Avís important
La guia docent és provisional.
La versió en PDF de la guia docent pot tardar uns dies en estar disponible al DDD.

Taller de Modelització
Codi: 42255Crèdits: 6
| Titulació | Tipus | Curs |
|---|---|---|
| Modelling for Science and Engineering | OP | 1 |
Professor/a de contacte
- Nom :
- Susana Serna Salichs
- Correu electrònic :
- susana.serna@uab.cat
Equip docent
- David Moriña Soler
Equip docent (extern a la UAB)
- Nuria Folguera Blasco
Idiomes dels grups
Podeu consultar aquesta informació al final del document.
Prerequisits
L'alumnat ha de tenir habilitats matemàtiques i computacionals al nivell d'una llicenciatura en ciències.
Objectius
El Taller de Modelització té com a objectiu analitzar i resoldre problemes del món real mitjançant matemàtiques. Té un caràcter eminentment pràctic i interdisciplinari.
Resultats d'aprenentatge
- CA15 (Integrar adequadament eines de modelització a diferents escales o nivells de descripció en el context d’entorns de treball multidisciplinari.) Integrar adequadament eines de modelització a diferents escales o nivells de descripció en el context d’entorns de treball multidisciplinari.
- CA16 (Comunicar eficaçment, tant al públic expert com a un públic general, els procediments i els resultats derivats dels treballs i projectes de modelització.) Comunicar eficaçment, tant al públic expert com a un públic general, els procediments i els resultats derivats dels treballs i projectes de modelització.
- CA17 (Incorporar, en estudis o projectes de modelització, criteris ètics, de sostenibilitat, d'igualtat de gènere i de justícia social.) Incorporar, en estudis o projectes de modelització, criteris ètics, de sostenibilitat, d'igualtat de gènere i de justícia social.
- KA13 (Identificar els llenguatges i entorns de programació més habituals en l’àmbit de la modelització, així com les seves aplicacions.) Identificar els llenguatges i entorns de programació més habituals en l’àmbit de la modelització, així com les seves aplicacions.
- KA14 (Descriure les principals eines matemàtiques emprades en la construcció de models, així com els principals resultats o prediccions que se'n poden obtenir.) Descriure les principals eines matemàtiques emprades en la construcció de models, així com els principals resultats o prediccions que se'n poden obtenir.
- SA15 (Fer servir programari específic en la resolució de problemes de modelització, optimització o tractament de dades.) Fer servir programari específic en la resolució de problemes de modelització, optimització o tractament de dades.
- SA16 (Aplicar tècniques matemàtiques d’anàlisi i optimització en la construcció de models matemàtics.) Aplicar tècniques matemàtiques d’anàlisi i optimització en la construcció de models matemàtics.
- SA17 (Interpretar adequadament les conseqüències d'aplicar diferents eines/models matemàtics a la resolució de problemes concrets.) Interpretar adequadament les conseqüències d'aplicar diferents eines/models matemàtics a la resolució de problemes concrets.
Continguts
Modelització matemàtica, és a dir, la solució de problemes del món real mitjançant matemàtiques.
Activitats formatives i Metodologia
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Classes | 38 | 1,52 | |
| Projecte | 112 | 4,48 |
L'activitat principal del taller és el desenvolupament de projectes de modelització per part de l'alumnat organitzat en equips.
El curs està organitzat en tres parts fonamentals a més d'unes sessions de preparació per a la presentació dels projectes i la seva avaluació.
Cadascuna de les parts fonamentals consta de cinc sessions de dues hores cadascuna. Les dues primeres sessions de cada part es dediquen a presentar un problema de la vida real i s'introdueixen les eines matemàtiques i computacionals bàsiques necessàries per abordar la solució del problema proposat. A les següents tres sessions de cada part del curs l'alumnat treballa en equips per proporcionar una solució al problema proposat. En aquestes sessions, el alumnat esta supervisat i compta amb l'assessorament del personal docent de l'assignatura per completar els projectes.
Al final de curs, els tres projectes es presentaran en forma de dissertació oral i d'un informe escrit.
Els projectes que s'abordaran aquest curs són:
Resolució de problemes de planificació amb restriccions de recursos.
Estructura oculta en dades amb soroll: models de mescla, variables latents i classificació probabilística.
Què determina la variabilitat entre pacients en prendre un medicament? Accelerant la identificació de covariables en models farmacocinètics poblacionals.
Avaluació
Activitats d'avaluació continuada
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| 2. Projecte en equip. Presentació oral | 30 | 0 | 0 | CA15, CA16, CA17, KA13, KA14, SA15, SA16, SA17 |
| 3. Examen | 30 | 0 | 0 | CA15, CA17, KA13, KA14, SA15, SA16, SA17 |
| 1. Projecte en equip. Informe escrit | 40 | 0 | 0 | CA15, CA16, CA17, KA13, KA14, SA15, SA16, SA17 |
La qualificacion del ítem d'avaluació 1 sera la mateixa per a cada membre de cada equip, mentre que les dels ítems 2 i 3 tenen un caràcter individual. En casos excepcionals en què un/a component d'un equip hagi col·laborat clarament menys que els seus companys/es, les seves qualificacions en el element 1 es multiplicaran per un factor inferior a 1.
Els ítems 1 i 2 es refereixen a l'organització i expressió del discurs, tant en forma escrita (item 1) com oral (item 2).
L'examen (ítem 3) tractarà sobre els conceptes generals i els exemples il·lustratius abordats als projectes.
El criteri per obtenir la qualificació de «No avaluable» serà el següent: es considerarà que l'estudiantat s'ha presentat a l'assignatura si ha participat en la presentació oral i ha lliurat l'informe escrit. En cas contrari, la qualificació serà «No avaluable».
Ús de la IA
Per a aquesta assignatura, es permet l'ús de tecnologies d'Intel·ligència Artificial (IA) exclusivament per estudiar, aclarir conceptes, practicar i depurar codi. També es permet utilitzar-les per revisar solucions prèviament elaborades pel mateix alumnat. No es permet presentar com a propi contingut generat per IA ni utilitzar-la durant les avaluacions individuals, excepte amb autorització expressa. L'alumnat ha de ser capaç d'explicar i defensar qualsevol solució, algoritme o codi que lliuri.
L'alumnat haurà d'identificar clarament quines parts han estat generades amb aquesta tecnologia, especificar les eines emprades i incloure una reflexió crítica sobre com aquestes han influït en el procés i en el resultat final de l'activitat. La manca de transparència en l'ús de la IA en aquesta activitat avaluable es considerarà una falta d'honestedat acadèmica i pot comportar una penalització parcial o total en la qualificació de l'activitat, o sancions de major gravetat quan correspongui.
Bibliografia
General: Ch. Rousseau + Y. Saint-Aubin, 2008. Mathematics and Technology. Springer.
Per a cada projecte es proporciona la bibliografia i les referències necessàries.
Programari
L'assignatura no requereix un programari específic
Grups i idiomes de l'assignatura
La informació proporcionada és provisional fins al 30 de novembre. A partir d'aquesta data, podreu consultar l'idioma de cada grup a través d'aquest enllaç. Per accedir a la informació, caldrà introduir el CODI de l'assignatura
| Tipus de docència | Grup | Idioma | Semestre | Torn |
|---|---|---|---|---|
| (TEm) Teoria (màster) | 1 | Anglès | primer quadrimestre | tarda |