Información del Curso
Horario: lunes y miércoles 3:30 a 4:40 pm
Salón: ML107
Profesor: Andrés González Mancera
Horario de atención: martes 3 a 5 pm oficina ML704
Descripción del Curso
Los sistemas de cómputo se han convertido en herramientas básicas e indispensables para la práctica de la ingeniería moderna. El crecimiento de la capacidad de cómputo ha permitido el uso y desarrollo de nuevos algoritmos que están transformando el mundo y, de mayor importancia para nosotros, la forma en que se hace ingeniería ofreciendo nuevos retos y oportunidades. Este es un curso exploratorio de los algoritmos y las herramientas computacionales modernas relevantes a la práctica de la ingeniería.
Este no es un curso de simulación computacional. Los temas del curso buscan ser relevantes para todo tipo de ingeniero.
Este no es un curso de programación.
Al finalizar el curso usted debe sentirse cómodo explorando las herramientas computacionales modernas y utilizándolas para su práctica profesional.
Objetivos
El objetivo principal del curso es desarrollar en el estudiante la habilidad y la actitud necesarias para utilizar herramientas computacionales modernas como apoyo para la solución de problemas prácticos en ingeniería.
Los objetivos específicos son los siguientes:
- Explorar las herramientas computacionales, así como plataformas de cómputo modernas para la práctica de la ingeniería.
- Desarrollar habilidades intelectuales pertinentes al desarrollo e implementación de algoritmos computacionales para la solución de problemas de ingeniería.
- Entrenar al estudiante en la utilización de lenguajes de programación de alto nivel (por ejemplo Python) utilizando librerías numéricas existentes y plataformas interactivas de programación y exploración.
- Mostrar al estudiante cómo es posible solucionar problemas de ingeniería de gran complejidad mediante la utilización de herramientas computacionales modernas.
Metas de Aprendizaje ABET
k. Usar técnicas, destrezas y herramientas modernas necesarias para la práctica de la ingeniería
Temas del Curso
- Herramientas computacionales. Python (y librerías), Jupyter Notebooks, Github, etc.
- Datos estructurados, lectura y escritura de archivos de texto.
- Tipos de datos y estructuras.
- Graficación.
- Ajuste de datos.
- Optimización.
- Diferenciación numérica e integración numérica.
- Ecuaciones diferenciales ordinarias.
- Análisis de señales. Reducción mediante componentes principales.
- Análisis de imágenes.
- Métodos estadísticos. Simulación de Monte Carlo.
- Aprendizaje de máquina y clasificación.
Calificación
La califiación del curso se realizará a través de la acumulación de puntos. Los puntos se otorgan por el cumplimiento a satisfacción de cada uno de los siguientes requerimientos.
| Actividad | Puntos | Descripción |
|---|---|---|
| Talleres (x6) | 6 puntos (1 punto cada uno) | Talleres para el desarrollo de los temas del curso. |
| Propuesta de Proyecto | 1 punto | Propuesta de diseño de la solución a implementar. Debe incluir justificación, investigación preliminar, objetivos, especificaciones de desempeño. |
| Proyecto | 2 puntos | Implementación del sistema propuesto. |
| Asistencia y participación | 1 punto | A criterio del profesor. |
Todos los puntos se asignan de maneria binaria, es decir, no se dan puntos parciales. Cada entrega se puede hacer un máximo de tres (3) veces corrigiendo y siguiendo la retroalimentación a cada entrega.
Los documentos del curso se trabajan en Jupyter notebooks subidos a Github. Toda entrega se hace a través de la plataforma Sicua Plus mediante un enlace a Github.
Las especificaciones y requerimientos de las entregas se pondran en el repositorio del curso en Github y se harán anuncios en Sicua Plus.
Referencias Bibliográficas
- Repositorio Github Herramientas Computacionales
- Chapra, S.C., Canale, R. P., Métodos numéricos para ingenieros, McGraw Hill, Sexta edición, 2011. ISBN 978-607-15-0499-9
- Kiusalaas, J., Numerical Methods in Engineering with Python, Cambridge University Press, Second Edition, 2010.