Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS)

Tamaño: px
Comenzar la demostración a partir de la página:

Download "Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS)"

Transcripción

1 Molo Neuronal Estimación para el Esfuerzo Desarrollo en Proyectos Software (MONEPS) Mario G. Almache C. Jenny A. Ruiz R. Geovanny Raura Rodrigo E. Fonseca C. Julio 4 y

2 AGENDA 1. Antecentes 2. Trabajos relacionados 3. Molo neuronal propuesto 4. Resultados obtenidos 5. Conclusiones y trabajo futuro

3 Necesidad Necesidad mejorar mejorar la la precisión precisión en en la la estimación estimación l l esfuerzo esfuerzo Los errores en la estimación esfuerzo son todavía masiado grans. Se hace una mínima consiración los aspectos no funcionales l software. No hay un claro entendimiento sobre las relaciones causales entre factores y los resultados finales la estimación esfuerzo en software.

4 Algunos Algunos enfoques enfoques para para estimar estimar el el esfuerzo esfuerzo Existen tres categorías fundamentales: Molos Algorítmicos, Juicio l Experto, Machine Learning. Dentro los molos algorítmicos tenemos: Puntos Función (PF): énfasis en las características l dominio información. Líneas código (LDC): se centra en las funciones l software. Puntos Caso Uso: técnica promisoria pero aún controversial bido a la falta estandarización los casos uso.

5 Molos Molos algorítmicos algorítmicos Vs. Vs. Juicio Juicio l l experto experto Enfoque Ventajas Inconvenientes Aplicación idónea Molos algorítmicos Entradas y parámetros concretos. Objetividad. Eficiencia en cálculos. No prestan atención a circunstancias excepcionales. Rechazan opiniones subjetivas. Proyectos con escasas alteraciones accintales, con equipos sarrollo estables y productos sencillos. Juicio l experto Gran cantidad opiniones subjetivas. Consiración circunstancias excepcionales. Depenncia los expertos. Posturas expertos difíciles adoptar. Primeras fases sarrollo l producto.

6 Dos Dos molos molos algorítmicos: algorítmicos: Cocomo Cocomo y y Cocomo Cocomo II II Figura No. 1: Cocomo 81 Calculator Figura No. 2: USC Cocomo II

7 Machine Machine Learning Learning (Aprendizaje (Aprendizaje Automático) Automático) Lógica difusa Minería datos Algoritmos genéticos Res neuronales artificiales Sistemas neuro-difusos

8 Res Res Neuronales Neuronales Artificiales Artificiales en en Backpropagation Backpropagation Características importantes: Aprenn manera supervisada e inductiva. Son suficientes 3 capas para las tareas aprendizaje e intificación patrones. Poca complejidad estructural y algorítmica. Buena disponibilidad herramientas automatizadas, tanto libres como propietarias, para el diseño y funcionamiento estas res. Campos aplicación más frecuentes: reconocimiento imágenes, clasificación patrones, codificación/codificación información, entre los más relevantes. Figura No. 3: Ejemplo RNA con cuatro capas

9 Aplicaciones Aplicaciones las las RNA RNA Figura No. 4: Reconocimiento Facial Figura No. 5: Procesamiento imágenes Figura No. 6: Reconocimiento voz

10 Molo Molo Neuronal Neuronal Propuesto: Propuesto: Molo Molo Calidad Calidad ISO ISO

11 Codificación Codificación Atributos Atributos en en MONEPS MONEPS Atributo Código Valores Descripción Nivel seguridad A2 Alto, Medio, Bajo Indica el nivel seguridad requerido para la aplicación. Número programadores Experiencia l equipo sarrollo Lenguaje Programación Número servidores M3 1, 2, 3,... Número integrantes l equipo sarrollo asignados. M1 Alta, Media, Baja Indica la experiencia l equipo sarrollo en aplicaciones similares. F1 Tabla No. 1: Algunos atributos tomados la norma ISO Imperativo, Declarativo, Orientado a Objetos, Orientado al Problema Tipo lenguaje programación utilizado. E3 1, 2, 3,... Número servidores requeridos para la aplicación.

12 Molo Molo Neuronal Neuronal Propuesto Propuesto Figura No. 7: RNA simplificada y utilizada en Moneps

13 Resultados Resultados obtenidos: obtenidos: herramienta herramienta JustNN JustNN Figura No. 8: Carga datos en JustNN Figura No. 9: Red neuronal artificial en JustNN

14 Entrenamiento Entrenamiento la la RNA RNA usada usada por por MONEPS MONEPS Figura No. 10: Resumen entrenamiento para la RNA Figura No. 11: Error la RNA durante la fase entrenamiento

15 Estimación Estimación para para 3 3 casos casos prueba prueba y y contrastación contrastación con con Cocomo Cocomo Caso Tabla No. 2: Tiempo y costo estimados por Moneps para 3 proyectos SW Tiempo real duración (meses) Tiempo estimado (MONEPS) Costo referencial (USD) Costo estimado (MONEPS) * Caso Tabla No. 3: Cocomo 81 Vs. Moneps Real Tiempo (meses) Estimado por Cocomo Estimado por Moneps 1. CODESOFT: Simulador para la evaluación aptitus aspirantes para el sarrollo software. 2. SIFFAAR: Sistema para automatizar el proceso control inventario y facturación en la empresa FAAR. 3. SICFO: Sistema para gestión fichas odontológicas (parte l conjunto entrenamiento)

16 Contrastación Contrastación con con Cocomo Cocomo II II Caso Nombre l proyecto Real Tiempo (meses) Estimado por Cocomo-II Estimado por Moneps Referen. Costo (USD) Estimado por Cocomo-II Estimado por Moneps 1 CODESOFT SIFFAAR Tabla No. 4: Cocomo II Vs. Moneps Caso Nombre l proyecto Error relativo para el tiempo Error relativo para el costo Cocomo-II Moneps Cocomo-II Moneps 1 CODESOFT % 21.67% 37.20% 7.68% 2 SIFFAAR % 20.60% 40.48% 17.45% Tabla No. 5: Error relativo en Cocomo II y Moneps

17 Conclusiones Conclusiones y y trabajo trabajo futuro futuro El criterio diseño para MONEPS posibilitó la convergencia aspectos funcionales y no funcionales. MONEPS es fácil uso y escalable. El molo permite activar/sactivar atributos entrada manera sencilla. Datos nuevas aplicaciones puen alimentar la RNA para mejorar su sempeño. Intificación nuevos atributos críticos y métricas especializadas para los aspectos no funcionales. Añadir un componente fuzzy (difuso) para realizar interpretaciones lingüísticas las entradas y respuestas obtenidas (sistemas neuro-difusos).

18 En 1899, Max Planck preguntó lo siguiente: cómo sería posible crear un sistema unidas objetivo y universal? La ia Planck es extensible al Software?

19

Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS)

Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de Software (MONEPS) VICERRECTORADO DE INVESTIGACIÓN INNOVACIÓN Y TRANSFERENCIA DE TECNOLOGÍA MAESTRÍA EN INGENIERÍA DE SOFTWARE SEGUNDA PROMOCIÓN Modelo Neuronal de Estimación para el Esfuerzo de Desarrollo en Proyectos de

Más detalles

Estimación para Proyectos Software

Estimación para Proyectos Software Nilda M. Pérez Otero Sistemas de Información II Cursada 2011 Facultad de Ingeniería - UNJu Fuentes: Ingeniería del Software. Un Enfoque Práctico 6ta. Ed. - Roger S. Pressmann - Capítulo 23 Visión general

Más detalles

TEMA 0 Y SUS APLICACIONES. Redes Neuronales Artificiales y sus Aplicaciones

TEMA 0 Y SUS APLICACIONES. Redes Neuronales Artificiales y sus Aplicaciones Curso RNA Tema 0 TEMA 0 PRESENTACIÓN DEL CURSO REDES NEURONALES ARTIFICIALES Y SUS APLICACIONES Comienzo del Curso Presentación del Curso Enfoque y Contexto Objetivos Contenidos Teórico Contenido Práctico

Más detalles

Ingeniería del Software de Gestión Titulación: ITIG / ITIG - LADE 1º Cuatrimestre - octubre de 2012

Ingeniería del Software de Gestión Titulación: ITIG / ITIG - LADE 1º Cuatrimestre - octubre de 2012 Ejercicio Análisis 4. Planificación Proyectos. Estimaciones Software. PUNTOS DE FUNCIÓN. Este molo se basa en estimar el tamaño funcional l software. En este método is una forma medir las capacidas una

Más detalles

Intensificación en "Lenguajes e Inteligencia Artificial"

Intensificación en Lenguajes e Inteligencia Artificial Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente

Más detalles

Ejemplo Estimación con el método de Cocomo

Ejemplo Estimación con el método de Cocomo Ejemplo Estimación con el método de Cocomo Entre los distintos métodos de estimación de costes de desarrollo de software, el modelo COCOMO (COnstructive COst MOdel) desarrollado por Barry M. Boehm, se

Más detalles

2.3 ESTIMACION DE PROYECTOS

2.3 ESTIMACION DE PROYECTOS Ingeniería de Software INF - 163 2.3 ESTIMACION DE PROYECTOS 25/08/2011 Resumen preparado por Miguel Cotaña 1 Larry Putnam, ha apuntado que la gestión del desarrollo de software considera la estimación

Más detalles

Lingüística computacional

Lingüística computacional Lingüística computacional Definición y alcance Escuela Nacional de Antropología e Historia (ENAH) Agosto diciembre de 2015 Lingüística Ciencias de la computación Lingüística computacional Estudio del lenguaje

Más detalles

2021: Odisea del Ciberespacio

2021: Odisea del Ciberespacio 2021: Odisea del Ciberespacio M.C. Romeo A. Sánchez López CISM CEH CISSP CCNA CCSI SCSA SCJP SCMAD ITIL MCP TOGAF Ingeniero en Seguridad Computacional Maestro en Educación Maestro en Ciencias en Sistemas

Más detalles

Tema 2.- Caracterización de la informática La informática como disciplina científica Sub-áreas de la disciplina.

Tema 2.- Caracterización de la informática La informática como disciplina científica Sub-áreas de la disciplina. Tema 2.- Caracterización de la informática 2.1. La informática como disciplina científica. 2.2. Sub-áreas de la disciplina. 2.1. La informática como disciplina científica. 2.1.1 Una definición de Informática.

Más detalles

Planificaciones Inteligencia Artificial. Docente responsable: CABRERA JOSE LUIS. 1 de 5

Planificaciones Inteligencia Artificial. Docente responsable: CABRERA JOSE LUIS. 1 de 5 Planificaciones 7523 - Inteligencia Artificial Docente responsable: CABRERA JOSE LUIS 1 de 5 OBJETIVOS Enseñar los conceptos fundamentales de inteligencia artificial, sus paradigmas, métodos y técnicas.

Más detalles

E77 - Gestión de Recursos de la Información. Tema 2 - Estimación

E77 - Gestión de Recursos de la Información. Tema 2 - Estimación E77 - Gestión de Recursos de la Información Tema 2 - Estimación Factores que afectan al riesgo de la estimación Complejidad del proyecto: medida relativa. Tamaño del proyecto: interdependencia de los elementos

Más detalles

Introducción a la minería de datos

Introducción a la minería de datos Introducción a la minería de datos 1 Temario Qué es minería de datos? Quién usa minería de datos? Por qué de la minería de datos? Ciclo virtuoso de la minería de datos 2 Definición de minería de datos

Más detalles

CARACTERÍSTICAS GENERALES

CARACTERÍSTICAS GENERALES CARACTERÍSTICAS GENERALES Nombre del programa Licenciatura de Ingeniería en Sistemas Inteligentes, 2007 Título que otorga Ingeniero/a en Sistemas Inteligentes Espacio donde se imparte Unidad Académica

Más detalles

Estimación. Ingeniería de software Eduardo Ferreira, Martín Solari

Estimación. Ingeniería de software Eduardo Ferreira, Martín Solari Ingeniería de software Eduardo Ferreira, Martín Solari 1 Temario Estimación Modelos paramétricos Proceso y ajuste de las estimaciones 2 Estimar: predecir valores de entidades y sus atributos que sean relevantes

Más detalles

E77 - Gestión de Recursos de la Información. Tema 1 - Métricas del Proyecto de Software

E77 - Gestión de Recursos de la Información. Tema 1 - Métricas del Proyecto de Software E77 - Gestión de Recursos de la Información Tema 1 - Métricas del Proyecto de Software Medición y Métricas Proceso de IS Proyecto Recopilación de datos Medidas Producto Cálculo de métricas Métricas Evaluación

Más detalles

Índice general. Introducción... 23

Índice general. Introducción... 23 Índice general Introducción... 23 Parte I. Inteligencia Artificial 1. Conocimiento y Razonamiento... 33 1.1. Introducción... 33 1.2. Representaciones proposicionales... 34 1.3. Representaciones estructuradas...

Más detalles

5. Cuáles son las actividades primarias de la producción de software

5. Cuáles son las actividades primarias de la producción de software 1. La clasificación de los recursos humanos son dos: - Personal con experiencia - Personal nuevo sin experiencia (novatos) 2. Cual son las ventajas y desventajas sobre esta clasificación Las ventajas es

Más detalles

PROJECT GLASS : REALIDAD AUMENTADA, RECONOCIMIENTO DE IMÁGENES Y RECONOCIMIENTO DE VOZ.

PROJECT GLASS : REALIDAD AUMENTADA, RECONOCIMIENTO DE IMÁGENES Y RECONOCIMIENTO DE VOZ. PROJECT GLASS : REALIDAD AUMENTADA, RECONOCIMIENTO DE IMÁGENES Y RECONOCIMIENTO DE VOZ. Lucas García Cillanueva Paloma Jimeno Sánchez-Patón Leticia C. Manso Ruiz PROJECT GLASS Dentro de Google Labs Gafas

Más detalles

UNIVERSIDAD DE GUADALAJARA

UNIVERSIDAD DE GUADALAJARA UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS ALTOS DIVISIÓN DE ESTUDIOS EN FORMACIONES SOCIALES LICENCIATURA: INGENIERÍA EN COMPUTACIÓN UNIDAD DE APRENDIZAJE POR OBJETIVOS REDES NEURONALES ARTIFICIALES

Más detalles

Sistemas Inteligentes en Ingenieria. Antonio Morán, Ph.D.

Sistemas Inteligentes en Ingenieria. Antonio Morán, Ph.D. Sistemas Inteligentes en Ingenieria Antonio Morán, Ph.D. El Ser Humano es Inteligente Tiene Capacidad Para: Aprender Razonar Intuir Mejorar Es Capaz de Trabajar en Forma Autónoma Diseño de Sistemas Inteligentes

Más detalles

Ingeniería de Software. Tema 2 ESTIMACION DE PROYECTOS SOFTWARE

Ingeniería de Software. Tema 2 ESTIMACION DE PROYECTOS SOFTWARE UNT. INGENIERIA INDUSTRIAL Ingeniería de Software Tema 2 ESTIMACION DE PROYECTOS SOFTWARE Ing. Francisco Rodríguez Novoa Planificación de Proyectos: Estimación La gestión de proyectos de software comienza

Más detalles

CONCLUSIONES. La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con

CONCLUSIONES. La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con 319 CONCLUSIONES La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con respecto a otros modelos típicos de solución de problemas de Ingeniería, una de ellas es su inspiración en modelos

Más detalles

Índice general. Prefacio...5

Índice general. Prefacio...5 Índice general Prefacio...5 Capítulo 1 Introducción...13 1.1 Introducción...13 1.2 Los datos...19 1.3 Etapas en los procesos de big data...20 1.4 Minería de datos...21 1.5 Estructura de un proyecto de

Más detalles

Carrera Plan de Estudios Contacto

Carrera Plan de Estudios Contacto Carrera Plan de Estudios Contacto La función de un buen software es hacer que lo complejo aparente ser simple Grady Booch Linus Torvalds, creador del kernel Linux, dijo alguna vez La mayoría de los buenos

Más detalles

CUESTIONARIO PREE-EXAMEN

CUESTIONARIO PREE-EXAMEN CUESTIONARIO PREE-EXAMEN 1.- La clasificación de los recursos humanos son dos: Planificación de los recursos humanos: identificar y documentar los roles del proyecto, las responsabilidades y las relaciones

Más detalles

Aplicaciones de Técnicas de IA. Ana Lilia Laureano-Cruces UAM-A

Aplicaciones de Técnicas de IA. Ana Lilia Laureano-Cruces UAM-A Aplicaciones de Técnicas de IA Ana Lilia Laureano-Cruces UAM-A Casi todas las ciencias de ingeniería Comparten técnicas disponibles en el domino de IA. Mencionaremos algunas aplicaciones donde la IA juega

Más detalles

Inteligencia Artificial: Su uso para la investigación

Inteligencia Artificial: Su uso para la investigación Inteligencia Artificial: Su uso para la investigación Dra. Helena Montserrat Gómez Adorno Instituto de Investigaciones en Matemáticas Aplicadas y en Sistemas helena.adorno@iimas.unam.mx 1 Introducción

Más detalles

Tecnologías de Inteligencia Artificial

Tecnologías de Inteligencia Artificial Tecnologías de Inteligencia Artificial En la actualidad se han desarrollado importantes tecnologías de inteligencia artificial basadas en conjuntos borrosos y redes neuronales artificiales, cuyas potencialidades

Más detalles

Plan 95 Adecuado. DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS.

Plan 95 Adecuado. DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS. Plan 95 Adecuado ASIGNATURA: INTRODUCCIÓN A LA INTELIGENCIA ARTIFICIAL CODIGO: 95-0488 DEPARTAMENTO: ELECTRÓNICA CLASE: Electiva de Especialidad. ÁREA: SISTEMAS DE CONTROL HORAS SEM.: 4 HS. HORAS / AÑO:

Más detalles

APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL. Copyright 2017 Accenture All rights reserved.

APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL. Copyright 2017 Accenture All rights reserved. APLICACIONES DE NEGOCIO PARA INTELIGENCIA ARTIFICIAL AGENDA 01 QUÉ ES? 05 LECCIONES DE NEGOCIO 02 ÁREAS DE INVESTIGACIÓN 03 APLICACIONES 04 EJEMPLOS DE NEGOCIO 01. QUÉ ES?. TIPOS DE INTELIGENCIA Lingüística

Más detalles

Itinerario: Inteligencia Computacional

Itinerario: Inteligencia Computacional Máster Universitario en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones Itinerario: Inteligencia Computacional Escuela Politécnica Superior Universidad Autónoma de Madrid

Más detalles

Reconocimiento Automático de Voz

Reconocimiento Automático de Voz Reconocimiento Automático de Voz Presentación basada en las siguientes Referencias: [1] Rabiner, L. & Juang, B-H.. Fundamentals of Speech Recognition, Prentice Hall, N.J., 1993. [2] Rabiner, L. & Juang,

Más detalles

Carrera : Academia de Sistemas y Computación. a) RELACIÓN CON OTRAS ASIGNATURAS DEL PLAN DE ESTUDIOS ASIGNATURAS TEMAS ASIGNATURAS TEMAS

Carrera : Academia de Sistemas y Computación. a) RELACIÓN CON OTRAS ASIGNATURAS DEL PLAN DE ESTUDIOS ASIGNATURAS TEMAS ASIGNATURAS TEMAS 1.- IDENTIFICACION DE LA ASIGNATURA Nombre de la asignatura : Carrera : Aplicaciones Avanzadas de los Sistemas Computacionales Ingeniería en Sistemas Computacionales Clave de la asignatura : Horas teoría-horas

Más detalles

Ingeniero en Informática (BOE: )

Ingeniero en Informática (BOE: ) Ingeniero en Informática (BOE: 2 11 2005) TITULACIONES Y PLANES DE ESTUDIO ESCUELA SUPERIOR DE INGENIERÍA C/ Sacramento, 86 11002 CADIZ Teléfono: 956 015134 Fax : 956 015101 Itinerario Curricular recomendado

Más detalles

PROCESAMIENTO DIGITAL DE IMÁGENES

PROCESAMIENTO DIGITAL DE IMÁGENES PROCESAMIENTO DIGITAL DE IMÁGENES 2 OBJETIVO GENERAL Familiarizarse con el análisis de imágenes a través de computadores, aprendiendo técnicas de procesamiento, utilizando la librería de programación OpenCV,

Más detalles

DOBLE GRADO EN INGENIERÍA DEL SOFTWARE Y EN TECNOLOGÍAS PARA LA SOCIEDAD DE LA INFORMACIÓN (Código 61ST)

DOBLE GRADO EN INGENIERÍA DEL SOFTWARE Y EN TECNOLOGÍAS PARA LA SOCIEDAD DE LA INFORMACIÓN (Código 61ST) PRIMER CURSO 615000600 ANÁLISIS MATEMÁTICO 6 Bás 1º 615000601 FUNDAMENTOS DE COMPUTADORES 6 Bás 1º 615000602 FUNDAMENTOS DE PROGRAMACIÓN 6 Bás 1º 615000603 LÓGICA Y MATEMÁTICA DISCRETA 6 Bás 1º 615000605

Más detalles

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE EDUCACION SUPERIOR PROGRAMA SINTÉTICO

INSTITUTO POLITÉCNICO NACIONAL SECRETARÍA ACADÉMICA DIRECCIÓN DE EDUCACION SUPERIOR PROGRAMA SINTÉTICO CARRERA: Ingeniería en Computación. PROGRAMA SINTÉTICO ASIGNATURA: Redes Neuronales SEMESTRE: Octavo OBJETIVO GENERAL: El alumno aplicará los modelos de las redes neuronales artificiales en sistemas de

Más detalles

Control Neuro-Difuso Aplicado a una Grúa Torre. Chahuara Quispe, José Carlos. I. INTRODUCCIÓN

Control Neuro-Difuso Aplicado a una Grúa Torre. Chahuara Quispe, José Carlos. I. INTRODUCCIÓN I. INTRODUCCIÓN El presente trabajo de tesis consiste en la automatización del funcionamiento de una Grúa utilizando técnicas Neuro-difusas. La Grúa es como la que se muestra en la figura 1.1, y es conocida

Más detalles

Inteligencia Artificial. Sistemas Expertos. Presentado por: Marcel Castro

Inteligencia Artificial. Sistemas Expertos. Presentado por: Marcel Castro Inteligencia Artificial Sistemas Expertos Presentado por: Marcel Castro Febrero 2002 Contenido SBC y SE. Definiciones. Antecedentes Características de los SE Arquitectura Métodos de desarrollo de SE. Herramientas,

Más detalles

Especialidades en GII-TI

Especialidades en GII-TI Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas

Más detalles

Línea de Especialización Inteligencia Computacional y Robótica

Línea de Especialización Inteligencia Computacional y Robótica Línea de Especialización Inteligencia Computacional y Robótica 1.- Propósito de la línea de especialización La Inteligencia Computacional agrupa la teoría, diseño y aplicación de métodos y técnicas biológica

Más detalles

UNIVERSIDAD TECNOLOGICA DE LOS ANDES VICE RECTORADO ACADEMICO FACULTAD DE INGENIERÍA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

UNIVERSIDAD TECNOLOGICA DE LOS ANDES VICE RECTORADO ACADEMICO FACULTAD DE INGENIERÍA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA FACULTAD DE INGENIERÍA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA I. INFORMACIÓN GENERAL SILABO 2016 1.1. Nombre de la asignatura SISTEMAS EXPERTOS 1.2. Código SI101 1.3. Año Calendario

Más detalles

Metodología y Tecnología de la Programación. I.T. Informática de Gestión

Metodología y Tecnología de la Programación. I.T. Informática de Gestión ESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA PROGRAMAS, MÉTODOS Y CRITERIOS DE EVALUACIÓN A APLICAR DURANTE EL PROCESO DE EXTINCIÓN DEL PLAN 1999 Metodología y Tecnología de la Programación I.T. Informática

Más detalles

ASIGNATURA: INTELIGENCIA ARTIFICIAL

ASIGNATURA: INTELIGENCIA ARTIFICIAL ASIGNATURA: INTELIGENCIA ARTIFICIAL Código: 33-505 Régimen: cuatrimestral Horas reloj semanales: 4 Horas teóricas: 26 Horas prácticas: 34 Carrera: Sistemas Año del programa: 2016 FUNDAMENTOS: La evolución

Más detalles

Tema 4: Aprendizaje de conceptos

Tema 4: Aprendizaje de conceptos Inteligencia Artificial II Curso 2004 2005 Tema 4: Aprendizaje de conceptos José A. Alonso Jiménez Francisco Jesús Martín Mateos José Luis Ruiz Reina Dpto. de Ciencias de la Computación e Inteligencia

Más detalles

Modelo Neuronal de Estimación para el Esfuerzo. de Desarrollo en Proyectos de Software (MONEPS)

Modelo Neuronal de Estimación para el Esfuerzo. de Desarrollo en Proyectos de Software (MONEPS) Modelo Neuronal de Estimación para el Esfuerzo Mario G. Almache C, Geovanny Raura, Jenny A. Ruiz R., Efraín R. Fonseca C. Universidad de las Fuerzas Armadas ESPE Sangolquí, Ecuador mgalmache@espe.edu.ec

Más detalles

Inteligencia Artificial

Inteligencia Artificial Inteligencia Artificial Conjunto de técnicas que se aplican en el diseño de programas de computador para la resolución de problemas que por su dificultad requieren el uso de un cierto grado de inteligencia.

Más detalles

SECUENCIA DIDÁCTICA. Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11

SECUENCIA DIDÁCTICA. Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11 SECUENCIA DIDÁCTICA Nombre de curso: Inteligencia Artificial Clave de curso: COM2508C11 Antecedente: Ninguno Clave de antecedente: Ninguna Módulo Competencia de Módulo: Proponer y aplicar soluciones e

Más detalles

SEMINARIO INTERNACIONAL: DISEÑO O DE UN MODELO DE EVALUACION TECNICO ECONÓMICA Y DE GESTION DE EMPRESAS TECNOLÓGICAS UNIVERSITARIAS

SEMINARIO INTERNACIONAL: DISEÑO O DE UN MODELO DE EVALUACION TECNICO ECONÓMICA Y DE GESTION DE EMPRESAS TECNOLÓGICAS UNIVERSITARIAS SEMINARIO INTERNACIONAL: DISEÑO O DE UN MODELO DE EVALUACION TECNICO ECONÓMICA Y DE GESTION DE EMPRESAS TECNOLÓGICAS UNIVERSITARIAS Curitiba Brasil Octubre 20 a 22 de 2004 CONSULTORIA Y SERVICIOS PONTIFICIA

Más detalles

ADMINISTRACIÓN DE PROYECTOS. Facultad de Estadística e Informática

ADMINISTRACIÓN DE PROYECTOS. Facultad de Estadística e Informática ADMINISTRACIÓN DE PROYECTOS Bibliografía Pressman, R.S., Ingeniería del Software. Un enfoque práctico, quinta edición, 2002, España. Parte 2 Sommerville I., Ingeniería de Software, Addison-Wesley, 6ª.

Más detalles

Tipos Abstractos de Datos (TAD) Lección 1

Tipos Abstractos de Datos (TAD) Lección 1 Tipos Abstractos de Datos (TAD) Lección 1 Esquema Paradigmas de programación Definición de TAD Programación con TAD Ventajas de la programación con TAD Lectura recomendada: secciones 1.1 y 1.2 del libro

Más detalles

Universidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática

Universidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática Universidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática Plan de Estudios 2008 (Modificado: Resolución VD-8687-2011)

Más detalles

Software. Programa Paradigmas de programación Cómo se produce software Modelos de procesos Atributos del buen software

Software. Programa Paradigmas de programación Cómo se produce software Modelos de procesos Atributos del buen software SOFTWARE Software Programa Paradigmas de programación Cómo se produce software Modelos de procesos Atributos del buen software Programa Representación de un programa Entrada Programa Salida Cómo son los

Más detalles

Teoría de Base de Datos Ing. José J. Reyes. Definiciones

Teoría de Base de Datos Ing. José J. Reyes. Definiciones Definiciones 1 Base de Datos: Las Bases de Datos son el núcleo del sistema de información de cualquier empresa. La administración y gestión de las mismas constituye, por tanto, un trabajo muy importante

Más detalles

conjunto de elementos que se interrelacionan para producir un resultado. Ejem. Sistema endocrino, óseo, sistema digestivo, sistema nervioso central.

conjunto de elementos que se interrelacionan para producir un resultado. Ejem. Sistema endocrino, óseo, sistema digestivo, sistema nervioso central. QUÉ ES UN SISTEMA? Un sistema es un conjunto de elementos que se interrelacionan para producir un resultado. Ejem. Sistema endocrino, óseo, sistema digestivo, sistema nervioso central. SISTEMA DE INFORMACIÓN

Más detalles

CAPITULO I... 1 INTRODUCCION ANTECEDENTES Y ORIGENES DE LA ROBOTICA LEYES PARA LA ROBOTICA... 4

CAPITULO I... 1 INTRODUCCION ANTECEDENTES Y ORIGENES DE LA ROBOTICA LEYES PARA LA ROBOTICA... 4 C O N T E N I D O Prólogo... i CAPITULO I... 1 INTRODUCCION... 1 1.1. ANTECEDENTES Y ORIGENES DE LA ROBOTICA... 2 1.2. LEYES PARA LA ROBOTICA... 4 1.3. ARQUITECTURAS DE LOS ROBOTS... 5 1.3.1. POLIARTICULADOS...

Más detalles

RECONOCIMIENTO DE CRÉDITOS

RECONOCIMIENTO DE CRÉDITOS RECONOCIMIENTO DE CRÉDITOS 04/10/2016 Diplomaturas de la ETSISI ETSISI Página 1 TABLA DE RECONOCIMIENTO DE CRÉDITOS PARA LOS DIPLOMADOS EN INFORMÁTICA (PLAN 83) ESPECIALIDAD LÓGICOS Y FÍSICOS A GRADUADO

Más detalles

Tema 5: Gestión de Proyectos Software Estimación

Tema 5: Gestión de Proyectos Software Estimación escuela técnica superior de ingeniería informática Tema 5: Gestión de Proyectos Software Estimación Departamento de Lenguajes y Sistemas Informáticos Ingeniería del Software de Gestión III Índice Introducción

Más detalles

ARQUITECTURAS. Carlos Reveco D. IN73J Arquitectura, Diseño y Construcción de un Negocio con Apoyo TI.

ARQUITECTURAS. Carlos Reveco D. IN73J Arquitectura, Diseño y Construcción de un Negocio con Apoyo TI. ARQUITECTURAS 1 IN73J Arquitectura, Diseño y Construcción de un Negocio con Apoyo TI Carlos Reveco D. creveco@dcc.uchile.cl Arquitectura de una aplicación 2 Arquitectura: desarrolla un plan general del

Más detalles

Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision

Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision Tema 2: Diseño y Construccion de Sistemas de Ayuda a la Decision Procesos de desarrollo de SAD Hay dos formas de desarrollar SAD: Programar un SAD a medida: se puede emplear un lenguaje convencional como

Más detalles

Inteligencia Artificial e Ingeniería del Conocimiento

Inteligencia Artificial e Ingeniería del Conocimiento Inteligencia Artificial e Ingeniería del Conocimiento I. A. Clásica Nuevos enfoques de la I. A. Agentes Inteligentes Aprendizaje Introducción Aprendizaje inductivo decisión Planteamiento conectivista.

Más detalles

COCOMO. Modelo constructivo de costes

COCOMO. Modelo constructivo de costes COCOMO Modelo constructivo de costes QUE ES Es un modelo matemático para la estimación de costes. Incluye tres submodelos, cada uno ofrece un nivel de detalle y aproximación, cada vez mayor, a medida que

Más detalles

Es un conjunto de palabras y símbolos que permiten al usuario generar comandos e instrucciones para que la computadora los ejecute.

Es un conjunto de palabras y símbolos que permiten al usuario generar comandos e instrucciones para que la computadora los ejecute. Los problemas que se plantean en la vida diaria suelen ser resueltos mediante el uso de la capacidad intelectual y la habilidad manual del ser humano. La utilización de la computadora en la resolución

Más detalles

PROGRAMACIÓN DE EXPERT ADVISORS

PROGRAMACIÓN DE EXPERT ADVISORS PROGRAMACIÓN DE EXPERT ADVISORS (TRADING ALGORÍTMICO) Quieres automatizar tus señales de entrada o de órdenes al mercado en tu MT4? A través del servicio de Programación de EA s (Trading Algorítmico) el

Más detalles

Lenguajes de Programación

Lenguajes de Programación Lenguajes de ción Bloque 1. Complemento a Tema 1 1. Historia 2. Paradigmas de programación 3. Fases creación de un programa 4. Traducción: compilación e interpretación 1ª Generación Ordenadores sólo entienden

Más detalles

G: GRADOS PLAN 2014 (COMPUTADORES, SOFTWARE Y SISTEMAS DE INFORMACIÓN), C: COMPUTADORES (PLAN 2009), S: SOFTWARE (PLAN 2009)

G: GRADOS PLAN 2014 (COMPUTADORES, SOFTWARE Y SISTEMAS DE INFORMACIÓN), C: COMPUTADORES (PLAN 2009), S: SOFTWARE (PLAN 2009) PROGRAMACIÓN EÁMENES GRADOS CURSO 2015/16 EÁMENES CONVOCATORIA DE M1 9 a 12 12 a 15 15 a 18 18 a 21 2016 L M J V S D 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 DÍA TURNO M1 V 8 M1 LÓGICA Y MATEMÁTICA DISCRETA

Más detalles

Bloque/ Aula T1 ARQUITECTURA Y DISEÑO SOFTWARE (S3) 3101

Bloque/ Aula T1 ARQUITECTURA Y DISEÑO SOFTWARE (S3) 3101 EXÁMENES CONVOCATORIA DE 9 a 12 12 a 15 15 a 18 18 a 21 2017 9 10 11 12 13 14 15 16 17 18 19 20 21 22 FUNDAMENTOS DE LOS COMPUTADORES (G1)/ SISTEMAS DIGITALES (C1) L 9 INGLÉS MEDIO (G-OPT y CS-OPT) REDES

Más detalles

Aulas Pruebas de Evaluación Grados Ingeniería Informática, Ingeniería Informática + ADE y Matemáticas e Informática

Aulas Pruebas de Evaluación Grados Ingeniería Informática, Ingeniería Informática + ADE y Matemáticas e Informática Miércoles 27 de junio de 2018 105000013 Programación I 1º 9:00 167 105000352 Programación I 1º 9:00 3203 5 105000105 Programación I 1º 9:00 Bloque 3 aula 3202 24 105000141 Geometría Fractal 8º 9:00 0 105000048

Más detalles

Redes Neuronales Artificiales El Perceptrón

Redes Neuronales Artificiales El Perceptrón 1 Sistemas Expertos e Inteligencia Artificial / Guía IX / Ciclo 01-2018 Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Redes Neuronales Artificiales El

Más detalles

Inteligencia Artificial II

Inteligencia Artificial II Misión del Centro Universitario Somos un centro que forma parte de la Red Universitaria de la Universidad de Guadalajara. Como institución de educación superior pública asumimos el compromiso social de

Más detalles

UNIVERSIDAD MAYOR DE SAN ANDRES FACULTAD DE CIENCIAS PURAS Y NATURALES CARRERA DE INFORMATICA

UNIVERSIDAD MAYOR DE SAN ANDRES FACULTAD DE CIENCIAS PURAS Y NATURALES CARRERA DE INFORMATICA UNIVERSIDAD MAYOR DE SAN ANDRES FACULTAD DE CIENCIAS PURAS Y NATURALES CARRERA DE INFORMATICA PROYECTO DE GRADO SISTEMA DE COTIZACIONES Y REGISTRO DE MATERIALES QUIRURGICOS PARA OPTAR AL TITULO DE LICENCIATURA

Más detalles

Pontificia Universidad Católica del Ecuador

Pontificia Universidad Católica del Ecuador 1. DATOS INFORMATIVOS: MATERIA O MÓDULO: CÓDIGO: CARRERA: NIVEL: INTELIGENCIA ARTIFICIAL II (Aprendizaje Automático) IS-12653 INGENIERIA DE SISTEMAS SEPTIMO No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS

Más detalles

Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria

Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria 3 Sistemas Expertos 3.1 Introducción Desde hace algún tiempo los problemas más recurrentes con los que se enfrenta la industria son la falta de personas capacitadas en campos muy específicos y el elevado

Más detalles

PROYECTO DOCENTE ASIGNATURA "Sistemas multiagente e inteligencia distribuida"

PROYECTO DOCENTE ASIGNATURA Sistemas multiagente e inteligencia distribuida PROYECTO DOCENTE ASIGNATURA "Sistemas multiagente e inteligencia distribuida" DATOS BÁSICOS DE LA ASIGNATURA Titulación: MASTER EN INGENIERIA DE COMPUTADORES Y REDES Asignatura: Sistemas multiagente e

Más detalles

PERFIL PROFESIOGRÁFICO PARA IMPARTIR LAS ASIGNATURAS DE LA LICENCIATURA EN INGENIERÍA EN COMPUTACIÓN (PLAN DE ESTUDIOS 2005)

PERFIL PROFESIOGRÁFICO PARA IMPARTIR LAS ASIGNATURAS DE LA LICENCIATURA EN INGENIERÍA EN COMPUTACIÓN (PLAN DE ESTUDIOS 2005) ASIGNATURAS SEMESTRE LICENCIATURA EN OTROS REQUERIMIENTOS Álgebra (1100) 1 Geometría Analítica (1102) 1 Ingeniería, Matemáticas, Física o carreras cuyo contenido en el área de las Matemáticas sea similar

Más detalles

Métodos de Inteligencia Artificial

Métodos de Inteligencia Artificial Métodos de Inteligencia Artificial L. Enrique Sucar (INAOE) esucar@inaoep.mx ccc.inaoep.mx/esucar Tecnologías de Información UPAEP Agentes que Aprenden Introducción Tipos de aprendizaje Aprendizaje cómo

Más detalles

V https://www.google.com/analytics/resources/white-paper-mit-tr-analytics-machine-learning.html?utm_source=twitter&utm_medium=social-owned&utm_campaign=2016-q4-gbl-all-ga360-suite&utm_content=mit-whitepaper

Más detalles

Universidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE

Universidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE Página 1 de 8 Plan de Estudio Enfasis 0 Bloque Común(no hay énfasis) Nivel Curso Nombre del curso T P L TP Cred. Requisitos y Req. Equivalentes Correquisitos y Correq. Equivalentes 1 CI1010 INTRODUCCIÓN

Más detalles

ALGUNOS COMENTARIOS SOBRE GENERALIZACION EN BACKPROPAGATION

ALGUNOS COMENTARIOS SOBRE GENERALIZACION EN BACKPROPAGATION ALGUNOS COMENTARIOS SOBRE GENERALIZACION EN BACKPROPAGATION En una RN entrenada, si las salidas calculadas por la red con nuevos ejemplos están próimas a los valores deseados, hay generalización (Haykin,

Más detalles

M.C. Mariano Larios G. 3 de diciembre de 2009

M.C. Mariano Larios G. 3 de diciembre de 2009 3 de diciembre de 2009 Tabla de criterios Criterios Porcentajes Exámenes 30 % Participación en clase Tareas 20 % Exposiciones 10 % Simulaciones Trabajos de investigación y/o de intervención Prácticas

Más detalles

SISTEMAS DE INFORMACIÓN III TEORÍA

SISTEMAS DE INFORMACIÓN III TEORÍA CONTENIDO: MANTENIMIENTO DE SISTEMAS TIPOS DE MANTENIMIENTO COSTO DEL MANTENIMIENTO GERENCIANDO EL MANTENIMIENTO LAS HERRAMIENTAS CASE Y EL CICLO DE VIDA LAS HERRAMIENTAS CASE Y SU ROL EN EL MANTENIMIENTO

Más detalles

VICERRECTORADO DE INVESTIGACIÓN INNOVACIÓN Y TRANSFERENCIA DE TECNOLOGÍA

VICERRECTORADO DE INVESTIGACIÓN INNOVACIÓN Y TRANSFERENCIA DE TECNOLOGÍA i VICERRECTORADO DE INVESTIGACIÓN INNOVACIÓN Y TRANSFERENCIA DE TECNOLOGÍA MAESTRÍA EN INGENIERÍA DE SOFTWARE II PROMOCIÓN TESIS DE GRADO MAESTRÍA EN INGENIERÍA DE SOFTWARE TEMA: MODELO NEURONAL PARA LA

Más detalles

Tipos de Aprendizaje

Tipos de Aprendizaje Karina Figueroa Contenido Objetivo: Comprender las nociones básicas de los enfoques representativos de aprendizaje automático Nota del día Aprendizaje y el modelo científico Clasificación de los algoritmos

Más detalles

ESPE UNIVERSIDAD DE LAS FUERZAS ARMADAS INNOVACIÓN PARA LA EXCELENCIA

ESPE UNIVERSIDAD DE LAS FUERZAS ARMADAS INNOVACIÓN PARA LA EXCELENCIA ESPE UNIVERSIDAD DE LAS FUERZAS ARMADAS INNOVACIÓN PARA LA EXCELENCIA IMPLEMENTACIÓN DE UN SISTEMA WEB TRANSACCIONAL Y LOGÍSTICO PARA LA MICROEMPRESA CRÉDITOS KRISMAT, MEDIANTE LA UTILIZACIÓN DE LA PLATAFORMA

Más detalles

UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA INGENIERÍA DE SOFTWARE PROGRAMA DE LA ASIGNATURA INGENIERÍA DE SOFTWARE I

UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA INGENIERÍA DE SOFTWARE PROGRAMA DE LA ASIGNATURA INGENIERÍA DE SOFTWARE I UNIVERSIDAD ABIERTA PARA ADULTOS UAPA CARRERA INGENIERÍA DE SOFTWARE PROGRAMA DE LA ASIGNATURA CLAVE: ISW-234; PRE REQ.: INF321 No. CRED.: 4 I. PRESENTACIÓN: INGENIERÍA DE SOFTWARE I Esta asignatura contiene

Más detalles

INDICE Ciclo de Desarrollo de Sistemas de Información Índice Capítulo I. Desarrollo de Sistemas de Información Capitulo II.

INDICE Ciclo de Desarrollo de Sistemas de Información Índice Capítulo I. Desarrollo de Sistemas de Información Capitulo II. INDICE Ciclo de Desarrollo de Sistemas de Información Índice Capítulo I. Desarrollo de Sistemas de Información 1. El desarrollo de Sistemas de Información 1 2. Cómo es el Ciclo de Desarrollo de los Sistemas

Más detalles

CRONOGRAMA MODALIDAD A DISTANCIA

CRONOGRAMA MODALIDAD A DISTANCIA CRONOGRAMA MODALIDAD A DISTANCIA (BIENIO 2014-2015 / 2015-2016) SEGUIMIENTO CONDENSADO CONTENIDO OBJETO DE DESARROLLO MATERIALES 00 Ejercicio previo de traducción: traducción convencional vs. traducción

Más detalles

EL MÉTODO DE LOS PUNTOS CASO DE USO (UCP)

EL MÉTODO DE LOS PUNTOS CASO DE USO (UCP) EL MÉTODO DE LOS PUNTOS CASO DE USO (UCP) Mª Carmen García y Javier Garzás www.kybeleconsulting.com 1. INTRODUCCIÓN El método de Punto de Caso de Uso (UCP - Use Case Point), está basado en los tradicionales

Más detalles

Minería de datos (Algoritmos evolutivos)

Minería de datos (Algoritmos evolutivos) Minería de datos (Algoritmos evolutivos) M. en C. Sergio Luis Pérez Pérez UAM CUAJIMALPA, MÉXICO, D. F. Trimestre 14-I. Sergio Luis Pérez (UAM CUAJIMALPA) Curso de minería de datos 1 / 23 Extracción de

Más detalles

Sistema de Detección de Intrusos para ataques Cross-Site Scripting

Sistema de Detección de Intrusos para ataques Cross-Site Scripting Sistema de Detección de Intrusos para ataques Cross-Site Scripting García Ramírez Israel & Fonseca Casao Sergio Israel Directores: M. en C. Ramírez Morales Mario Augusto & M. en C. Saucedo Delgado Rafael

Más detalles

CARRERA DE INGENIERIA DE SISTEMAS

CARRERA DE INGENIERIA DE SISTEMAS COMPUTACIÓN GRÁFICA CARRERA DE INGENIERIA DE SISTEMAS Act. Mayo 14 2013 ASIGNATURAS DE ÉNFASIS OFRECIDAS PARA LA CARRERA COMPUTACIÓN GRÁFICA 4189 Introducción a la Computación Gráfica 3 21801 Interacción

Más detalles

Sistemas Basados en Conocimiento

Sistemas Basados en Conocimiento Introduccio n Representacio n Ingenierı a Ontologı as Ontologı a para Vio (INAOE) 1 / 47 Contenido Ingeniería s para Vio- 1 2 3 4 5 Ingeniería 6 s 7 para Vio- (INAOE) 2 / 47 Definición Ingeniería Un sistema

Más detalles

Posibilidades de realización de Prácticas Profesionales Supervisadas. Proyectos del Polo IT La Plata

Posibilidades de realización de Prácticas Profesionales Supervisadas. Proyectos del Polo IT La Plata Posibilidades de realización de Prácticas Profesionales Supervisadas Proyectos del Polo IT La Plata QWERTY SOFT SRL 1 CELERATIVE 2 TENDTEC TENDENCIAS TECNOLOGICAS SRL 3 SNAPPLER 3 TECNOM 4 HEXACTA 5 NAN

Más detalles

LICENCIATURA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN PLAN: 2052 OPCIÓN: Horas Teo.

LICENCIATURA LICENCIATURA EN CIENCIAS DE LA COMPUTACIÓN PLAN: 2052 OPCIÓN: Horas Teo. Hoja : 1 de 7 PROGRAMA: EN CIENCIAS DE LA COMPUTACIÓN PLAN: 2052 Clave Materia Tipo Créditos Horas Teo. Horas Lab. Eje Créditos Req. Materias Requisito 0119 ACTIVIDADES CULTURALES Y DEPORTIVAS OBL 4 0

Más detalles

CRONOGRAMA SEGUIMIENTO A DISTANCIA

CRONOGRAMA SEGUIMIENTO A DISTANCIA CRONOGRAMA SEGUIMIENTO A DISTANCIA (BIENIO - / -2017) MODALIDAD A TIEMPO PARCIAL (DOS AÑOS) MATERIALES 01 Ejercicio previo de traducción: traducción convencional vs. traducción aplicada a las nuevas tecnologías

Más detalles

INGENIERÍA DE SOFTWARE. Sesión 1: Introducción a la ingeniería del software

INGENIERÍA DE SOFTWARE. Sesión 1: Introducción a la ingeniería del software INGENIERÍA DE SOFTWARE Sesión 1: Introducción a la ingeniería del software Contextualización Con el paso de los años, la tecnología ha avanzado y con ella el uso de los dispositivos y el software que utiliza

Más detalles