Titulació | Tipus | Curs |
---|---|---|
Enginyeria Electrònica de Telecomunicació | OT | 4 |
Podeu consultar aquesta informació al final del document.
Es recomana haver cursat les assignatures d'Instrumentació I i II.
L'objectiu principal de l'assignatura és entendre com l'ús de la intel·ligència artificial pot millorar els sistemes d'instrumentació que l'alumne ja coneix de les assignatures d'instrumentació I i II
1) Modelatge de sensors no lineals.
2) Introducció a les xarxes neuronals aritficiales.
2.1) El perceptró.
2.2) Xarxes multicapa
2.3) Entrenament de xarxes neuronals.
2.4) Aplicacions generals.
3) Optimització de sistemes d'instrumentació mitjançant l'ús de xarxes neuronals.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Seminaris de problemes i casos | 10 | 0,4 | 1, 3, 4, 5, 6, 7, 8, 9, 11, 12, 15, 16 |
Clases | 30 | 1,2 | 1, 2, 3, 4, 7, 9, 11 |
Tipus: Supervisades | |||
Discussions dels problemes proposats. | 15 | 0,6 | 2, 3, 6, 10, 11, 12, 13, 15, 16 |
tutories | 7 | 0,28 | 1, 2, 3, 4, 10, 11, 13 |
Tipus: Autònomes | |||
Treball orientat a l'aprenentatge basat en problemes | 35 | 1,4 | 1, 2, 3, 4, 7, 8, 9, 11, 13 |
Estudi | 20 | 0,8 | 2, 3, 4, 11 |
Redacció d'informes | 20 | 0,8 | 5 |
La metodologia docent combinarà, a banda del treball autònom, activitats dirigides i supervisades. En les activitats dirigides es combinaran classes magistrals, seminaris de problemes i casos i sesions de laboratori.
A través del Campus Virtual es tindrà accés al material docent que complementa els conceptes treballats a l'aula. El Campus Virtual també serà el mètode utilitzat per fer els lliuraments de les activitats avaluables.
Es recomana que els alumnes assisteixin a classe amb un ordinador portàtil.
Durant el curs, les classes magistrals s'aniran alternant amb casos pràctics que els estudiants hauran de resoldre a classe mitjançant l'ús de matlab. L'ús de la IA està restringit a la resolució dels casos pràctics. L´estudiant haurà d´explicar el propòsit de l´ús de la IA i obtenir l´aprovació del professor.
Aquesta assignatura no preveu el sistema d’avaluació única.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè els alumnes completin les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Memòria del treball final | 30% | 2 | 0,08 | 1, 2, 3, 4, 5, 6, 7, 9, 10, 11, 12, 13, 15, 16 |
Resolució de problemes a classe | 40% | 10 | 0,4 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 14, 15, 16 |
Breus exàmens orals | 30% | 1 | 0,04 | 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16 |
Durant el curs s'aniran proposant problemes que els alumnes hauran de resoldre durant la classe i fora.
La resolució daquests problemes correspondrà al 40% total de la nota.
Al llarg del curs s'aniran fent diverses avaluacions orals sobre els exercicis que s'estiguin realitzant en aquell moment. Aquestes avaluacions suposen el 30% de la nota.
Finalment l'alumne haurà de lliurar una memòria d'un treball de temàtica lliure, però relacionada amb els continguts de l'assignatura, que suposarà el 30% de la nota.
En cas de no superar lassignatura, l'alumne tindrà dret a un examen de recuperació segons el calendari fixat per l'Escola.
S'obtindrà la qualificació de No Avaluable en cas de no lliurar la memòria del treball de temàtica lliure i lliurar menys d'un 15% dels treballs proposats.
La classificació de MH s'obtindrà d'acord amb els criteris establerts a la normativa vigent de la UAB.
Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, es qualificaran amb un zero les irregularitats comeses per l'estudiant que puguin conduir a una variació de la qualificació d'un acte d'avaluació.
J.C. Alvarez et al., “Instrumentación electrónica”, Thomson-Paraninfo, 2006
P.H. Sydenham, N.H. Hancok and R. Thorn, “Introduction to Measurement Science and Engineering”, John Wiley & Sons, 1989.
Ripley, Brian D. (1996) Pattern Recognition and Neural Networks, Cambridge
Bishop, C.M. (1995) Neural Networks for Pattern Recognition, Oxford: Oxford University Press.
Matlab
La informació proporcionada és provisional fins al 30 de novembre de 2025. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d’aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
Nom | Grup | Idioma | Semestre | Torn |
---|---|---|---|---|
(PAUL) Pràctiques d'aula | 321 | Espanyol | segon quadrimestre | tarda |
(PLAB) Pràctiques de laboratori | 321 | Espanyol | segon quadrimestre | matí-mixt |
(TE) Teoria | 320 | Espanyol | segon quadrimestre | tarda |