Escuela Técnica Superior de Ingeniería Naval y Oceánica Escuela Técnica Superior de Ingeniería Naval y Oceánica Escuela Técnica Superior de Ingeniería Naval y Oceánica
HUB
HUB
Calidad
Actualidad
Agenda
International [EN]
Buscador
El Centro
Estudios
Movilidad
Empleo
Investigación
Trámites
Universidad Politécnica de Cartagena Universidad Politécnica de Cartagena Universidad Politécnica de Cartagena European University of Technology European University of Technology European University of Technology
HUB
Calidad
Actualidad
Agenda
International [EN]
Buscador
El Centro
Estudios
Movilidad
Empleo
Investigación
Trámites

Inicio / Estudios / Máster Universitario en Ingeniería Naval y Oceánica - Plan 2024 / Plan de Estudios

Guía Docente

INTELIGENCIA ARTIFICIAL APLICADA

Curso 2025-26

  • Presencial

1. Descripción General

Nombre: INTELIGENCIA ARTIFICIAL APLICADA

Código: 232209009

Carácter: Optativa

ECTS: 6

Unidad Temporal: Cuatrimestral

Despliegue Temporal: Curso 2º - Primer cuatrimestre

Menciones/Especialidades:

Lengua en la que se imparte: Castellano

Carácter: Presencial

2. Datos del profesorado

Nombre y apellidos: ZAPATA PÉREZ, JUAN FRANCISCO

Área de conocimiento: Electrónica

Departamento: Electrónica, Tecnología de Computadores y Proyectos

Teléfono: 968326458

Correo electrónico: juan.zapata@upct.es

Horario de atención y ubicación durante las tutorias:

lunes - 09:00 / 12:00
ANTIGONES, planta 2, Despacho N11
miércoles - 09:00 / 12:00
ANTIGONES, planta 2, Despacho N11

Titulaciones:
Doctor en Ingeniero en la Universidad Politécnica de Cartagena (ESPAÑA) - 2002

Categoría profesional: Profesor Titular de Universidad

Nº de quinquenios: 6

Nº de sexenios: 3 de investigación

Curriculum Vitae: Perfil Completo

Responsable de los grupos: G1

3. Competencias y resultados del aprendizaje

3.1. Competencias básicas del plan de estudios asociadas a la asignatura

3.2. Competencias generales del plan de estudios asociadas a la asignatura

3.3. Competencias específicas del plan de estudios asociadas a la asignatura

Competencias específicas de la asignatura (para aquellas asignaturas optativas que las tengan)

MOP7. Capacidad para la aplicación de algoritmos desarrollados con programación libre para casos prácticos de Ingeniería Naval. Conocimiento de las técnicas de recogida y tratamiento de datos (Big-Data).

3.4. Competencias transversales del plan de estudios asociadas a la asignatura

3.5. Resultados del aprendizaje de la asignatura

Al finalizar la asignatura el estudiante será capaz de utilizar el lenguaje de programación Python y las librerías y frameworks de desarrollo más actuales para la implementación de aplicaciones de análisis intensivo de datos, incluyendo el desarrollo y ajuste de modelos de Machine Learning y Deep Learning en el ámbito de la ingeniería.

4. Contenidos

4.1 Contenidos del plan de estudios asociados a la asignatura

Introducción a plataformas de cálculo científico. Introducción a Phyton para análisis y ciencia de datos. Manipulación y análisis exploratorio de datos (EDA). Modelos de aprendizaje máquina básicos para regresión, clasificación y clustering. Deep learning. Tópicos específicos de aplicación en ingeniería. Ejemplos prácticos.<br><br>

4.2. Programa de teoría

Unidades didácticas

Temas

Introducción a la IA

IA: Machine Learning

IA: Deep Learning

Projectos: casos de estudio

4.3. Programa de prácticas

Nombre

Descripción

Computación con Python

Se estudiará el lenguaje Python como herramienta para la realización de las prácticas y entendimiento de la teoría. Las prácticas serán guiadas constituida de varias sesiones donde se aplicaran tecnicas Python para resolución de casos de aplicabilidad a Machine Learning.

Algoritmos Machine Learning

Se estudiarán los algoritmos mas utilizados en Machine Learning, como mejorarlos y como medir su rendimiento. Las prácticas serán guiadas y estarán constituidas por varias sesiones donde se aplicaran estas técnicas para la resolución de casos de estudio a la Ingeniería Naval y Oceánica.

Algoritmos Deep Learning

Se estudiarán los algoritmos mas utilizados en Deep Learning, como mejorarlos y como medir su rendimiento. Las prácticas serán guiadas y estarán constituidas por varias sesiones donde se aplicaran estas técnicas para la resolución de casos de estudio a la Ingeniería Naval y Oceánica.

Proyectos: casos de estudio

Diferentes casos de estudio en el ambito de la Ingeniería Naval y Oceánica cuya resolución se obtendra mediante Machine Learning y Deep Learning

Prevencion de riesgos

La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la Comunidad Universitaria. Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal de administración y servicios y estudiantes. El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un "Manual de acogida al estudiante en materia de prevención de riesgos" que puedes encontrar en el Aula Virtual, y en el que encontraras instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad. También encontrarás recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún incidente. En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus compañeros.

4.4. Programa de teoría en inglés

Unidades didácticas

Temas

Computing with Python

AI: Machine Learning

AI: Deep Learning

Case Study Projects

4.5. Observaciones

The core idea of the course is to integrate theory and practice into a cohesive whole, with the intention that they become almost indistinguishable. The theoretical concepts will be introduced and explored through the resolution of practical case studies, where algorithmic solutions are presented in a natural and intuitive way.

5. Actividades formativas

Denominación

Descripción

Horas

Presencialidad

Denominación

Clase en aula convencional: teoría, problemas, casos prácticos, seminarios, etc.

Descripción

Clases teóricas/prácticas en el aula

Horas

28

Presencialidad

100

Denominación

Clase en aula de informática: prácticas.

Descripción

Clases teóricas/prácticas en el aula

Horas

28

Presencialidad

100

Denominación

Actividades de evaluación (sistema de evaluación continua).

Descripción

Actividades de evaluación continua

Horas

4

Presencialidad

100

Denominación

Actividades de evaluación (sistema de evaluación final).

Descripción

Actividades de evaluación final

Horas

4

Presencialidad

100

Denominación

Tutorías. 

Descripción

Tutorías presenciales u online

Horas

3

Presencialidad

50

Denominación

Trabajo del estudiante: estudio o realización de trabajos individuales o en grupo. 

Descripción

Dedicación al estudio o a la realización de trabajos teóricos/prácticos

Horas

113

Presencialidad

0

6. Sistema de evaluación

6.1. Sistema de evaluación continua

Denominación

Descripción y criterios de evaluación

Ponderación

Denominación

Pruebas evaluación individual escritas/orales

Descripción y criterios de evaluación

Examen individual escrito tipo test.

Ponderación

40 %

Denominación

Resolución de casos, cuestiones teóricas, ejercicios prácticos o problemas propuestos

Descripción y criterios de evaluación

Resolución individual de casos de estudio prácticos

Ponderación

20 %

Denominación

Trabajos e informes individuales o en grupo (puede incluir exposición y defensa)

Descripción y criterios de evaluación

Informe y/o exposición individual de un caso de estudio práctico.

Ponderación

40 %

6.2. Sistema de evaluación final

Denominación

Descripción y criterios de evaluación

Ponderación

Denominación

Pruebas evaluación individual escritas/orales

Descripción y criterios de evaluación

Examen Individual escrito tipo test.

Ponderación

40 %

Denominación

Resolución de casos, cuestiones teóricas, ejercicios prácticos o problemas propuestos

Descripción y criterios de evaluación

Resolución individual de casos de estudio prácticos y Informe y/o exposición individual de un caso de estudio práctico.

Ponderación

60 %

Información

Observaciones

Si un estudiante se presenta a una actividad del sistema de evaluación final debe renunciar a la calificación obtenida en dicha actividad anteriormente.

7. Bibliografía y recursos

7.1. Bibliografía básica

Autor: Russell, Stuart
Título: Artificial Intelligence: a modern approach
Editorial: Pearson
Fecha Publicación: 2021
ISBN: 9781292401133

Autor: Johansson, R.
Título: Numerical Python: A Practical Techniques Approach with Examples in Python
Editorial: Apress
Fecha Publicación:
ISBN: 1484205545

Autor: Christian Hill
Título: Learning Scientific Programming with Python
Editorial: Cambridge University Press
Fecha Publicación: 2020
ISBN: 978-1108745918

7.2. Bibliografía complementaria

Autor: Géron, Aurélien,
Título: Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: concepts, tools, and techniques to build intelligent systems /
Editorial:
Fecha Publicación:
ISBN: 9781492032595|

Autor: Xiaofeng Li, Fan Wang
Título: Artificial Intelligence Oceanography
Editorial: Springer Singapore
Fecha Publicación: 2023
ISBN: 978-981-19-6374-2

Autor: Eli Stevens, Luca Antiga, Thomas Viehmann
Título: Deep Learning with PyTorch
Editorial: Manning Publications Co.
Fecha Publicación: 2020
ISBN: 9781617295263

7.3. Recursos en red y otros recursos

Recursos en red:
- AI & Machine Learning: From Scratch to Advanced Models ¿ Navalapp. Curso práctico desde fundamentos hasta redes profundas con enfoque marino (https://navalapp.com/courses/ai-machine-learning-from-scratch-to-advanced-models/)
- Machine Learning (Short Course) ¿ Naval Postgraduate School (NPS). Introducción compacta (3 días), centrada en aplicaciones de defensa, incluyendo redes neuronales y Deep Learning (https://online.nps.edu/-/me4800-machine-learning-for-autonomous-operations)
Artículos académicos:
- Machine Learning for Naval Architecture, Ocean and Marine Engineering ¿ Panda (2021). Revisión de ML en predicción de altura de olas, resistencia de cascos, detección de fallos, etc.
ar5iv.labs.arxiv.org
- Generative AI in Ship Design ¿ Thakur et al. (2024, arXiv). Uso de modelos generativos para diseño de formas de casco
en.wikipedia.org.
- Deep Learning for Marine Science ¿ Frontiers (2023). Casos específicos: detección de seagrass, seguimiento acústico, mejora de imágenes submarinas
frontiersin.org.
- Machine learning-based techniques for marine structures ¿ revisión de técnicas ML/DL aplicadas en estructuras marinas
sciopen.com
CONet: A Cognitive Ocean Network ¿ Lu et al. (2019). Arquitectura de IoT submarino inteligente con IA
arxiv.org

CRAI
Campus Virtual
Sede
UPCT-TV

(+34) 968 32 54 22

direccion@etsino.upct.es

  • EL CENTRO
    • Equipo de Dirección
    • Junta de Centro
    • Secretaría Académica
    • Delegación de Estudiantes
    • Profesorado
    • Departamentos
    • Normativa
  • HUB
  • ESTUDIOS DE GRADO
    • Grado en Arquitectura Naval e Ingeniería de los Sistemas Marinos Plan 2024
    • Grado en Arquitectura Naval e Ingeniería de Sistemas Marinos - Plan 2010 (en extinción)
  • ESTUDIOS DE MÁSTER
    • Máster Universitario en Ingeniería Naval y Oceánica - Plan 2014 (en extinción)
    • Máster Universitario en Ingeniería Naval y Oceánica Plan 2024
  • MOVILIDAD
    • Erasmus+
  • INVESTIGACIÓN
    • Aula CIMNE-ETSINO
    • Grupos de Investigación
    • Cátedras
  • ACTUALIDAD
    • Noticias
    • Agenda
  • TRÁMITES
  • CALIDAD
  • EMPLEO
  • CONTACTO
    • Ubicación

    • Paseo Alfonso XIII, 52
      30203 - Cartagena

Conserjería
(+34) 968 32 54 34
Dirección

(+34) 968 32 54 22
direccion@etsino.upct.es

Conserjería
Dirección
Logo ETSINO
Universidad Politécnica de Cartagena EUt+ 25 Aniversario de Universidad Politécnica de Cartagena