Programación Informática Aplicada a la Energía
(Curso Académico 2024 - 2025)

Mostrar Todo Ocultar Todo

• G1 - Dominar el lenguaje científico-técnico de las energías renovables, y los conocimientos y razones últimas que lo sustentan a públicos especializados y no especializado de una forma clara y sin ambigüedades
• G2 - Realizar investigación y desarrollo de forma independiente en el ámbito de las energías renovables
• G3 - Trabajar en equipos multidisciplinares y/o internacionales en el ámbito de las energías renovables, empleando herramientas colaborativas

• CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
• CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
• CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
• CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
• CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

• E12 - Diseñar e implementar procesos de automatización y monitorización de procesos dentro del campo de las energías renovables.

PARTE TEÓRICA

Tema 1.- Introducción Python y entornos de desarrollo
Tema 2.- Manejo de datos, conceptos de estadística y probabilidad
Tema 3.- Visualización de datos y conceptos de probabilidad avanzada
Tema 4.- Métodos de extracción de datos 
Tema 5.- Modelos predictivos y Aprendizaje Automático
Tema 6.- Proyectos de Big-Data

PARTE PRÁCTICA


Tema 1.- Introducción Python

• Repaso conceptos Python
• Estructura de datos (voluntario)
• Operadores (voluntario)
• Estructuras de control (voluntario)
• Funciones (voluntario)
• Programación Orientada a Objetos (voluntario)
• Datetime (voluntario)

Tema 2.- Conceptos de Estadística y Probabilidad con Python

• Manejo de datos y cálculo estadístico en Python con librerías como Pandas, NumPy o SciPy 

Tema 3.- Visualización de datos y conceptos de probabilidad avanzada

• Creación de gráficas e informes, y salida en diferentes formatos para visualizar datos. Uso de librerías en Python como Matplotlib 

Tema 4.- Métodos de extracción de datos

• Métodos de extracción de datos, mediante uso de APIs o técnicas de web scraping

Tema 5.- Modelos predictivos y Aprendizaje Automático con Python

• Preparación de datos para aplicación de modelos predictivos
• Uso de diferentes tipos de algoritmos de aprendizaje automático con librerías Scikit-learn, Tensorflow, etc.

Tema 6.- Proyectos de Big-Data

• Simulación de proyecto real donde se combina los conocimientos previos

- Profesor: Sergio 
- Temas: Consulta de materiales (manuales técnicos, etc.) y actividades (búsqueda de información, etc.) en inglés. El alumno tendrá que realizar dentro del informe de prácticas un porcentaje del mismo en inglés (que se indicará previamente).

Se desarrollará docencia magistral, combinada con la realización de ejercicios en clase y un trabajo de documentación.
El volumen de trabajo del estudiante se tipifica en 1,5 horas por cada hora de docencia presencial.

La metodología intenta adecuarse a los objetivos que se establecen, que además de formar al alumno en los conocimientos propios de la asignatura. Pretende favorecer en el alumno la reflexión, el estudio y la investigación, a fin de que en su posterior vida profesional sea capaz de emplear sus aptitudes de análisis e investigación. Se desarrollarán las siguientes actividades: 
 
*Clases teóricas: Se explican los fundamentos teóricos del temario de la asignatura. 
*Clases prácticas: - Resolución de problemas mediante métodos numéricos, informáticos y gráficos. - Prácticas en ordenador: donde se realizarán prácticas de simulación en las que los alumnos emplearán distintas herramientas software para la resolución de los problemas vistos en las clases teóricas. 
*Tutorías: se resuelven dudas individualmente o en grupos reducidos

La IA puede ser usada como una primera aproximación a un problema, pero es necesario analizar las respuestas de manera crítica, contrastando la información, para llegar a un resultado creativo que permita el aprendizaje y evite algunos de los problemas derivados del uso de la IA. Se debe tener en cuenta que la salida de la IA debe considerarse como un primer borrador sobre el que trabajar y referenciar su uso concreto.

Actividades formativas	Horas presenciales	Horas de trabajo autónomo	Total horas	Relación con competencias
Clases teóricas	15,00	0,00	15,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Clases prácticas (aula / sala de demostraciones / prácticas laboratorio)	7,00	0,00	7,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Realización de seminarios u otras actividades complementarias	0,00	0,00	0,0	[CB6 ], [CB9], [CB8 ], [G1], [CB10 ], [CB7], [G2]
Realización de trabajos (individual/grupal)	2,00	0,00	2,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Estudio/preparación de clases teóricas	0,00	17,00	17,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Estudio/preparación de clases prácticas	0,00	7,00	7,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Preparación de exámenes	0,00	9,00	9,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Realización de exámenes	3,00	0,00	3,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Asistencia a tutorías	3,00	0,00	3,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Preparación de trabajos	0,00	12,00	12,0	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]
Total horas
Total ECTS

- Hands-on data science and Python machine learning: perform data mining and machine learning efficiently using Python and Spark [978-1-78728-074-8] Kane; 

Año:2017; 

http://absysnetweb.bbtk.ull.es/cgi-bin/abnetopac?TITN=580548; 
- Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems [978-1-4919-6229-9], Géron, Aurélien; 
Año:2017; 
http://absysnetweb.bbtk.ull.es/cgi-bin/abnetopac?TITN=59232
- Introducing data science: big data, machine learning, and more, using Python tools [978-1-63343-003-7]; Cielen, Ali, Arno; 
Año:2016; 
http://absysnetweb.bbtk.ull.es/cgi-bin/abnetopac?TITN=580560
- Python Data Science Handbook: Tools and Techniques for Developers: Essential Tools for working with Data [978-1-491-91205-8], VanderPlas; 
Año: 2016; 
http://absysnetweb.bbtk.ull.es/cgi-bin/abnetopac?TITN=605813

La evaluación de la asignatura se llevará a cabo según el Reglamento de Evaluación y Calificación de la Universidad de La Laguna, o el reglamento vigente en cada momento.

Por norma general, la evaluación será continua en todas las convocatorias del presente curso, para lo cual los estudiantes deberán acreditar al menos un 80% de asistencia a las clases y la realización del 100% de las actividades programadas e incluyendo las pruebas finales programadas para el final del cuatrimestre. Como máximo se realizará un cuestionario por tema, además 2 trabajos en total, espaciados uno del otro durante el cuatrimestre. Además, estos trabajos conllevan la entrega de un informe de prácticas, cuya fecha de entrega sea significativamente anterior al final del cuatrimestre.

El alumnado podrá optar a la evaluación única comunicándolo al coordinador o coordinadora correspondiente, a través del procedimiento habilitado en el aula virtual de la misma, en el plazo de un mes a partir del inicio del cuatrimestre correspondiente. Solo por circunstancias sobrevenidas derivadas, tales como enfermedad grave, accidente o incompatibilidad de la jornada laboral, se podrán admitir solicitudes transcurrido el primer mes de docencia.

La evaluación final continua se realizará, en primer lugar, mediante un examen con una parte tipo test en la que el alumno deberá contestar correctamente, al menos, 2/3 de las preguntas; así como una parte con problemas numéricos a la que se le podrá añadir preguntas de desarrollo. Cada parte del examen contará un 20% de la nota. Será necesario superar el examen tipo test para poder ser evaluado del resto de la asignatura. Asimismo, la calificación mínima para la superación de la parte de problemas y, en su caso, preguntas de desarrollo, será de 3,5 puntos.

Otro 40% de la nota vendrá dado a partir de la realización de uno o varios informes por parte del alumno; que será obligatorio en todo tipo de evaluaciones, en inglés al menos en un 50% (podrá elevarse al 100% a criterio del profesor) en el que profundice en relación con los contenidos impartidos por el profesor dentro de la asignatura. El/los informe/s podrá/n ser sometido/s a exposición por parte del alumno, y preferentemente en inglés (a criterio del profesor). En el caso de que se realicen varios informes, la calificación final será la media aritmética de la calificación de cada uno de los trabajos. Si los trabajos se derivan de la realización de prácticas, dichas prácticas también se consideran obligatorias en todo tipo de evaluación. La asistencia a las prácticas no será recuperable en el presente año académico. De esta nota, un 10% de la misma se asignará proporcionalmente en función de la asistencia a las clases presenciales y las inasistencias adecuadamente justificadas, así como su participación en las clases prácticas y seminarios.

Un 20% de la calificación final se asignará en función de la realización de distintas actividades a través Unidad de Docencia Virtual dentro del proceso de evaluación continua. La calificación final será la media aritmética de la calificación de cada uno de las actividades.

Se entenderá agotada la convocatoria desde que el alumnado se presente, al menos, a las actividades cuya ponderación compute el 50% de la evaluación continua.

En cuanto al modelo de evaluación única, el alumnado deberá demostrar la adquisición de todos los conocimientos, competencias y resultados de aprendizaje previstos; incluyendo el desarrollo de las prácticas programadas y la elaboración de los trabajos que han sido programados a lo largo del cuatrimestre y exigibles para la calificación del apartado correspondiente de la asignatura. Deberá realizar las siguientes actividades de evaluación coincidiendo con la fecha del examen de convocatoria.

• Examen tipo test en la que el alumno deberá contestar correctamente, al menos, 2/3 de las preguntas (40%).
• Examen con problemas numéricos a la que se le podrá añadir preguntas de desarrollo (20%).
• Examen práctico (40%).

Siendo también necesario superar el examen tipo test para poder ser evaluado del resto de la asignatura y mínimo un 3,5 en el examen de problemas.

En el caso de que el alumno quiera evaluarse de la asignatura durante el año académico en el que la misma no se imparte, al tratarse de un máster con carácter bienal, deberá comunicar mediante correo electrónico al profesor responsable que figure dentro de la guía docente. Y dentro de un plazo no inferior a 7 días naturales a la fecha de la convocatoria a la que piensa presentarse, su intención de presentarse a dicha convocatoria. Se recuerda, además, que en dichos años académicos la asignatura no imparte prácticas.

Tipo de prueba	Competencias	Criterios	Ponderación
Pruebas objetivas	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2], [G3]	Prueba tipo test y problemas. Necesario aprobar 2/3 del examen tipo test	40,00 %
Trabajos y proyectos	[CB6 ], [CB9], [CB8 ], [G1], [E12], [CB10 ], [CB7], [G2]	Se propondrá la resolución de trabajos relacionados con los tópicos de la asignatura	40,00 %
Docencia virtual	[CB9], [CB8 ], [G1], [E12], [CB10 ], [G2], [G3]	Participación en actividades y evaluación de las mismas	20,00 %

* La distribución de los temas por semana es orientativo, puede sufrir cambios según las necesidades de organización docente. Está previsto que hayan dos horas de clases todas las semanas. Se impartirán en ese horario las clases teóricas, las clases prácticas que, en función del temario, podrán configurarse en forma de sesiones en aula de informática o en clase de problemas y las tutorías académico formativas. En las guías docentes la planificación temporal de la programación sólo tiene la intención de establecer unos referentes u orientaciones para presentar la materia atendiendo a unos criterios cronológicos, sin embargo son solamente a título estimativo, de modo que el profesorado puede modificar –si así lo demanda el desarrollo de la materia– dicha planificación temporal. Es obvio recordar que la flexibilidad en la programación tiene unos límites que son aquellos que plantean el desarrollo de materias universitarias que no están sometidas a procesos de adaptación del currículo.

Semana	Temas	Actividades de enseñanza aprendizaje	Horas de trabajo presencial	Horas de trabajo autónomo	Total
Semana 1:	1	Clase en aula presencial (teoría y práctica)	1.00	3.00	4.00
Semana 2:	1	Clase en aula presencial (teoría y práctica)	2.00	4.00	6.00
Semana 3:	1, 2	Clase en aula presencial (teoría y práctica)	2.00	4.00	6.00
Semana 4:	2	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 5:	2, 3	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 6:	3	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 7:	3, 4	Clase en aula presencial (teoría y práctica) Presentación primer trabajo de la asignatura	2.00	3.00	5.00
Semana 8:	4	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 9:	4, 5	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 10:	5	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 11:	5	Clase en aula presencial (teoría y práctica)	2.00	4.00	6.00
Semana 12:	5	Clase en aula presencial (teoría y práctica)	2.00	3.00	5.00
Semana 13:	6	Clase en aula presencial (teoría y práctica) Presentación segundo trabajo de la asignatura	2.00	3.00	5.00
Semana 14:	6	Clase en aula presencial (teoría y práctica) Desarrollo/dudas/conceptos segundo trabajo de la asignatura	2.00	3.00	5.00
Semana 15 a 17:	Evaluación y trabajo autónomo de los estudiantes.	Evaluación y trabajo autónomo de los estudiantes.	3.00	0.00	3.00
Total			30.00	45.00	75.00