Nombre: REDES AMBIENTALES Y COMPUTACIÓN UBICUA
Código: 211101013
Carácter: Optativa
ECTS: 3
Unidad Temporal: Cuatrimestral
Despliegue Temporal: Curso 1º - Segundo cuatrimestre
Menciones/Especialidades:
Lengua en la que se imparte: Castellano
Carácter: Presencial
[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.
[CB6 ]. Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el 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
[CG1 ]. Capacidad para proyectar, calcular y diseñar productos, procesos e instalaciones en todos los ámbitos de la ingeniería de telecomunicación.
[CG11 ]. Capacidad para saber comunicar (de forma oral y escrita) las conclusiones- y los conocimientos y razones últimas que las sustentan- a públicos especializados y no especializados de un modo claro y sin ambigüedades.
[CG12 ]. Poseer habilidades para el aprendizaje continuado, autodirigido y autónomo.
[CG13 ]. Conocimiento, comprensión y capacidad para aplicar la legislación necesaria en el ejercicio de la profesión de Ingeniero de Telecomunicación.
[CG2 ]. Capacidad para la dirección de obras e instalaciones de sistemas de telecomunicación, cumpliendo la normativa vigente, asegurando la calidad del servicio.
[CG3 ]. Capacidad para dirigir, planificar y supervisar equipos multidisciplinares.
[CG4 ]. Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Ingeniería de Telecomunicación y campos multidisciplinares afines.
[CG5 ]. Capacidad para la elaboración, planificación estratégica, dirección, coordinación y gestión técnica y económica de proyectos en todos los ámbitos de la Ingeniería de Telecomunicación siguiendo criterios de calidad y medioambientales.
[CG8 ]. Capacidad para la aplicación de los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares, siendo capaces de integrar conocimientos.
[CG9 ]. Capacidad para comprender la responsabilidad ética y la deontología profesional de la actividad de la profesión de Ingeniero de Telecomunicación.
[TT8 ]. Capacidad de comprender y saber aplicar el funcionamiento y organización de Internet, las tecnologías y protocolos de Internet de nueva generación, los modelos de componentes, software intermediario y servicios
[CT2 ]. Trabajar en equipo
[CT7 ]. Diseñar y emprender proyectos innovadores
Al finalizar el plan formativo el estudiante debe ser capaz de:
- Evaluar y diseñar un sistema relacionado con la inteligencia ambiental.
- Identificar y aplicar los principales bloques funcionales propuestos en el temario.
- Profundizar autónomamente en el funcionamiento de características específicas de un sistema de inteligencia ambiental.
- Integrarse en equipos de trabajo.
Computación ubicua y entornos inteligentes. Redes de sensores. Servicios basados en el contexto. Nuevos paradigmas de interacción con el usuario. Modelado del contexto. Tecnologías para la inteligencia ambiental (machine learning). Computación ubicua.<br><br><br><br>
Sistemas de inteligencia ambiental
Tema 1: Introducción a los sistemas de inteligencia ambiental
Tema 2: Sistemas empotrados para computación, sensores y adquisición de datos
Tema 3: Comunicaciones e integración
Tema 4: Toma de decisiones en sistemas AMI
Introducción a la programación de sistemas empotrados
Trabajo Práctico 1. Introducción a Python. Sensores y actuadores con Raspberry Pi, SenseHat, Arduino o similares Trabajo Práctico 2. Integración de datos, comunicaciones y almacenamiento ligero Trabajo Práctico 3. Análisis de datos y decisión
Proyecto común guiado.
Práctica 4. Caso práctico de aplicación de un sistema AMI.
Proyectos específicos
Trabajo Práctico 5. Procesado de señales como son las producidas por el movimiento Proyecto. Caso práctico de aprendizaje máquina. Propuestas individuales por equipos
La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la Comunidad Universitaria. Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal de administración y servicios y estudiantes. El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un "Manual de acogida al estudiante en materia de prevención de riesgos" que puedes encontrar en el Aula Virtual en el apartado actúa sobre una emergencia, pestaña "guías técnicas", y en el que encontrarás instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad. También encontrarás en el apartado actúa sobre una emergencia, recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún incidente. En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus compañeros.
Ambient intelligence systems
Part 1: Introduction of Ambiente Intelligence Systems
Part 2: Embedded systems for computing, sensing and data acquisition
Part 3: Communications and integration
Part 4: Decision-making in AMI systems
Ambient intelligence is a field of work that aims to create environments where users can interact naturally and intuitively with computational services that facilitate their daily tasks, whether for leisure or work. The system must be able to perceive the user's context to adapt and personalize itself according to established parameters. Moreover, and more importantly, the system must be able to make autonomous decisions for the user's benefit.
The objective of the course is to present, with a primarily practical approach, the use of machine learning techniques in the context of ambient networks. For this reason, the course is oriented towards solving one or more practical cases/challenges, using the appropriate learning models for each case. The level of the content can be considered intermediate or advanced.
The practical work and assignments of the program are designed to guide the student step by step until completing one or more ambient intelligence projects. The tasks and challenges will be presented at the beginning of the course.
Estudio personal o en grupo de alumnos.
Estudio personal o en grupo para afianzar los contenidos introducidos en las sesiones presenciales. El trabajo autónomo permitirá revisar los conceptos fundamentales de la asignatura, preparar las actividades prácticas, completar los notebooks o scripts propuestos y profundizar en las tecnologías necesarias para el desarrollo de los proyectos.
20
0
Preparación de trabajos y ejercicios (incluye tiempo para consulta bibliográfica y documentación).
Resolución de los ejercicios, tareas prácticas y entregables propuestos durante el curso. Esta actividad incluye la consulta de documentación técnica, bibliografía, recursos en red, manuales de dispositivos, librerías software y ejemplos de uso necesarios para completar las prácticas y proyectos.
Los trabajos podrán incluir notebooks, scripts, análisis de datos, diagramas de arquitectura, pruebas con sensores o datos simulados, integración de comunicaciones, validación de resultados y preparación de memorias o presentaciones técnicas. Las instrucciones de cada trabajo serán presentadas en clase y estarán disponibles en el Aula Virtual.
40
0
Clase magistral participativa
Exposición de los contenidos teóricos base de la asignatura, con un enfoque orientado al diseño de sistemas de inteligencia ambiental y computación ubicua.
Se presentarán los principales bloques funcionales de este tipo de sistemas: dispositivos de bajo coste, sensores, actuadores, adquisición de datos, comunicaciones, integración, procesamiento, toma de decisiones y visualización. También se introducirán técnicas de análisis de datos y aprendizaje automático aplicadas al contexto de las redes ambientales, entre las que se podría incluir (en función de los proyectos propuestos) clasificación, regresión, predicción, detección de anomalías, sistemas basados en reglas y conceptos básicos de inteligencia en el borde.
Las sesiones tendrán un carácter participativo y estarán orientadas a relacionar los conceptos teóricos con casos de uso y proyectos prácticos.
8
100
Clase orientada a la resolución de problemas y casos de estudio.
Presentación, junto con la teoría, ejemplos concretos de aplicación, y se proporcionará al alumno aplicaciones con las que practicar con ellos.
4
100
Clase práctica en laboratorio.
Realización de actividades prácticas orientadas al diseño, implementación y evaluación de sistemas de inteligencia ambiental. El material teórico-práctico proporcionado en las sesiones de teoría servirá de base para el desarrollo de las prácticas.
Las actividades podrán incluir el uso de notebooks de Python, scripts, sensores, actuadores, dispositivos de bajo coste, APIs, ficheros de datos, herramientas de comunicación, almacenamiento ligero y visualización. Las prácticas estarán organizadas de forma progresiva para que el estudiante adquiera las habilidades necesarias para completar los proyectos de la asignatura.
Las prácticas se realizarán preferentemente en grupos de dos estudiantes. Cada grupo dispondrá, cuando proceda, de un PC y de dispositivos de bajo consumo tipo SBC o microcontrolador, junto con sensores y material necesario para su conexión. También podrán emplearse datos simulados, datasets externos o servicios en red cuando resulten adecuados para los objetivos de la práctica.
16
100
Presentación de trabajos ante el profesor.
Presentación y defensa de los trabajos o proyectos desarrollados durante el curso. Esta actividad permitirá valorar la capacidad del estudiante para explicar la arquitectura propuesta, justificar las decisiones técnicas adoptadas, interpretar los resultados obtenidos y analizar las limitaciones de la solución desarrollada.
La presentación podrá incluir una demostración del prototipo, notebook, script, análisis de datos, dashboard o sistema desarrollado. El profesorado podrá realizar preguntas al grupo y, en su caso, a cada estudiante de forma individual, con el fin de comprobar la comprensión del trabajo realizado y la participación efectiva de sus miembros.
2
100
Examen final
Exámenes tipo test o de cuestiones cortas para evaluar los contenidos teóricos y prácticos. El valor de esta parte está repartido en dos pruebas a mitad de curso y a final de curso. Las cuestiones serán de tipo test o cuestiones cortas e incitarán al alumnado a reflexionar sobre dichos conceptos o aplicándolos.
20 %
Entrega de prácticas
Entrega de los ejercicios, tareas prácticas, notebooks, scripts o boletines propuestos durante el curso. Las prácticas estarán orientadas a afianzar los contenidos de la asignatura y a guiar progresivamente al estudiante en el desarrollo de casos prácticos relacionados con sistemas de inteligencia ambiental.
Se evaluará la corrección técnica, la claridad de la solución, la reproducibilidad, la interpretación de resultados y la adecuada aplicación de los conceptos trabajados en clase. El calendario de entregas y el peso concreto de cada actividad se indicarán al comienzo del curso.
60 %
Entrega de proyectos
Entrega de uno o más proyectos o retos prácticos relacionados con sistemas de inteligencia ambiental o computación ubicua. Los proyectos se realizarán preferentemente en grupos de dos estudiantes y contarán con la supervisión del profesorado.
Se evaluará la adecuación del trabajo al ámbito de la asignatura, la solución técnica desarrollada, la documentación presentada, la validación de resultados y, en su caso, la presentación o defensa del trabajo realizado.
20 %
En general no existe mínimo en ninguna de las partes de la asignatura.
Para aprobar es necesario obtener una nota mayor o igual a 5 en la media ponderada de las notas de cada una de las partes.
En las partes en las que el alumno no se presente, se asumirá una nota de cero para esa parte en la ponderación.
Durante el curso se establecerán dos sesiones de recuperación (mitad y final de curso) para la recuperación de sesiones formativas presenciales obligatorias (en caso de haberlas) para los alumno/a que no haya podido asistir a ellas por causa justificada.
En el caso de que un estudiante que ha superado una actividad de evaluación en el sistema de evaluación continua, desee presentarse a esa misma actividad en el sistema de evaluación final será de aplicación el Artículo 8.3 del Reglamento de Evaluación para los títulos oficiales de Grado y Máster de la UPCT aprobado en Consejo de Gobierno el 30 de Abril de 2021, debiendo renunciar la la nota obtenida durante la evaluación continua.
Comentarios adicionales: Los pesos mostrados son aproximados. Los pesos exactos se indicarán al alumno en la presentación de la asignatura.
Autor: Murphy, Kevin P.
Título: Machine learning
Editorial: MIT Press,
Fecha Publicación: 2012
ISBN: 9780262305242
Autor: Bishop, Christopher M.
Título: Pattern recognition and machine learning
Editorial: Springer
Fecha Publicación: 2006
ISBN: 9780387310732
Autor: McKinney, Wes
Título: Python for data analysis: data wrangling with Pandas, NumPy, and IPython
Editorial: O`Reilly
Fecha Publicación: 2022
ISBN: 9781098104030
Autor: Gian Marco Iodice
Título: TinyML Cookbook
Editorial: Packt
Fecha Publicación: 2023
ISBN: 9781837637362
Autor: Géron, Aurélien
Título: Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. 3rd ed
Editorial: O'Reilly Media
Fecha Publicación: 2022
ISBN: 9781492032632
Autor: Karris, Steven T.
Título: Signals and systems
Editorial: Orchard Publications,
Fecha Publicación: 2012
ISBN: 9781934404249
Autor: Chollet, François
Título: Deep Learning with Python
Editorial: Shelter Island (New York, Estados Unidos) : Manning , cop.
Fecha Publicación: 2022
ISBN: 9781617296864
Se publicarán en aula virtual (http://moodle.upct.es) todos los boletines, materiales y documentación relativa al desarrollo de las prácticas y los contenidos teóricos presentados.