![]() |
Guia docente | |||||||||||||||||||||||||||||||||||||||
DATOS IDENTIFICATIVOS | 2024_25 | |||||||||||||||||||||||||||||||||||||||
Asignatura | VISIÓN ARTIFICIAL | Código | 00717028 | |||||||||||||||||||||||||||||||||||||
Enseñanza |
|
|||||||||||||||||||||||||||||||||||||||
Descriptores | Cr.totales | Tipo | Curso | Semestre | ||||||||||||||||||||||||||||||||||||
6 | Obligatoria | Tercero | Segundo |
|||||||||||||||||||||||||||||||||||||
Idioma |
|
|||||||||||||||||||||||||||||||||||||||
Prerrequisitos | ||||||||||||||||||||||||||||||||||||||||
Departamento | ING.ELECTR.DE SIST. Y AUTOMATI |
|||||||||||||||||||||||||||||||||||||||
Responsable |
|
Correo-e | efidf@unileon.es ealeg@unileon.es |
|||||||||||||||||||||||||||||||||||||
Profesores/as |
|
|||||||||||||||||||||||||||||||||||||||
Web | http://agora.unileon.es | |||||||||||||||||||||||||||||||||||||||
Descripción general | En esta asignatura de Visión Artificial se revisarán fundamentos y aplicaciones de los sistemas que permiten a las máquinas extraer información de imágenes y video. Se abordan temas como la extracción de características, segmentación, clasificación, detección y reconocimiento de objetos, entre otros, tanto en técnicas tradicionales como utilizando aprendizaje profundo. A lo largo del curso, se consolidarían los contenidos teóricos con prácticas donde se implementarán algoritmos y se experimentará con conjuntos de datos para resolver problemas de visión artificial en diferentes campos | |||||||||||||||||||||||||||||||||||||||
Tribunales de Revisión |
|
|||||||||||||||||||||||||||||||||||||||
Competencias |
Código | |
A18976 | 717CE21 Conocimiento y capacidad de aplicación de los conceptos, metodologías y tecnologías de procesado de imagen y vídeo en diferentes formatos. |
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. |
B5802 | 0717CG3 Capacidad para concebir, diseñar, analizar, implementar y utilizar aplicaciones para el análisis de datos y la extracción de conocimiento a partir de distintas fuentes de datos. |
B5806 | 0717CT1 Capacidad para el análisis, síntesis, resolución de problemas y la toma de decisiones. |
B5807 | 0717CT2 Capacidad para la interpretación de resultados con iniciativa, creatividad y razonamiento crítico y autocrítico. |
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. |
C4 | CMECES4 Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado |
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 y aplica los conceptos, metodologías y tecnologías de procesado de imagen y vídeo en diferentes formatos | A18976 |
B5800 |
C2 C4 |
Domina las principales operaciones de preprocesamiento, segmentación y descripción de imágenes y objetos en imágenes | A18976 |
B5800 |
C2 C4 |
Conoce y sabe aplicar técnicas y modelos que permitan la clasificación de imágenes o vídeos o el reconocimiento y la recuperación de objetos presentes en imágenes. | B5802 B5806 B5807 |
C2 |
|
Analiza, sintetiza y resuelve problemas relacionados con la Visión Artificial | A18976 |
B5800 B5806 B5807 |
C2 C5 |
Transmite con corrección información, ideas, problemas y soluciones. | A18976 |
B5809 |
C4 |
Contenidos |
Bloque | Tema |
1. Introducción a la Visión por Computador. 2. Etapas en Visión por Computador. 3. Redes Neuronales Convolucionales 4. Modelos secuenciales 5. Detección y reconocimiento de objetos 6. Segmentación de imágenes 7. Modelos de aprendizaje no supervisados y autosupervisados 8. Modelos generativos 9. Modelos de Visión y Lenguaje |
Planificación |
Metodologías :: Pruebas | |||||||||
Horas en clase | Horas fuera de clase | Horas totales | |||||||
Resolución de problemas/ejercicios en el aula ordinaria | 4 | 2 | 6 | ||||||
Presentaciones/exposiciones | 4 | 16 | 20 | ||||||
Practicas a través de TIC en aulas informáticas | 26 | 26 | 52 | ||||||
Trabajos | 6 | 18 | 24 | ||||||
Autónomas | 0 | 8 | 8 | ||||||
Sesión Magistral | 20 | 20 | 40 | ||||||
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
descripción | |
Resolución de problemas/ejercicios en el aula ordinaria | Realización de ejercicios usando diversos medios como puede ser una tablet, el encerado o también mediante diapositivas y ejemplos utilizando Excel. También se podrán dejar ejercicios en Agora, con soluciones, la mayoría de las veces también con ejemplos resueltos en Excel. |
Presentaciones/exposiciones | Los estudiantes explicarán durante las clases el proyecto realizado utilizando una presentación preparada previamente siguiendo las indicaciones proporcionadas por el profesor. |
Practicas a través de TIC en aulas informáticas | Las prácticas de la asignatura se realizarán utilizando Python (3.X). Disponible en el laboratorio F3 aunque se recomienda que cada estudiante lo instale también en su ordenador personal. Se recomienda usar Python 3.X a partir de la instalación del entorno Anaconda (https://www.anaconda.com/). Preferiblemente se utilizará el IDE Spyder, incluido en dicha instalación. Las prácticas se realizarán siguiendo los guiones dejados en Agora. Las dudas se resolverán consultando al profesor. Se entregará su solución en una tarea habilitada para ello en Agora. |
Trabajos | El alumno realizará un proyecto durante el curso que estará basado en los contenidos teóricos explicados en las clases y podrá aprovechar alguna de las prácticas realizadas en el laboratorio. |
Autónomas | Se le propondrá al alumno la realización de cursos online, típicamente en plataformas MOOC, de muy corta duración para reforzar completar la formación recibida. |
Sesión Magistral | Sesiones teóricas en el aula utilizando diapositivas. También se podrán dejar presentaciones o documentos correspondientes a los materiales de cada lección en Agora. Las lecciones podrán ir acompañadas de vídeos relacionados con los conceptos presentados, algunos grabados por los profesores y otros procedentes de recursos de internet que los profesores consideren especialmente apropiados. Algunas lecciones irán acompañadas de un cuestionario con preguntas, que podrán ser tanto teóricas como prácticas, cuyas entregas serán evaluables. Previsiblemente se utilizarán cursos de la plataforma Datacamp, o cursos similares, para reforzar algunas lecciones impartidas, siendo algunos cursos opcionales y otros obligatorios. |
Tutorías |
|
|
Evaluación |
descripción | calificación | ||
Practicas a través de TIC en aulas informáticas | La entrega de las prácticas que se indiquen como obligatorias, así como las actividades complementarias indicadas como obligatorias, se valorarán con un 10% de la nota total. | 10 | |
Trabajos | El alumno realizará un proyecto durante la asignatura que será evaluado mediante las entregas y presentaciones realizadas y sus correspondientes exámenes de validación escritos. Es obligatorio realizar el proyecto y superar su evaluación para aprobar el curso. Dicho proyecto tendrá un valor del 30% de la nota del curso y se valorará tanto mediante presentaciones y exámenes de validación escritos. De ese 30%, el 15% corresponde a la nota de las presentaciones y el otro 15% a la nota del examen o exámenes de validación. | 30 | |
Autónomas | Algunas prácticas y otras actividades que se indiquen tendrán carácter voluntario y tendrán un valor del 10% de la nota del curso. Podrá superarse el curso sin entregar ninguna de las actividades voluntarias aunque no se obtendrá la nota correspondiente a la realización de las mismas. | 10 | |
Sesión Magistral | Los contenidos impartidos en las clases teóricas, tanto conceptos teóricos como ejercicios, se valorarán mediante exámenes escritos suponiendo dichos exámenes el 50% de la nota del curso. | 50 | |
Otros comentarios y segunda convocatoria | |||
Podrá superarse el curso sin entregar ninguna de las actividades voluntarias aunque no se obtendrá la nota correspondiente a la realización de las mismas. Para superar el curso es necesario obtener un 50% de la nota máxima de todas las actividades obligatorias, que son todas las indicadas anteriormente excepto las actividades señaladas como voluntarias. Las condiciones para superar el curso en segunda convocatoria son las mismas que en primera convocatoria. |
Fuentes de información |
Acceso a la Lista de lecturas de la asignatura |
Básica | |
|
|
Complementaria | |
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente | |||||
|