Diseño Curricular - Ingeniería de Sistemas

50. TALLER DE TICS Y SOFTWARE

I. MARCO REFERENCIAL DE LA ASIGNATURA

Nombre de
1.
Asignatura TALLER DE TICS Y SOFTWARE 2. Código de Competencia A.8

APRENDIZAJE
TEÓRICO Y DESARROLLO
3. Sigla Curricular LSIS - 09 05 50 P2 3 Carga DESARROLLO EXPERIMENTAL
TOTAL
Horaria PRÁCTICO
4.
Promedio
Ciclo de
5. formación PROFESIONALIZANTE
Semanal 4 0 4

TECNOLOGÍAS DE
6.
Área de INFORMACIÓN, APRENDIZAJE DESARROLLO
Formación TEÓRICO Y EXPERIMENTAL
COMUNICACIONES Y DESARROLLO
CRÉDITOS
Carga
SOFTWARE 7. Horaria
PRÁCTICO
Semestral

8.
Semestre
NOVENO 80 0 4

Asignaturas
9.
Asignaturas INGENIERA DE 10. Sub-
precedentes SOFTWARE II Secuentes

II. JUSTIFICACIÓN DE LA ASIGNATURA

Las Tecnologías de la Información y la Comunicación (TIC, TICs o bien NTIC para Nuevas Tecnologías de
la Información y de la Comunicación o IT para «Information Technology») agrupan los elementos y las
técnicas utilizadas en el tratamiento y la transmisión de las informaciones, principalmente de informática,
Internet y telecomunicaciones.
El uso de las tecnologías de información y comunicación entre los habitantes de una población, ayuda a
disminuir la brecha digital existente en dicha localidad, ya que aumentaría el conglomerado de usuarios
que utilizan las Tic como medio tecnológico para el desarrollo de sus actividades y por ende se reduce el
conjunto de personas que no las utilizan.
Esta asignatura permite al estudiante aplicar todos los conocimientos adquiridos en el área de formación
propuesta.

III. PLAN CURRICULAR DE LA ASIGNATURA

COMPETENCIA A DESARROLLAR EN LA ASIGNATURA

Código de competencia: A.8

329
 Diseño Curricular - Ingeniería de Sistemas

“Desarrolla webs inteligentes, formulando algoritmos y técnicas de almacenamiento pertinentes utilizando

algoritmos de aprendizaje automático y big data para la elaboración de sistemas con capacidades de
recomendaciones y clasificaciones automáticas y personalizadas”
CRITERIOS DE DESEMPEÑO COMPETENTE

A.8.1 Describe las característica principales de una web inteligente, identificando posibles aplicaciones en
nuestro contexto .

A.8.2 Formula indexación para la aplicación óptima de búsqueda de la web. Implementando algoritmos de
ranking elevando la prioridad de la web en la recuperación dela información .

A.8.3 Formula algoritmos para la clasificación automática del contenido de la web, sugiriendo la
jerarquización de la web en base a un criterio parametrizado. .
A.8.4 Implementa técnicas óptimas de almacenamiento de gran cantidad de datos, proponiendo técnica y
herramientas pertinentes; determinando el uso de bases de datos distribuidos; exponiendo la
evolución de las bases de datos; aplicando big data; comprendiendo la implementación de BD noSql.
A.8.5 Implementa técnicas de bases de datos aplicando grafos para la manipulación y la navegación
óptima de enlaces; comprendiendo las gestión de Q&A G6; realizando la iteración y map reduce;
programando los grafos con el modelo de pregel.
A.8.6 Implementa algoritmos de aprendizaje supervisado realizando la clasificación de información,
aplicando la clasificación y reglas para la información; diseñando el modelo de aprendizaje aplicado
en la WEB .
A.8.7 Implementa técnicas de IA en la conexión con usuarios empleando interfaces; identificando los
limites; comprendiendo la semántica de la WEB; empleando la lógica e incertidumbre en los diseños
presentado; usando las teorías de Bayes y extracción con el fin de mejorar la experiencia del usuario
en la interface de navegación de la WEB para el usuario, a partir de técnicas de aprendizaje
automático.
A.8.8 Implementa técnicas de IA para la generación de modelos de predicción programando modelos no
lineales; mostrando resultados personalizados; usando los parámetros de aprendizaje; optimizando el
uso de la mejora y aplicando la arquitectura blackboard..

CONTENIDOS POR CRITERIO DE DESEMPEÑO

COD. CRITERIO DE DESEMPEÑO 1

A.8.1 Describe las característica principales de una web inteligente, identificando posibles aplicaciones en nuestro
contexto

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

1.1. Introducción
INTRODUCCIÓN A LA 1.2. Conceptos fundamentales
CONSTRUCCIÓN DE
1 1.3. Web Escala IA
WEB INTELIGENTES
1.4. Big Data
1.5. Recuperación de la Información

COD. CRITERIO DE DESEMPEÑO 2

Formula indexación para la aplicación óptima de búsqueda de la web. Implementando algoritmos de ranking
A.8.2
elevando la prioridad de la web en la recuperación dela información.
Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

330
 Diseño Curricular - Ingeniería de Sistemas

COD. CRITERIO DE DESEMPEÑO 2

Formula indexación para la aplicación óptima de búsqueda de la web. Implementando algoritmos de ranking
A.8.2
elevando la prioridad de la web en la recuperación dela información.
2.1. Indexación básica
2.2. Creación de Índices
2.3. Complexión de índices
2.4. Ranking
2.5. Búsqueda Empresarial
BÚSQUEDA E
2 2.6. Búsqueda y estructura de datos en la web
INDEXACIÓN EN LA WEB
2.7. Búsqueda de Objetos
2.8. Localización
2.9. LSH
2.10. Objetos de alta dimensión
2.11. Memoria asociativa

COD. CRITERIO DE DESEMPEÑO 3

A.8.3 Formula algoritmos para la clasificación automática del contenido de la web, sugiriendo la jerarquización de la
web en base a un criterio parametrizado..

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

3.1. Información de Shannon
3.2. Información y publicidad
3.3. TF-IDF
CLASIFICACIÓN DE 3.4. Idioma e información
3
CONTENIDO EN LA WEB 3.5. Aprendizaje Automático en la Web
3.6. Teoría de Bayes en la Web
3.7. Análisis de sentimientos
3.8. Información mutua

COD. CRITERIO DE DESEMPEÑO 4

A.8.4 Implementa técnicas óptimas de almacenamiento de gran cantidad de datos, proponiendo técnica y
herramientas pertinentes; determinando el uso de bases de datos distribuidos; exponiendo la evolución de las
bases de datos; aplicando big data; comprendiendo la implementación de BD noSql.

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

4.1. Computación paralela
4.2. Técnica map reduce
4.3. Paralelismo y Map Reduce
4.4. Sistema de Archivos Distribuidos
4.5. Tecnología de Base de Datos distribuida
4 ALMACENAMIENTO
4.6. Evolución de las bases de datos
4.7. Big Data
4.8. DB noSql y consistencia eventual
4.9. SQL y map reduce
4.10. Técnicas relacionales vs big data

331
 Diseño Curricular - Ingeniería de Sistemas

COD. CRITERIO DE DESEMPEÑO 5

A.8.5 Implementa técnicas de bases de datos aplicando grafos para la manipulación y la navegación óptima de
enlaces; comprendiendo las gestión de Q&A G6; realizando la iteración y map reduce; programando los grafos
con el modelo de pregel.

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

5.1. Introducción G2 lenguaje de consulta de gráfos
5.2. Vinculación de Datos abiertos
5.3. Grafos de gestión de datos Q&A G6
BASE DE DATOS Y 5.4. Procesamiento de Grafos en PARALELO
5
GRAFOS 5.5. Iteración y map reduce
5.6. Computación con Grafos
5.7. Modelo Pregel
5.8. Ranking de página en Pregel

COD. CRITERIO DE DESEMPEÑO 6

A.8.6 Implementa algoritmos de aprendizaje supervisado realizando la clasificación de información, aplicando la
clasificación y reglas para la información; diseñando el modelo de aprendizaje aplicado en la WEB ..

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

6.1. Clasificación
6.2. Clustering
6.3. Reglas de Aprendizaje
APRENDIZAJE EN LA
6 6.4. Reglas de Asociación – minería de datos
WEB
6.5. Aprendizaje con big data
6.6. Modelos de aprendizaje latente
6.7. Aprendizaje basado en refuerzo

COD. CRITERIO DE DESEMPEÑO 7

A.8.7 Implementa técnicas de IA en la conexión con usuarios empleando interfaces; identificando los limites;
comprendiendo la semántica de la WEB; empleando la lógica e incertidumbre en los diseños presentado; usando
las teorías de Bayes y extracción con el fin de mejorar la experiencia del usuario en la interface de navegación de
la WEB para el usuario, a partir de técnicas de aprendizaje automático..

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

7.1. Interfaces lógicas
7.2. Resolución y sus límites
CONEXIÓN CON 7.3. Web semántica
7
USUARIOS 7.4. Lógica e incertidumbre
7.5. Naive bayes
7.6. Extracción de información

332
 Diseño Curricular - Ingeniería de Sistemas

COD. CRITERIO DE DESEMPEÑO 8

A.8.8 Implementa técnicas de IA para la generación de modelos de predicción programando modelos no lineales;
mostrando resultados personalizados; usando los parámetros de aprendizaje; optimizando el uso de la mejora y
aplicando la arquitectura blackboard.

Nº UNIDAD DIDÁCTICA Nº CONTENIDO ANALÍTICO

8.1. Técnicas mediante Mínimos cuadrados
8.2. Modelos no lineales
PREDICCIONES EN LA 8.3. Parámetros de aprendizaje
8
WEB 8.4. Aplicación de predicciones
8.5. Memoria temporal jerárquica
8.6. Arquitectura Blackboard

IV. DISTRIBUCIÓN DE CARGA HORARIA ESTIMADA POR CRITERIO DE DESEMPEÑO

UNIDADES TEMÁTICAS DE APRENDIZAJE TEÓRICO Y DESARROLLO

TOTAL
APRENDIZAJE DESARROLLO PRÁCTICO EXPERIMENTAL
INTRODUCCIÓN A LA
1 CONSTRUCCIÓN DE WEB 8 0 8
INTELIGENTES
BÚSQUEDA E INDEXACIÓN
2 10 0 10
EN LA WEB
CLASIFICACIÓN DE
3 10 0 10
CONTENIDO EN LA WEB
4 ALMACENAMIENTO 10 0 10
5 BASE DE DATOS Y GRAFOS 10 0 10
6 APRENDIZAJE EN LA WEB 12 0 12
7 CONEXIÓN CON USUARIOS 10 0 10
8 PREDICCIONES EN LA WEB 10 0 10
TOTAL 80 0 80

V. BIBLIOGRAFÍA

Nº AUTOR AÑO TÍTULO EDITORIAL/Nº EDICIÓN PAÍS/CIUDAD

Inteligencia Artificial, un
1. Russell y Norving 2009 Enfoque Moderno Prentice Hall/3° Ed. México DF
Sistemas Expertos,
Principios y
2. Giarratano y Riley 2005 Programación Thompson/4°Ed México DF
Ingeniería del
Alonso, Guijarro, Conocimiento, Aspectos
3. Lozano, Palma 2004 Metodológicos Prentice Hall/1° Ed. Madrid
Sistemas Expertos y
Castillo, Gutiérrez Modelos de Redes Academia de
4. y Hadi 1997 Probabilísticas ingeniería/1° Ed. Madrid
Redes Neuronales y
5. Del Brio 2005 Sistemas Difusos Prentice Hall/3° Ed. México DF

333