Guia docente
DATOS IDENTIFICATIVOS 2024_25
Asignatura ESTRUCTURAS DE DATOS Código 00717009
Enseñanza
0717 - GRADO INGENIERÍA DATOS INTELIGENCIA ARTIFICIAL
Descriptores Cr.totales Tipo Curso Semestre
6 Formación básica Primer Segundo
Idioma
Castellano
Prerrequisitos
Departamento ING.MECANICA,INFORMAT.AEROESP.
Responsable
CUERVO FERNÁNDEZ , EVA MARÍA
Correo-e emcuef@unileon.es
jmalip@unileon.es
Profesores/as
ALIJA PÉREZ , JOSÉ MANUEL
CUERVO FERNÁNDEZ , EVA MARÍA
Web http://agora.unileon.es
Descripción general Trata de familiarizar al alumno con los distintos tipos de estructuras de datos y con las técnicas de gestión de las mismas. Se hace énfasis en el análisis de las características de la información que justifican la elección de un tipo de estructura que faciliten las operaciones que se deberán realizar con esa información.
Tribunales de Revisión
Tribunal titular
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ DIAZ , RAMON ANGEL
Secretario ING.MECANICA,INFORMAT.AEROESP. PEREZ GARCIA , HILDE
Vocal CONDE GONZALEZ , MIGUEL ANGEL
Tribunal suplente
Cargo Departamento Profesor
Presidente ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS
Secretario FERNANDEZ ROBLES , LAURA
Vocal ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ LERA , FRANCISCO JAVIER

Competencias
Código  
A18986 717CE6 Conocimiento y aplicación de los fundamentos de programación, utilizando los lenguajes más relevantes en el ámbito de la ingeniería de datos y la inteligencia artificial.
A18987 717CE7 Conocimiento, diseño y utilización de forma eficiente de los tipos y estructuras de datos más adecuados a la resolución de un problema.
B5800 0717CG1 Conocimiento de materias básicas científicas y técnicas que capaciten para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones.
B5803 0717CG4 Capacidad para saber comunicar y transmitir conocimientos, habilidades y destrezas, comprendiendo la responsabilidad ética, social y profesional de la actividad del tratamiento de datos y de la inteligencia artificial.
B5806 0717CT1 Capacidad para el análisis, síntesis, resolución de problemas y la toma de decisiones.
B5809 0717CT4 Capacidad para el aprendizaje autónomo e individual en cualquier campo de la ingeniería en el ámbito de la Ingeniería de datos y la inteligencia artificial.
C2 CMECES2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
C5 CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Resultados de aprendizaje
Resultados Competencias
Conoce, diseña y utiliza de forma eficiente los tipos y estructuras de datos más adecuados a la resolución de un problema A18986
A18987
Conoce los principios básicos de programación para escribir código que implemente y/o utilice estructuras de datos. A18986
B5800
B5803
B5806
B5809
C2
C5

Contenidos
Bloque Tema
Bloque I: ESTRUCTURAS DE DATOS BÁSICAS Tema 1: FUNDAMENTOS DE LA PROGRAMACIÓN ORIENTADA A OBJETOS
Conceptos básicos de Programación Orientada a Objetos.

Tema 2: TIPOS DE DATOS ABSTRACTOS E INTERFACES.

Tema 3: INTRODUCCIÓN AL ANÁLISIS ALGORITMICO.

Tema 4: PILAS

Tema 5: COLAS

Tema 6: LISTAS

Tema 7: RECURSIVIDAD

Tema 8: ORDENACIÓN Y BÚSQUEDA
Bloque II .- ESTRUCTURAS DE DATOS AVANZADAS Tema 1: ÁRBOLES

Tema 2: GRAFOS

Tema 3: TABLAS HASH

Planificación
Metodologías  ::  Pruebas
  Horas en clase Horas fuera de clase Horas totales
Sesión Magistral 28 44 72
 
Prácticas en laboratorios 24 48 72
 
Tutorías 2 0 2
 
Pruebas mixtas 6 6 12
Pruebas prácticas 2 0 2
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as
Metodologías   ::  
  descripción
Sesión Magistral Exposición de conceptos básicos y presentación de soluciones a ejercicios típicos de cada tema.
Prácticas en laboratorios Clases prácticas en las que el profesor plantea problemas y el alumno los resuelve apoyándose en los conceptos introducidos en las sesiones magistrales y en el consejo del profesor. Estos ejercicios deben ser entregados para ser evaluados.
Tutorías Atención a dificultades puntuales a los temas explicados y los problemas propuestos

Tutorías
 
Tutorías
descripción
Las tutorias personalizadas serviran al alumno para solucionar dudas concretas sobre los conceptos teóricos o sobre algunos de los ejercicios propuestos.
Se realizaran por correo electrónico o de forma presencial en el despacho del profesorado o en el aula de ordenadores.

Evaluación
  descripción calificación
Pruebas mixtas Cuestionarios o exámenes parciales que se realizarán a lo largo del semestre. Podrán ser cuestionarios de tipo test, o de preguntas cortas o peticiones de pequeños fragmentos de código. (Se necesita al menos un 4 sobre 10 en cada uno de ellos para poder aprobar la asignatura)
60%
Pruebas prácticas Se propondrán varios ejercicios prácticos que se deberán entregar de forma obligatoria en la fecha establecida. Las prácticas que se presenten con retraso se penalizarán en la puntuación:
- Hasta una semana: un punto menos (sobre 10)
- Entre una y dos semanas: tres puntos menos (sobre 10)
- Las entregas pasadas dos semanas del plazo tendrán una calificación máxima de 5 (sobre 10)
Cada una de las prácticas deben tener una nota mínima de 4 para poder aprobar.
El profesor puede convocar a los alumnos a realizar un examen práctico sobre las prácticas realizadas si lo considera oportuno.
35%
This grade will be added when a minimum grade of 4 has been obtained in each of the mixed tests.
Otros Valoracion personal del profesor en funcion de la asistencia y participacion del alumno 5%
 
Otros comentarios y segunda convocatoria

In the case of not taking developmental tests, that 5% will be added to the mixed tests that would be worth 55% of the final grade of the course.

In the second call it will be possible to recover the pending part of the mixed tests and the practical tests. The conditions will be the same as in the first call. There will be two partial exams in which at least a 4 must be obtained in each one of them (the grade of the partial and practical exams passed in the first call will be kept). All the proposed practices must be handed in, obtaining at least a 4 in each one of them. The professor can call the students to take a practical exam on the practices carried out if he/she considers it appropriate.

Both the work and the practices presented by the students may be reviewed with an anti-plagiarism program that can perform checks between the work of the students of the current call, the previous calls and other external sources. If plagiarism is detected, the exam will be immediately withdrawn, the student will be expelled and the work or practice submitted will be graded as failed. In any case, the provisions of the internal regulations of the ULE included in the document "Guidelines for action in cases of plagiarism, copying or fraud in exams or evaluation tests" (Approved by the Standing Committee of the Governing Council 29/01/2015) will be taken into account.


Fuentes de información
Acceso a la Lista de lecturas de la asignatura

Básica , , ,
, , ,
Alfred V. Aho, Data structures and algorithms, Prentice Hall, 1998
Michael T. Goodrich, Tamassia, Goldwasser, Data Structures and Algorithms in Python, Wiley, 2013
yang hu, Easy Learning Data Structures and Algorithms Python 3, , 2021

Complementaria Bruno R. Preiss, Data Structures and Algorithms with Object-Oriented design patterns in Java, John Willey &Sons, 2000
Bruce Eckel, Piensa en JAVA, Pearson. Prentice Hall, 2007


Recomendaciones


Asignaturas que se recomienda haber cursado previamente
PROGRAMACIÓN / 00717005