Coordinadores
Universidad de Oviedo: Juan Carlos Campo, campo@uniovi.es
TheNextPangea: Borja González del Regueral, borja.regueral@thenextpangea.com
Profesorado
Universidad de Oviedo: Dr. Juan Carlos Campo Rodríguez, Dr. Juan Carlos Álvarez Antón, Dr. Juan Carlos Granda Candás, Dr. Luciano Sánchez Ramos, Dr. Ángel Espiniella Menéndez, Dr. Pablo Alonso González, Dra. Ana Isabel Peláez Andrés
TheNextPangea: Dr. Borja González del Regueral, Dr. Nicolás de Abajo Martínez, Dr. Fernando García Osorio, Pino del Río Solano, David Noriega Pérez, Rodrigo García Acevedo, Marcos González Coto, Dr. Diego Díaz Fidalgo
Universidad de Nebrija: Dr. Sergio Corbella Caraballo
ArcelorMittal: Dr. José López Fresno
ArcelorMittal/TheNextPangea: Dr. Nicolás de Abajo Martínez
Contextualización
En la asignatura se tratarán diversas tecnologías que se encuentran entra las que están teniendo un mayor crecimiento en nuestro entorno y siempre desde un enfoque multidisciplinar. Por ello, también el perfil del alumnado está relativamente abierto. Las tecnologías exponenciales están íntimamente relacionadas con los sistemas de innovación basados en el conocimiento. Por ello, además de una visión general de las tecnologías y una particular de las seleccionadas, se realizará una introducción a los mecanismos de protección: secretos empresariales, protección de la propiedad intelectual, así como la industrial, sin olvidar la perspectiva de creación de conocimiento de los perfiles emprendedores. La asignatura, aunque autocontenida, se imparte de forma coordinada con la de Laboratorio.
Requisitos
Los requisitos son los generales de acceso a la microcredencial: la formación previa idónea es de grado universitario o equivalente, del ámbito de Ciencias o de Ingeniería y Arquitectura. En su defecto, la formación recomendable es de, al menos, 180 ECTS de grado de los ámbitos de Ciencias o Ingeniería y Arquitectura.
Resultados de aprendizaje
Todas las competencias generales indicadas se tratan en la siguiente asignatura. En cuanto a las competencias específicas que se cubren en esta asignatura son las siguientes:
– Conocimiento general de las tecnologías disruptivas.
– Conocimiento de las principales tecnologías, materiales y herramientas de la fabricación aditiva industrial; de los principios básicos de las nanotecnologías y en particular de las aplicaciones industriales del grafeno; de las arquitecturas y sistemas de comunicaciones para internet de las cosas; de las principales arquitecturas y técnicas de captura, ingesta, procesamiento, aprendizaje y análisis de datos; y de los principales avances en el ámbito biotecnológico de aplicación industrial.
– Conocimiento de los principales mecanismos de protección de conocimiento y capacidad de selección.
Contenidos
Los contenidos atienden directamente a los resultados de aprendizaje que se desean obtener en la siguiente asignatura.
- Introducción a las tecnologías exponenciales (lección de apertura)
- Herramientas de protección del conocimiento.
- Emprendimiento y conocimiento. Herramientas para protección de los negocios en el ámbito de la IP
- Tecnologías exponenciales:
IoT: Introducción al IoT: arquitectura. Nodos IoT. Herramientas de desarrollo. Plataformas en la nube del IoT.
Data utilities: Principios básicos. Tecnología de contenedores Docker. Bases de datos relacionales y no relacionales. Problemas clásicos de optimización (casos de optimización de búsqueda, scheduling, planing) Soluciones heurísticas: búsqueda local, A*, simulated annealing. Técnicas basadas en metaheurísticas: soluciones mediante búsqueda tabú, algoritmos genéticos, colonias de hormigas, etc.
Fabricación aditiva industrial: Tecnologías. Materiales. Herramientas de diseño. Diseño generativo. Certificación.
Nanotecnologías: Introducción a la Nanotecnología: definiciones y principios básicos. Técnicas de análisis y síntesis de nanomateriales. Grafeno: métodos de fabricación y aplicaciones en la industria.
IA y aprendizaje de máquina. Perspectiva histórica. Tipos de aprendizaje: Supervisado, no supervisado, semi-supervisado, por refuerzo. Aprendizaje por transferencia. Categorías de problemas: Regresión, clasificación, clustering, detección de anomalías. Componentes de un sistema de aprendizaje: Representación, evaluación, optimización, diseño experimental. Interpretabilidad y explicabilidad en IA .
Biotecnología: Big data biológico. Aplicaciones industriales.
Metodología
Se trata de un bloque teórico en el que la metodología docente será la
lección magistral apoyada con medios audiovisuales.
| MODALIDADES | Horas | |
| Presencial | Clases Teóricas | 20,5 |
| Sesiones de evaluación | 2 | |
| No presencial | Trabajo en Grupo | 35,0 |
| Trabajo Individual | 17,5 | |
| Total | 75 | |
Evaluación
La evaluación positiva requiere una asistencia mínima al 80% de las clases para lo que se controlará la asistencia a clase.
La calificación se realizará a partir de un trabajo realizado en grupo sobre un proyecto integral planteado al inicio del curso que se desarrollará en grupos que se tratará de que estén compuestos por diferentes perfiles y que se deberá presentar oralmente. El proyecto integrará como mínimo tres de las tecnologías tratadas de forma particular en el marco de la formación. Un ejemplo representativo es la adquisición de datos de sensores nanoestructurados, el envío inalámbrico a la nube, el tratamiento de los datos y la visualización de los resultados.
En lo referente a la presente asignatura, se evaluará la metodología empleada (10%), la justificación de las soluciones adoptadas y de los mecanismos de protección (50%), así como la presentación realizada (20%) y la capacidad para responder a las preguntas planteadas (20%). Toda la documentación se entregará de forma digital.