Sinale A
|
Código |
Resultados de Formación e Aprendizaxe |
|
A1 |
Que os estudantes amosen posuír e comprender coñecementos nunha área de estudo que parte da base da educación secundaria xeral, e adóitase atopar a un nivel que, aínda que se apoia en libros de texto avanzados, inclúe tamén algúns aspectos que implican coñecementos procedentes da vangarda do seu campo de estudo. |
|
A2 |
Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo. |
|
A3 |
Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética. |
|
A4 |
Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado. |
|
A5 |
Que os estudantes desenvolvesen aquelas habilidades de aprendizaxe necesarias para emprender estudos posteriores cun alto grao de autonomía. |
Sinale B
|
Código |
Coñecementos |
|
B1 |
Capacidade para concibir, redactar, organizar, planificar, e desenvolver modelos, aplicacións e servizos no ámbito da intelixencia artificial, identificando obxectivos, prioridades, prazos recursos e riscos, e controlando os procesos establecidos. |
|
B2 |
Capacidade para resolver problemas con iniciativa, toma de decisións, autonomía e creatividade. |
|
B3 |
Capacidade para deseñar e crear modelos e solucións de calidade baseadas en Intelixencia Artificial que sexan eficientes, robustas, transparentes e responsables |
|
B4 |
Capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propor novos métodos baseados en intelixencia artificial. |
|
B5 |
Capacidade para concibir novos sistemas computacionales e/ou avaliar o rendemento de sistemas existentes, que integren modelos e técnicas de intelixencia artificial. |
Sinale C
|
Código |
Habilidades |
|
C1 |
Capacidade para utilizar os conceptos e métodos matemáticos que poidan exporse na modelización, formulación e resolución de problemas de intelixencia artificial. |
|
C2 |
Capacidade para utilizar os conceptos e métodos da probabilidade, a estatística e a optimización, para modelizar e resolver problemas de intelixencia artificial. |
|
C3 |
Capacidade para resolver problemas de intelixencia artificial que precisen algoritmos, desde o seu deseño e implementación até a súa avaliación. |
|
C4 |
Coñecer e aplicar ao ámbito da intelixencia artificial as metodoloxías da enxeñaría de software e do deseño centrado en usuario/a. |
|
C5 |
Capacidade para comprender e dominar os conceptos básicos de lóxica, gramáticas e linguaxes formais para analizar e mellorar as solucións baseadas en intelixencia artificial. |
|
C6 |
Coñecer a estrutura, organización, funcionamento e interconexión dos sistemas informáticos (computador, sistemas operativos e redes de computadores). |
|
C7 |
Comprender e aplicar os principios e técnicas básicas da programación paralela e distribuída para o desenvolvemento e execución eficiente das técnicas de intelixencia artificial. |
|
C8 |
Capacidade para realizar a análise, deseño, implementación de aplicacións que requiran traballar con grandes volumes de datos, aplicando arquitecturas hardware/software adecuadas. |
|
C9 |
Capacidade para realizar o despregamento na nube de aplicacións de intelixencia artificial que se executen de forma eficiente cuns recursos computacións definidos. |
|
C10 |
Comprender as necesidades de captura, almacenamento e procesamiento de datos no contexto de Internet das Cousas, entendendo a heteroxeneidade dos datos e as especiais características deste tipo de contornas. |
|
C11 |
Coñecer as principais plataformas e arquitecturas software para a adquisición, almacenamento e procesamiento de datos no contexto de Internet das Cousas. |
|
C12 |
Coñecer e aplicar as características, funcionalidades e estrutura dos sistemas de bases de datos e as bases de datos distribuídas, que permitan o seu uso adecuado e a implementación sobre eles de solucións de Intelixencia Artificial que poidan incluír grandes volumes de datos. |
|
C13 |
Capacidade para definir e interpretar os fundamentos das organizacións, os aspectos básicos da súa organización e xestión, o proceso de innovación e a súa xestión, as súas distintas áreas funcionais e a súa contorna socioeconómica. |
|
C14 |
Entender os novos modelos de negocio e innovación no marco das empresas baseadas na intelixencia artificial e as súas tecnoloxías. |
|
C15 |
Capacidade para deseñar e crear modelos de valoración económico-financeira de proxectos empregando ferramentas informáticas apropiadas. |
|
C16 |
Coñecer os fundamentos dos algoritmos da intelixencia artificial e a optimización, entender a súa complexidade computacional e saber aplicalos á resolución de problemas. |
|
C17 |
Coñecer os aspectos fundamentais dos algoritmos metaheurísticos e bioinspirados para a resolución de problemas, ter capacidade para aplicalos e para deseñar novos modelos. |
|
C18 |
Coñecer as técnicas de modelización e representación do coñecemento e a súa relación coas paradigmas de razoamento, deseñando solucións baseadas en razoamento lóxico que teñan en conta a eficiencia e nas necesidades dos problemas. |
|
C19 |
Capacidade para deseñar sistemas baseados en coñecemento e das estratexias de representación e razoamento aplicadas a diferentes dominios e problemas, descubrindo os problemas básicos que xorden na súa construción. |
|
C20 |
Coñecer as tecnoloxías semánticas para o almacenamento e acceso de grafos de coñecemento e o seu uso na resolución dos problemas. |
|
C21 |
Coñecer os fundamentos das técnicas de razoamento aproximado e de toma de decisións, en ambientes de incerteza, seleccionando a máis adecuada para a resolución dos problemas. |
|
C22 |
Concibir, deseñar, desenvolver e presentar solucións a problemas de certa complexidade baseadas en intelixencia artificial, afrontando e resolvendo de maneira adecuada as dificultades que puidesen xurdir durante o seu desenvolvemento. |
|
C23 |
Coñecer e saber aplicar e explicar correctamente as técnicas de validación das solucións de intelixencia artificial. |
|
C24 |
Desenvolvemento das capacidades adecuadas para realizar un exercicio orixinal, presentalo e defendelo ante un tribunal universitario, consistente nun proxecto no ámbito das tecnoloxías de Intelixencia Artificial no que se sinteticen e integren as competencias adquiridas nos ensinos. |
|
C25 |
Capacidade para adaptar e aplicar no ámbito profesional un conxunto significativo das competencias adquiridas neste título de grao. |
Sinale D
|
Código |
Competencias |
|
D1 |
Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas |
|
D2 |
Capacidade de traballo en equipo, en contornas interdisciplinares e xestionando conflitos. |
|
D3 |
Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor. |
|
D4 |
Capacidade para introducir a perspectiva de xénero nos modelos, técnicas e solucións baseadas en intelixencia artificial. |
|
D5 |
Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables. |
|
D6 |
Capacidade para integrar aspectos xurídicos, sociais, ambientais e económicos inherentes á intelixencia artificial, analizando os seus impactos, e comprometéndose coa procura de solucións compatibles cun desenvolvemento sustentable. |
Universidade de Vigo
|
Reitoría |
Campus Universitario |
C.P. 36.310 Vigo (Pontevedra) |
España |
Tlf: +34 986 812 000
|
|