Logo

Taller de Modelització

Codi: 42255
Crèdits: 6
2026/2027
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.

Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, perquè l'alumnat completi les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura.

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