Guía docente de Programación Técnica y Científica (Especialidad Computación y Sistemas Inteligentes) (29611AD)

No es necesario que los estudiantes tengan aprobadas asignaturas, materias o módulos previos como requisito indispensable para cursar este módulo. No obstante se recomienda la superación de los contenidos y adquisición de competencias de las materias de formación básica y de rama.

• Herramientas y lenguajes de alto nivel orientados al cálculo técnico y científico.
• Representación gráfica y visualización de datos.
• Prototipado y desarrollo rápido de software técnico y científico.
• Bibliotecas de software específicas para ingeniería.
• Resolución de problemas comunes en las ingenierías.
• Comunicación e integración de software desarrollado en diferentes lenguajes.

• Conocer herramientas y plataformas de desarrollo de software y prototipos software específicamente orientadas al cálculo técnico y científico, entendiendo las características que las distinguen de otras de carácter genérico.
• Familiarizarse con lenguajes de programación o extensiones de lenguajes específicamente orientados al cálculo técnico y científico, comprendiendo las herramientas que proporcionan para facilitar el desarrollo de software que resuelva problemas de Ingeniería.
• Estudiar herramientas orientadas a la visualización de datos científicos y de Ingeniería.
• Conocer herramientas interactivas para el diseño de diagramas de visualización de conjuntos de datos científicos y técnicos.
• Conocer distintos formatos estándar de almacenamiento de grandes cantidades de datos.
• Conocer distintas bibliotecas software orientadas específicamente a la solución de problemas de ingeniería y científicos.
• Estudiar la solución de problemas del ámbito de la Ingeniería, con especial atención a problemas tipo que tengan aplicación en varias especialidades de ingeniería.
• Conocer mecanismos y herramientas que faciliten la integración de software desarrolladoen diferentes lenguajes de programación, entendiendo los procesos de comunicación entre los diferentes módulos desarrollados.

• Tema 1. Introducción a la Programación en Python.
  • Elementos básicos del lenguaje.
  • Variables.
  • Funciones.
  • Ficheros
• Tema 2. Computación numérica en Python.
  • Vectores.
  • Matrices.
• Tema 3. Combinación de Python con otros lenguajes.
  • Envolviendo código.
  • Usando herramientas.
• Tema 4. Introducción a la programación de interfaces de usuario en Python.
  • Elementos básicos.
  • Elementos más complejos.
• Tema 5. Programación avanzada en Python.
  • Argumentos en línea de órdenes.
  • Expresiones regulares.
  • Manejo de ficheros.
• Tema 6. Manejo y visualización de datos científicos.
  • Manipulación de datos multidimensionales.
  • Indexación de datos.
  • Visualización de datos.
• Tema 7. Herramientas y Aplicaciones.
  • Herramientas para representar funciones.
  • Aplicaciones científicas.

• Bibliotecas científicas y para ingeniería: Numerical Recipes, OpenCV, etc.
• Desarrollo de una aplicación científica con python.
• Eficiencia numérica con python.
• Desarrollo de una aplicación con bibliotecas científicas.
• Seminarios:
  • Instalación de herramientas.
  • Elementos de Ingeniería del software con Python.
  • Desarrollo de aplicaciones web con Python.

• Langtangen, H.P., A Primer on Scientific Programming with Python(3ª ed), Springer, 2012.
• Langtangen, H.P., Python Scripting for Computational Science, Springer, 2009.
• Kaplan, D., Introduction to Scientific Computation and Programming, CL-Engineering, 2004.
• Strang, G., Computational Science and Engineering, Wellesley-Cambridge Press, 2007.

• Martelli, A., Python in a nutshell. A desktop quick reference (2ªed), O'Really, 2006
• Martelli, A., Martelli, A., Ascher, D., Python Cookbook, O'Really, 2013
• Rossant, C., Learning IPython for interactive computing and data visualization : learn IPython for interactive Python programming, high-performance numerical computing, and data visualization, Packt Publishing, 2013
• Danaila, I., Joly, P., Kaber, S.M. y Postel, M., An Introduction to Scientific Computing: Twelve Computational Projects Solved with MATLAB, Springer, 2006.
• Kiusalaas, J., Numerical Methods in Engineering with Python, Cambridge University Press, 2010.
• Press, W.H., Teukolsky, S.A., Vetterling, W.T. y Flannery, B.P., Numerical Recipes: The Art of Scientific Computing, Cambridge University Press, 2007.

• Python
• Numpy y SciPy
• Numpy

• MD01. Lección Magistral (Clases Teóricas-Expositivas) 
• MD02. Actividades Prácticas (Resolución de Problemas, Resolución de Casos Prácticos, Desarrollo de Proyectos, Prácticas en Laboratorio, Taller de Programación, Aula de Informática, Prácticas de Campo). 

• Para la parte teórica se realizará una examen teórico-práctico. La ponderación de este bloque será de un 50%.
• Para la parte práctica se realizarán prácticas de laboratorio, resolución de problemas y desarrollo de proyectos individuales. Así mismo, se valorarán las entregas de los informes/memorias realizados por los estudiantes, o en su caso, las entrevistas personales con los estudiantes y las sesiones de evaluación. La ponderación de este bloque será de un 40%.
• La parte de trabajo autónomo y los seminarios se evaluarán teniendo en cuenta la asistencia a los seminarios, los problemas propuestos que hayan sido resueltos y entregados por los estudiantes y las entrevistas efectuadas durante el curso y la presentación oral de los trabajos desarrollados. La ponderación de estos será de un 10%.
• La calificación global corresponderá por tanto a la puntuación ponderada de los diferentes aspectos y actividades que integran el sistema de evaluación. Por tanto, el resultado de la evaluación será una calificación numérica obtenida mediante la suma ponderada de las calificaciones correspondientes a una parte teórica, una parte práctica y, en su caso, una parte relacionada con el trabajo autónomo de los estudiantes, los seminarios impartidos y el aprendizaje basado en proyectos.

Porcentajes de evaluación:

• Se realizará un examen teórico-práctico que constituirá el 100% de la calificación.
• Cada estudiante podrá guardar la nota obtenida en la convocatoria ordinaria en los bloques de "Parte Práctica" y “Otros” y en ese caso la calificación final del examen será de 4 puntos.

• Esta modalidad de evaluación se realizará en un acto académico en la fecha establecida por el Centro.
• El contenido se evaluará mediante un examen escrito (evaluado de 0 a 10) que incluirá preguntas y problemas de tipo teórico-práctico.

Definición de grupo grande y grupo pequeño:

• Los grupos grandes son grupos de 45 a 60 estudiantes.
• Los grupos pequeños son grupos de 15 a 20 estudiantes.