Featured events

« September 2017 »
MonTueWedThuFriSatSun
123
45678910
11121314151617
18192021222324
252627282930

Asignaturas de grado

Imagen: 

Fecha y hora: 21 de septiembre a las 18 horas

Destacada primera pagina: 
Si
Mostrar en el slider: 
No
Imagen Slider: 

Visita a Google con CRIN 3.1

Submitted by gkont on Wed, 13/04/2016 - 23:54
Imagen: 

El miércoles 6 de abril de 2016, en el marco de la asignatura “Creatividad e Innovación” se realizó una visita a las oficinas centrales de Google en la Torre Picasso de Madrid.

Destacada primera pagina: 
Si
Mostrar en el slider: 
No
Imagen Slider: 

Ingeniería de Sistemas Electrónicos

Submitted by mvlopez on Mon, 20/07/2015 - 13:58
Créditos Totales: 
6.0
Delivery dates: 
segundo semestre
Type of subject: 
De especialidad
Faculty
Coordinator: 
Tribunal
Secretary: 
Créditos Totales: 
6.0
Delivery dates: 
Primer semestre/Sólo examen
Type of subject: 
Optativa
Faculty
Coordinator: 
Tribunal
President: 
Secretary: 

Laboratorio de Sistemas Electrónicos Digitales-LSED

Submitted by mvlopez on Wed, 08/07/2015 - 11:33
Créditos Totales: 
3.0
Delivery dates: 
segundo semestre/Sólo Examen
Type of subject: 
Troncal/obligatoria
Faculty
Tribunal

Ingeniería de Superficies (SURF)

Submitted by mvlopez on Wed, 01/07/2015 - 11:40
Créditos Totales: 
6.0
Delivery dates: 
segundo semestre
Type of subject: 
Troncal/obligatoria
Faculty
Coordinator: 
Tribunal
President: 
Secretary: 

Ergonomía de Interaccion Persona-Máquina (EIPM)

Submitted by mvlopez on Mon, 29/06/2015 - 14:34
Electronic document: 

En esta asignatura se tratan de manera introductoria las técnicas conducentes a optimizar la ergonomía de sistemas de interacción persona-máquina considerando las alternativas tecnológicas y de diseño que permiten optimizar la experiencia de usuario. Para ello es fundamental también conocer los procedimientos de evaluación de la interacción.

La asignatura se acompaña de una componente práctica que permite al estudiante entrar en contacto con la realidad de uso de este tipo de metodologías de diseño para conseguir una interacción ergonómica y su evaluación.

Créditos Totales: 
3.0
Delivery dates: 
primer semestre
Type of subject: 
Optativa
Instructional Objectives: 

Competencias

CECT13: Capacidad de diferenciar los conceptos de redes de acceso y transporte, redes de conmutación de circuitos y de paquetes, redes fijas y móviles, así como los sistemas y aplicaciones de red distribuidos, servicios de voz, datos, audio, vídeo y servicios interactivos y multimedia.

• CE-SE7: Capacidad para diseñar dispositivos de interfaz, captura de datos y almacenamiento, y terminales para servicios y sistemas de telecomunicación.

• CG8: Comunicación oral y escrita.

Resultados de Aprendizaje

R1: El alumno conocerá los conceptos de ergonomía en interfaces persona-máquina.

• R2: El alumno podrá realizar un análisis de la ergonomía y usabilidad de un interfaz persona-máquina.

• R3: El alumno sabrá cómo realizar la evaluación de la ergonomía de un interfaz persona-máquina y cómo aplicar las conclusiones de dicha evaluación para mejorar la ergonomía de dicha interfaz

Program: 

 

1. TEMA 1: Introducción a la ergonomía de la interacción persona-máquina (4 horas) Introducción a la interacción persona-máquina

Definición de conceptos principales

Análisis del factor humano en dicha interacción

¿Qué hace a un producto con interacción más usable?

 

2. TEMA 2: Diseño de sistemas de interacción multimodal (12 horas) Guías de estilos y diseño gráfico.

Modalidades de interacción y tecnologías necesarias: dispositivos, estilos y paradigmas.

Ingeniería de la Interfaz. Técnicas de diseño ergonómico de la interacción.

Accesibilidad y personalización de los sistemas

Internacionalización de interfaces.

 

3. TEMA 3: Evaluación de la ergonomía (4 horas) Objetivos

Conceptos básicos de la metodología de evaluación

Puntos de control en el proyecto de desarrollo

Proceso de evaluación i. Diseño del plan de evaluación

ii.Bancos de prueba

iii. Selección de evaluadores

iv. Desarrollo de las evaluaciones

v.Análisis del resultado de la evaluación

 

 

4. Análisis de casos prácticos (5 horas). A lo largo del curso, se presentará el análisis de varios casos prácticos para que los alumnos puedan ir realizando su práctica tomando como ejemplo estos análisis. Aplicación de una agencia de viajes

Aplicación para la reserva de hoteles o entradas para espectáculos

Aplicación de venta por Internet

Redes sociales

Aplicación web de la ETSIT y de la UPM.

 5. Presentación de las prácticas de los alumnos (5 horas) A lo largo del curso los alumnos realizarán una práctica que consiste en el análisis y evaluación de la ergonomía de una aplicación existente y de acceso público. Esta práctica se podrá realizar de forma individual o en parejas. Los alumnos presentarán la evolución de sus prácticas a lo largo de curso en 3 puntos de control: i. En el primer hito, los alumnos presentarán la aplicación elegida y su justificación.

ii.En el segundo hito, los alumnos expondrán un primer análisis de la ergonomía de la aplicación elegida

iii. En la presentación final, los alumnos presentarán un análisis más detallado de la aplicación elegida, incluyendo una evaluación de campo con usuarios.

 

 

 

Review: 

Para aprobar la asignatura, los alumnos deben obtener un mínimo de 5 puntos en un escala de 10.

Los alumnos serán evaluados, por defecto, mediante evaluación continua. La calificación de la asignatura se realizará del siguiente modo:

Hito 1: presentación de la aplicación elegida. (20%)

Hito 2: presentación del análisis realizado sobre aplicación elegida. (40%)

Hito 3: presentación final del análisis incluyendo evaluación con usuarios. (40%)

En cumplimiento de la Normativa de Evaluación de la Universidad Politécnica de Madrid, los alumnos que lo deseen serán evaluados mediante un único examen final siempre y cuando lo comuniquen al coordinador de la asignatura por escrito. Esta solicitud puede realizarse en cualquier momento antes del día anterior a la presentación del hito 3. El examen final consistirá en una presentación que recoja el análisis de la ergonomía de una aplicación así como una evaluación de campo con usuarios.

En la convocatoria extraordinaria, el examen consistirá en una presentación que recoja el análisis de la ergonomía de una aplicación así como una evaluación de campo con usuarios.

Faculty
Tribunal

Sistemas Basados en Aprendizaje Automático (SIBA)

Submitted by mvlopez on Mon, 29/06/2015 - 14:15
Electronic document: 

En esta asignatura se tratan de manera introductoria las técnicas de aprendizaje automático con una

importante componente práctica que permite al estudiante entrar en contacto con la realidad de uso y

diseño de este tipo de sistemas.

La asignatura cubre los distintos aspectos de diseño de los sistemas de aprendizaje automático basado en

datos, desde los detalles relacionados con la entrada de datos, el análisis de los mismos, la obtención de

características principales, la agrupación automática, creación de patrones, y generación de un sistema

automático que los aprenda y los reconozca. Finalmente se estudia la evaluación del comportamiento del

sistema al realizar la tarea asignada, estimación de su rendimiento y eficacia y los métodos de ajuste del

mismo para optimizar su validez.

Estos sistemas son fundamentales en muy diversos campos de aplicación, desde la automatización

inteligente de procesos industriales hasta el análisis de grandes cantidades de datos para extraer

información y clasificarla en lo que se ha dado en llamar "Big Data”.

Cada vez más la industria requiere profesionales con experiencia previa en este campo del aprendizaje

automático, reconocimiento automático de patrones y extracción de Información a partir de datos.

Las áreas de aplicación son innumerables siempre que se disponga de suficientes datos, por ejemplo datos

de redes sociales, datos de patrones de enfermedades, optimización de procesos, optimización de recursos,

análisis de comportamiento de clientes, organización operativa, detección de fallos en sistemas, análisis de

contenido de textos escritos, análisis de grabaciones de audio y vídeo etc.

Créditos Totales: 
3.0
Delivery dates: 
primer semestre
Type of subject: 
Optativa
Instructional Objectives: 

Competencias

CECT3 - Capacidad para utilizar herramientas informáticas de búsqueda de recursos bibliográficos o de

información relacionada con las telecomunicaciones y la electrónica

CEB2 - Conocimientos básicos sobre el uso y programación de los ordenadores, sistemas operativos, bases

de datos y programas informáticos con aplicación en ingeniería

CG2: 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

CG7: Trabajo en equipo.

CG8: Comunicación oral y escrita.

Resultados de Aprendizaje

R1- Conocimientos de la problemática de análisis de grandes cantidades de datos

R2- Conocimientos de los sistemas de clasificación y agrupamiento de datos y de las principales

características de cada uno de los métodos principalmente utilizados

R3- Analizar y evaluar los distintos algoritmos de aprendizaje automático basado en datos

R4- Conocimiento de los principales programas informáticos y herramientas para el análisis de

datos y aprendizaje de la máquina basado en los mismos.

RA45 - Conocimientos y habilidades de las temáticas científico tecnológicas desarrolladas en las

asignaturas ofertadas

RA358 - Capacidad para el análisis de problemas, trabajo en equipo y exposición de los resultados

del análisis

Program: 

1. TEMA 1. Introducción

• Visión general del curso

• Mineria de datos y aprendizaje automático

• Ejemplos simples: Tiempo, iris, negociaciones laborales, clasificación de granos,

• Áreas reales de aplicación: Análisis de webs, análisis de imágenes, diagnosis de enfermedades,

Mercadotecnia y ventas

2. TEMA 2. Clasificación y regresión

• Datos de entrada: Ejemplos, atributos, clases

• Concepto de clasificación, agrupamiento y regresión

• 1-R

• ZeroR, Regla de Bayes y naive Bayes

• Clasificación lineal

• Regresión lineal

3. PRÁCTICA 1: Manejo de la herramienta WEKA

• Introducción al interface “explorer” de Weka

• Carga de datos, editor de datos, filtrado de datos

• Panel de clasificación

4. TEMA 3. Evaluación

• Concepto de entrenamiento/evaluación

• Validación cruzada

• Significancia estadística

• Sobre-entrenamiento (overfitting)

5. PRÁCTICA 2: Ejemplos de aplicación

• Definición de la aplicación

• Preparación de los datos de entrenamiento y prueba.

• Pruebas de algoritmos simples con datos sencillos

6. TEMA 4. Selección y transformación de rasgos característicos

• Basado en estimación de bondad. Selección de componentes principales.

• Basado en clasificación. Transformación lineal discriminativa (LDA)

7. PRÁCTICA 3: Estudio y selección de rasgos para mejorar el sistema

• Prueba con distintos atributos

• Selección manual de atributos

• Selección automática de atributos: Selección de componentes principales, Transformación lineal

discriminativa (LDA)

8. TEMA 5. Clasificación avanzada y agrupamiento

• Árboles de decisión y regresión

• Regla de los K vecinos más próximos (K-NN)

• Perceptron multicapa (ANN)

• Técnicas de agrupamiento, Simple kmeans, Estimate-Maximize (EM)

9. INTRODUCCION A LA PRACTICA 4

• Tutorial sobre distintos datos disponibles

• Tutorial sobre posibles algoritmos a usar en cada problema

10. PRÁCTICA 4. Desarrollo del un sistema evolucionado de aprendizaje y clasificación

 Panel de visualización

 

Review: 

• Los alumnos serán evaluados, por defecto, mediante evaluación continua. Dado el carácter

eminentemente práctico de la asignatura se desaconseja la evaluación mediante un único examen final.

Las prácticas se evaluarán según el cuestionario entregado. El proyecto final se evaluará según la calidad

del mismo, la presentación oral, los resultados obtenidos y la calidad de la memoria.

• En cumplimiento de la Normativa de Evaluación de la Universidad Politécnica de Madrid, los alumnos

que lo deseen serán evaluados mediante un único examen final siempre y cuando lo comuniquen por

escrito al Coordinador de la Asignatura según la normativa vigente. Esta solicitud puede realizarse en

cualquier momento hasta la quinta semana incluida. El examen final consistirá en la realización y

presentación oral y escrita de un proyecto de minería de datos y aprendizaje automático.

Faculty
Coordinator: 
Tribunal

Tecnologías de Integración

Submitted by mvlopez on Thu, 30/04/2015 - 10:37
Créditos Totales: 
6.0
Delivery dates: 
primer semestre
Type of subject: 
De especialidad
Faculty
Tribunal

Tecnologías de Fabricación Electrónica

Submitted by mvlopez on Thu, 30/04/2015 - 10:23
Créditos Totales: 
6.0
Delivery dates: 
segundo semestre
Type of subject: 
De especialidad
Faculty
Tribunal