- CG 7. TG 1. Proponer soluciones a los problemas planteados relativos a la gestión de proyectos fundamentados en los conocimientos adquiridos
- CG 12. TG 1. Valorar la utilidad de los resultados obtenidos, así como proponer las modificaciones precisas si ésta no fuese suficiente.
- CG 17. Aplicar las técnicas aprendidas de gestión de procesos a problemas procedentes de diferentes contextos

- CE 6. TG 1. Construir el modelo algorítmico y de estructuras de datos más adecuado al problema planteado
- CE 9. TG 1. Valorar la calidad del modelo propuesto mediante técnicas de programación y proponer modificaciones si fuese preciso
- CE 13. TG 1. Resolver problemas y utilizar la simulación como herramienta para la obtención de soluciones heurísticas

20%
Clases presenciales en el aula. Si las condiciones sanitarias no lo permitiesen, entonces se emplearían medios síncronos como videoconferencias.

20%
Clases prsenciales en el aula. Si las condiciones sanitarias no lo permitiesen, entonces se emplearían medios síncronos como videoconferencias.

50%
Clases presenciales en el laboratorio de informática. Si las condiciones sanitarias no lo permitiesen, entonces se emplearían medios síncronos como videoconferencias.

10%
Exposición de trabajos desarrollados por los estudiantes ante el grupo de clase. Si las condiciones sanitarias no lo permitiesen, entonces se emplearían medios síncronos como videoconferencias.

100%

2,4

3,6

Es altamente recomendable tener aprobadas y dominar Programación I y Programación II.

El objetivo general de la asignatura es doble: 1) Ser capaz de analizar, comprender y resolver una amplia variedad de problemas computacionales, diseñando e implementando soluciones eficientes y de calidad, como resultado de la aplicación de un proceso metódico.  De este objetivo general se pueden extraer los siguientes objetivos específicos:

• Conocer y utilizar las técnicas de análisis de eficiencia, tomando conciencia de la importancia del factor eficiencia.
• Conocer y saber aplicar una amplia variedad de técnicas de diseño de algoritmos y técnicas de representación de datos.
• Saber afrontar la resolución de problemas nuevos, utilizando las técnicas estudiadas como herramientas flexibles para diseñar soluciones eficientes.

2) Aplicar las técnicas mencionadas a distintos problemas de análisais de datos y ciencia de los datos.

- Repaso de programación básica: tipos de datos básicos y estructuras elementales; instrucciones básicas y estructuradas; funciones; recursividad
- Técnicas de diseño de algoritmos: Divide y vencerás, programación dinámica, búsqueda con retroceso y algoritmos probabilistas
- Fundamentos: Estructuras de datos y análisis de algoritmos
- Principales estructuras de datos: secuenciales, arbóreas y grafos
- Visión panorámica de la aplicación de las técnicas mencionadas a distintos problemas de análisais de datos y ciencia de los datos.

La evaluación se realizará mediante dos vías posibles: la evaluación continua y la prueba final. La evaluación continua se llevará a cabo a través de las siguientes actividades:
- Pruebas objetivas, centradas en distintas partes de la asignatura, consistentes en resolución de ejercicios y problemas (75%). Será necesario obtener un mínimo de un 3.0 en estas pruebas para poder superar la asignatura mediante la evaluación continua. De lo contrario, la calificación obtenida mediante la evaluación continua se truncará a un 4.0 (suspenso), en caso de ser superior.
- Realización y defensa de prácticas de laboratorio, consistentes en programas informáticos propuestos por el profesor (15%)
- Participación del estudiante en el aula, en las actividades formativas propuestas por el profesor y en las tutorías (10%)
Adicionalmente, se ofrecerá un examen final. Para el alumno que se presente a esta prueba, la nota final se calculará como el máximo entre:
a) La calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final, siendo el peso de la evaluación continua de un 50%.
De este modo, cualquier alumno tiene la opción de superar la asignatura mediante la evaluación continua, y también, cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Python:
* Tutorial oficial de Python, http://docs.python.org.ar/tutorial/
* R. González Duque. Python para todos (http://mundogeek.net/tutorial-python/)
Algoritmos y estructuras de datos:
* B. N. Miller y D. L. Ranum: Problem solving with Algorithms and Data Structures using Python, 2013.
* A.V. Aho, J.E. Hopcroft y J.D. Ullman: Estructuras de datos y algoritmos. Ed. Addison Wesley iberoamericana, 1988.
BIBLIOGRAFÍA COMPLEMENTARIA:
* A.Marzal, I.García, P. García. Introducción a la Programación con Python 3. 2014. Accesible en Internet.
* J. Guttag. Introduction to Computation and Programming Using Python.MIT Press, 2013
* Lee, R., Tseng, S.,Chang, R. y Tesai, Y. Introducción al diseño y análisis de algoritmos. Un enfoque estratégico. McGraw-Hill, 2007
* J. Grus, Data Science from Scratch. Accesible en Internet.

En esta asignatura se usarán los conceptos de programación fundamentales estudiados en primero, cuyo dominio es totalmente necesario, y se estudiará también su puesta en juego en Python, además de estudiar los conceptos mencionados en el apartado de “contenido”, propios de esta asignatura.

Los materiales docentes se proporcionarán principalmente en el Campus Virtual a medida que vayan a entrar en juego, y consistirán en documentación escrita, hojas de problemas, prácticas, juegos de datos, código, etc.
Una de las tareas relevantes de la asignatura es el desarrollo de pequeños proyectos, más el de un proyecto de mayor envergadura junto con su presentación y defensa ante los compañeros del grupo.