2020/2021
Investigación e Innovación
Código: 43475 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 4313136 Modelización para la Ciencia y la Ingeniería / Modelling for Science and Engineering | OB | 0 | 1 |
La metodología docente y la evaluación propuestas en la guía pueden experimentar alguna modificación en función de las restricciones a la presencialidad que impongan las autoridades sanitarias.
Contacto
- Nombre:
- Anna Cima Mollet
- Correo electrónico:
- Anna.Cima@uab.cat
Uso de idiomas
- Lengua vehicular mayoritaria:
- inglés (eng)
Equipo docente
- Antonio Lozano Bagen
- Ana Cortes Garcia
Prerequisitos
No hay requisitos previos específicos. Los estudiantes deben tener las habilidades matemáticas correspondientes a nivel de un grado científico o tecnológico.
Objetivos y contextualización
El objetivo de este módulo es mostrar a los estudiantes la variedad de campos en los que podrán aplicar las herramientas adquiridas durante los cursos de Máster. Esperamos que puedan usarlos como guía cuando busquen prácticas en empresas e instituciones y también cuando elijan un tema y un director para el trabajo de fin de máster. También esperamos que les ayude a encontrar una trayectoria profesional.
Competencias
- Analizar sistemas complejos de distintos campos y determinar las estructuras y parámetros básicos de su funcionamiento.
- Analizar, sintetizar, organizar y planificar proyectos de su campo de estudio.
- Aplicar la metodología de investigación, técnicas y recursos específicos para investigar en un determinado ámbito de especialización.
- Aplicar las técnicas de resolución de los modelos matemáticos y sus problemas reales de implementación.
- Extraer de un problema complejo la dificultad principal, separada de otras cuestiones de índole menor.
- Formular, analizar y validar modelos matemáticos de problemas prácticos de distintos campos.
- Innovar en la búsqueda de nuevos espacios / ámbitos en su campo de trabajo.
- 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.
- 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.
- 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.
- Reconocer la dimensión humana, económica, legal y ética en el ejercicio profesional.
- Resolver problemas complejos aplicando los conocimientos adquiridos a ámbitos distintos de los originales
Resultados de aprendizaje
- Analizar, sintetizar, organizar y planificar proyectos de su campo de estudio.
- Aplicar la metodología de investigación, técnicas y recursos específicos para investigar en un determinado ámbito de especialización.
- Comprobar la validez del modelo respecto al comportamiento del sistema real
- Describir las dependencias funcionales del sistema con respecto a los distintos parámetros
- Diseñar modelos matemáticos que representen el sistema y su comportamiento
- Extraer de un problema complejo la dificultad principal, separada de otras cuestiones de índole menor.
- Identificar los parámetros que determinan el funcionamiento de un sistema
- Implementar las soluciones propuestas de forma fiable y eficiente.
- Innovar en la búsqueda de nuevos espacios / ámbitos en su campo de trabajo.
- 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.
- 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.
- 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.
- Reconocer la dimensión humana, económica, legal y ética en el ejercicio profesional.
- Resolver modelos matemáticos de forma eficiente.
- Resolver problemas complejos aplicando los conocimientos adquiridos a ámbitos distintos de los originales
Contenido
Tenemos dos tipos de actividades durante el semestre: asistir a tres mini-cursos innovadores y asistir a una serie de conferencias impartidas por personas que trabajan para empresas o investigadores que trabajan en universidades o centros de investigación.
Los cursos son los siguientes:
1. Introducción al Machine Learning. Regresión lineal, regresión logística, SVM. Árboles de decisión, bosques aleatorios, aumento de gradiente. Redes neuronales.
2. Algoritmos para la ciencia de datos. Creación de árboles: Kruskal y Prim. Trayectoria más corta: Levenshtein Distance i la subsecuencia común más larga. Optimización del flujo: Ford-Fulkerson. Problemas matrimoniales estables y problemas de coloración gráfica. Rama y límite: el problema de la mochila.
3. Modelos numéricos de pronóstico del tiempo. Predicción numérica del tiempo (NWP): una visión general, conceptos básicos de la modelación atmosférica: aproximaciones y parametrizaciones, modelos NWP y potencia computacional, aplicaciones de la predicción numérica del tiempo en el Servicio Meteorológico de Cataluña (SMC).
Invitaremos a especialistas en los campos de modelización de sistemas complejos, modelización para la ingeniería, modelización matemática y ciencia de datos. Entre otros tendremos charlas de personas procedentes de:
• SMC, Servei Meteorològicde Catalunya, http://www.meteo.cat
• CRM, Centre de Recerca Matemàtica, http://www.crm.cat
• BSC-CNS, Centro de Supercomputación de Barcelona, http://www.bsc.es
• ACCENTUR, https://www.accentur.com
• IIIA-CSIC, Instituto de Investigación en Intel·ligencia Artificial, https://www.iiia.csic.es
Metodología
La metodología de los tres cursos se basa en clases magistrales que consisten en la presentación de la teoría, ejemplos y estudio de casos concretos.
En relación con las conferencias, se anunciarán previamente en el campus virtual del módulo Investigación e Innovación. Allí los estudiantes encontrarán el título de la charla, el nombre del conferenciante, un breve resumen y enlaces de interés.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Asistencia a las charlas | 16 | 0,64 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 13, 14, 15 |
| Asisténcia a los cursillos | 22 | 0,88 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 13, 14, 15 |
Evaluación
Actividades de evaluación
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Asistencia a las conferencias | 10% | 16 | 0,64 | 3, 4, 7, 10, 12, 11 |
| Hacer un informe sobre Deep Learnig | 30% | 32 | 1,28 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 13, 14, 15 |
| Hacer un informe sobre Numerical Weather Forecast Models | 30% | 32 | 1,28 | 3, 4, 7, 10, 12, 11 |
| Hacer un informe sobre Python for analitical purposes | 30% | 32 | 1,28 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 12, 11, 13, 14, 15 |
Bibliografía
- Bibliography and links of interest
- http://shop.oreilly.com/product/0636920052289.do
- http://www.deeplearningbook.org/
- T. Starkweather, S McDaniel, K. Mathias, D. Whitley, C. Whitley. A Comparison of Genetic Sequencing Operatots.
- Ahrens, C. Meteorology Today: An Introduction to Weather, Climate, and the Environment. International student edition. Brooks/Cole, CengageLearning. 2009
- Holton, J. R., & Hakim, G. J. (2012). An introduction to dynamic meteorology (Vol. 88). Academic press.
- Wilks, D. S. (2011). Statistical methods in the atmospheric sciences (Vol. 100). Academic press.Gutiérrez, J. M. (2004). Redes probabilísticas y neuronales en las ciencias atmosféricas. Ministerio de Medio Ambiente, Secretaría General Técnica.