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
Nombre y apellidos: LÓPEZ MATENCIO PÉREZ, PABLO ANTONIO
Área de conocimiento: Ingeniería Telemática
Departamento: Tecnologías de la Información y las Comunicaciones
Teléfono: 968326585
Correo electrónico: pablo.lopez@upct.es
Horario de atención y ubicación durante las tutorias:
Titulaciones:
Categoría profesional: Profesor Titular de Universidad
Nº de quinquenios: 3
Nº de sexenios: 1 de investigación
Curriculum Vitae: Perfil Completo
Nombre y apellidos: AARNOUTSE SÁNCHEZ, JUAN CARLOS JACOBO
Área de conocimiento: Ingeniería Telemática
Departamento: Tecnologías de la Información y las Comunicaciones
Teléfono: 968326554
Correo electrónico: juanc.sanchez@upct.es
Horario de atención y ubicación durante las tutorias:
Titulaciones:
Categoría profesional: Profesor Contratado Doctor
Nº de quinquenios: 4
Nº de sexenios: 1 de investigación
Curriculum Vitae: Perfil Completo
[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.
Sistemas de inteligencia ambiental
Tema 1: Introducción a los sistemas de inteligencia ambiental
Tema 2: Sistemas empotrados para computación y comunicaciones
Tema 3: Sensorización
Tema 4: Aprendizaje máquina
Introducción a la programación de sistemas empotrados
Trabajo Práctico 1. Introducción a Python. Sensores y actuadores con Raspberry Pi, SenseHat, o Arduino Trabajo Práctico 2. Aplicación de sensores y actuadores. Trabajo Práctico 3. Caso práctico de aplicación con regresores y clasificadores.
Aprendizaje automático
Trabajo Práctica 4. Procesado de señales como son las producidas por el movimiento Proyecto. Caso práctico de aprendizaje máquina
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, y en el que encontraras 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 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 computation and networking
Part 3: Sensing
Part 4: Machine Learning
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.
Clase en aula convencional: teoría, problemas, casos prácticos, seminarios, etc
Exposición de contenidos teóricos base. Estudio de técnicas de aprendizaje automático.
Entre ellos, se presentan métodos clasificación con redes neuronales artificiales, clustering y/o sistemas de detección de fallos y anomalías. Durante la clase se presentará, junto con la teoría, ejemplos concretos de aplicación, y se proporcionará al alumno aplicaciones con las que practicar con ellos.
12
100
Clase en laboratorio: prácticas
El material teórico/práctico proporcionado en las sesiones de teoría debe preceder a las sesiones prácticas ya que se utilizará en ellas. Los notebooks de Python entregados sobre cada tema de teoría sirve para afianzar de forma práctica los contenidos teóricos, y, para preparar al alumno en la ejecución del proyecto.
Las prácticas se enumeran en la secuencia cronológica de su desarrollo. Todas las prácticas se realizan en grupos de dos alumnos. Cada grupo dispone de un PC con Windows y un ordenador de bajo consumo tipo SBC, junto con los sensores y el material necesario para su conexión.
15
100
Clase en campo o aula abierta (visitas técnicas, conferencias, etc.). En general, actividades que requieren de unos recursos o de una planificación especiales
A partir de las clases de teoría y prácticas y, de forma gradual, se introduce al alumno los conocimientos y herramientas necesarias para completar un reto o proyecto. Para ello, se aprovecha la evaluación continua proponiendo uno o más retos durante el curso.
2
100
Actividades de evaluación (sistema de evaluación continua)
Realización de cuestiones teoría o de tipo práctico que serán durante horario de la asignatura previsto para tal fin.
La planificación de estos ejercicios será en en el aula o usando medios telemáticos.
1
100
Trabajo del estudiante: estudio o realización de trabajos individuales o en grupo
Resolución de los ejercicios propuestos en clase y en los entregables de prácticas
Estudio personal o en grupo de alumnos
60
0
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
Los alumnos deben completar los ejercicios prácticos y preguntar al profesor las dudas que tenga en el transcurso de la misma. De esta forma el alumno va adquiriendo las habilidades prácticas propuestas y, el profesor, puede comprobar en qué ejercicios los alumnos encuentran mayor dificultad. Al finalizar cada práctica, los entregarán un boletín con los ejercicios resueltos y, en su caso, el código generado para resolver dichas tareas. El profesor devolverá la corrección de la práctica con los comentarios pertinentes siempre enfocados a mejorar el conocimiento del alumno.
Entrega de los ejercicios prácticos propuestos por los profesores durante el curso. Se compone de 4 entregas. Cada entrega tendrá un peso entre 10% y un 20% en esta parte.
El calendario de entregas estará planificado a comienzo de curso.
60 %
Entrega de proyectos
Los trabajos prácticos están preparados para introducir al alumno los retos que se proponen durante el curso.
La elaboración del proyecto complementan las sesiones de prácticas. En estas tareas, los alumnos trabajarán en grupos de dos en el desarrollo de los trabajos y retos propuestos en el curso. Los alumnos trabajarán con la supervisión del profesor, a quien podrán plantear las dudas sobre el trabajo. Esta interacción permite al profesor realizar un seguimiento de su evolución. El profesor realizará una evaluación formativa devolviendo los trabajos una vez revisados.
20 %
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
Los alumnos deben completar los ejercicios prácticos y preguntar al profesor las dudas que tenga en el transcurso de la misma. De esta forma el alumno va adquiriendo las habilidades prácticas propuestas y, el profesor, puede comprobar en qué ejercicios los alumnos encuentran mayor dificultad. Al finalizar cada práctica, los entregarán un boletín con los ejercicios resueltos y, en su caso, el código generado para resolver dichas tareas. El profesor devolverá la corrección de la práctica con los comentarios pertinentes siempre enfocados a mejorar el conocimiento del alumno.
Entrega de los ejercicios prácticos propuestos por los profesores durante el curso. Se compone de 4 entregas. Cada entrega tendrá un peso entre 10% y un 20% en esta parte.
El calendario de entregas estará planificado a comienzo de curso.
60 %
Entrega de proyectos
Los trabajos prácticos están preparados para introducir al alumno los retos que se proponen durante el curso.
La elaboración del proyecto complementan las sesiones de prácticas. En estas tareas, los alumnos trabajarán en grupos de dos en el desarrollo de los trabajos y retos propuestos en el curso. Los alumnos trabajarán con la supervisión del profesor, a quien podrán plantear las dudas sobre el trabajo. Esta interacción permite al profesor realizar un seguimiento de su evolución. El profesor realizará una evaluación formativa devolviendo los trabajos una vez revisados.
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: Idris, Ivan,
Título: Python data analysis: learn how to apply powerful data analysis techniques with popular open source Python modules /
Editorial:
Fecha Publicación:
ISBN: 9781783553365
Autor: Bishop, Christopher M.
Título: Pattern recognition and machine learning
Editorial: Springer
Fecha Publicación: 2006
ISBN: 9780387310732
Autor: Gerón, Aurélien
Título: Hands-on machine learning with scikit-learn and TensorFlow:
Editorial: O'Reilly Media
Fecha Publicación: 2017
ISBN: 9781491962299
Autor: Monk, Simon
Título: Raspberry Pi cookbook: software and hardware problems and solutions
Editorial: O'Reilly Media
Fecha Publicación: 2019
ISBN: 9781492043225
Autor: Gian Marco Iodice
Título: TinyML Cookbook
Editorial: Packt
Fecha Publicación: 2023
ISBN: 9781837637362
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.