales, estudios de casos, proyectos y tutorías online.

Cargado por

jltvrhapsody1
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
Está en la página 1/ 3

FICHA DE ASIGNATURA

Título: Python para la Inteligencia Artificial

Descripción: Esta asignatura permite al estudiante introducirse en el mundo de la programación en


Python, el lenguaje de facto estándar en la comunidad científica. Además de cubrir los fundamentos
teórico-prácticos para escribir programas en Python, la asignatura se centra en su aplicabilidad en las
áreas de aprendizaje automático y análisis de datos. Por ello, se incluye una introducción a los módulos
más populares: NumPy (para colecciones y funciones matemáticas), pandas (para estructura de datos) y
matplotlib (para representación gráfica de datos).

Carácter: Obligatoria

Créditos ECTS: 6

Contextualización: Esta asignatura se centra en Python como lenguaje unificador dentro de la Inteligencia
Artificial. Dado su rico ecosistema, Python es la elección más adecuada como común denominador dentro
de la programación en IA. Prueba de ello es que la inmensa mayoría de las librerías más utilizadas en la
investigación en aprendizaje automático están escritas en Python o tienen interfaces para el mismo.

Modalidad: Online

Temario:

• Introducción: Características de Python, Filosofía y convenciones (PEP), Librerías, Instalación de


Anaconda, Uso de Jupyter Notebook.
• Python 101: Interprete Python y ejecución de scripts, Sintaxis básica (Comentarios, Tipos de
datos, Variables, Operaciones, Objetos en Python, Comparaciones condicionales, Loops,
Colecciones, Funciones, Lectura/Escritura de archivos).
• Colecciones Numpy: Objeto básico ndarray, Funciones matemáticas, Estadística descriptiva,
Algebra lineal, Filtrado de datos, Números aleatorios, Lectura/escritura de ndarrays a archivos.
• Estructuras de datos con Pandas: Series, Dataframes, Ejemplos prácticos (MovieLens y Fuel
Efficiency).
• Visualización de datos con Matplotlib y Seaborn, Gráficos en Pandas.
• Python para ciencia de datos: Combinar varios sets de datos, Manipulación de strings,
Operaciones con colecciones, Transformación de variables.
• Ejemplo proyecto end-to-end: Proyecto Titanic Data Science e Iris PCA.

Competencias Específicas:

⇨ CE1. Conocer los fundamentos de la ingeniería de datos (modelado, ingesta, almacenamiento,


procesado, análisis y visualización), las técnicas de rastreo, procesamiento, indexación y
recuperación de información.

⇨ CE2. Conocer y familiarizarse con el uso de las librerías y herramientas más comunes en la
industria.

⇨ CE6. Capacidad para la abstracción de información a partir de big data mediante algoritmos de
inteligencia artificial.

⇨ CE8. Capacidad para aplicar metodologías de diseño, implementación y testeo de frameworks de


aprendizaje.
⇨ CE11. Consideración del rol de la inteligencia artificial en el mundo actual.
Metodologías docentes:

MD-01 Método del Caso

MD-02 Aprendizaje Cooperativo

MD-03 Aprendizaje Basado en Problemas (ABP)

MD-04 Aprendizaje Basado en Proyectos

MD-05 Lección Magistral Participativa

MD-06 Trabajo Autónomo

Actividades Formativas:

Actividad Formativa Horas Presencialidad

Clases expositivas 40 0%

Clases prácticas sobre


laboratorio informático. Estudio
de casos, resolución de 30 0%
problemas y diseño de
proyectos

Tutorías online 10 30%

Trabajo autónomo 70 0%

Metodologías docentes:
Lección magistral

Estudio de casos

Resolución de problemas

Simulaciones

Laboratorio Informático Virtual

Seguimiento

Sistema de Evaluación:

Sistemas de evaluación Ponderación mínima Ponderación máxima


Evaluación de porfolio. Informe
sobre resolución de problemas o 20% 30%
estudio de casos
Evaluación del porfolio. Informe
10% 30%
sobre diseño de proyectos
Participación en grupos de debate 10% 10%
Evaluación de la prueba 40% 60%
Bibliografía:

McKinney, W. (2017). Python for Data Analysis. Data wrangling with pandas, NumPy and IPython. O’Reilly.
Second Edition

Downey, A. et al. (2002). Cómo Pensar como un Científico de la Computación con Python. Recuperado de:
http://www.thinkpython.com

Poole, D. y Mackworth, A. (2017). Python code for Artificial Intelligence: Foundations of Computational
Agents. Recuperado de: http://artint.info-AIPython

También podría gustarte