Guia docente
DATOS IDENTIFICATIVOS							2022_23
Asignatura	ESTRUCTURAS DE DATOS					Código	00717009
Enseñanza	0717 - GRADO INGENIERÍA DATOS INTELIGENCIA ARTIFICIAL
Descriptores	Cr.totales	Tipo	Curso	Semestre
	6	Formación básica	Primer	Segundo
Idioma	Castellano
Prerrequisitos
Departamento	ING.MECANICA,INFORMAT.AEROESP.
Responsable	CUERVO FERNÁNDEZ , EVA MARÍA				Correo-e	emcuef@unileon.es jmalip@unileon.es
Profesores/as	ALIJA PÉREZ , JOSÉ MANUEL CUERVO FERNÁNDEZ , EVA MARÍA
Web	http://agora.unileon.es
Descripción general	Trata de familiarizar al alumno con los distintos tipos de estructuras de datos y con las técnicas de gestión de las mismas. Se hace énfasis en el análisis de las características de la información que justifican la elección de un tipo de estructura que faciliten las operaciones que se deberán realizar con esa información.
Tribunales de Revisión	Tribunal titular Cargo Departamento Profesor Presidente ING.MECANICA,INFORMAT.AEROESP. FERNANDEZ DIAZ , RAMON ANGEL Secretario ING.MECANICA,INFORMAT.AEROESP. PEREZ GARCIA , HILDE Vocal CONDE GONZALEZ , MIGUEL ANGEL Tribunal suplente Cargo Departamento Profesor Presidente ING.MECANICA,INFORMAT.AEROESP. PANIZO ALONSO , LUIS Secretario FERNANDEZ ROBLES , LAURA Vocal ING.MECANICA,INFORMAT.AEROESP. RODRIGUEZ LERA , FRANCISCO JAVIER

Competencias

Código
A18986	717CE6 Conocimiento y aplicación de los fundamentos de programación, utilizando los lenguajes más relevantes en el ámbito de la ingeniería de datos y la inteligencia artificial.
A18987	717CE7 Conocimiento, diseño y utilización de forma eficiente de los tipos y estructuras de datos más adecuados a la resolución de un problema.
B5800	0717CG1 Conocimiento de materias básicas científicas y técnicas que capaciten para el aprendizaje de nuevos métodos y tecnologías, así como que le dote de una gran versatilidad para adaptarse a nuevas situaciones.
B5803	0717CG4 Capacidad para saber comunicar y transmitir conocimientos, habilidades y destrezas, comprendiendo la responsabilidad ética, social y profesional de la actividad del tratamiento de datos y de la inteligencia artificial.
B5806	0717CT1 Capacidad para el análisis, síntesis, resolución de problemas y la toma de decisiones.
B5809	0717CT4 Capacidad para el aprendizaje autónomo e individual en cualquier campo de la ingeniería en el ámbito de la Ingeniería de datos y la inteligencia artificial.
C2	CMECES2 Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
C5	CMECES5 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Resultados de aprendizaje

Resultados	Competencias
Conoce, diseña y utiliza de forma eficiente los tipos y estructuras de datos más adecuados a la resolución de un problema	A18986 A18987
Conoce los principios básicos de programación para escribir código que implemente y/o utilice estructuras de datos.	A18986	B5800 B5803 B5806 B5809	C2 C5

Contenidos

Bloque	Tema
Bloque I: ESTRUCTURAS DE DATOS BÁSICAS	Tema 1: FUNDAMENTOS DE PROGRAMACIÓN ORIENTADA A OBJETOS Conceptos básicos de Orientación a Objetos. Tipos primitivos y objetos. Tema 2: TIPOS ABSTRACTOS DE DATOS E INTERFACES Tema 3: INTRODUCCIÓN AL ANÁLISIS DE ALGORITMOS Tema 4: PILAS Tema 5: COLAS Tema 6: LISTAS Tema 7: RECURSIVIDAD Tema 8: ORDENACIÓN Y BÚSQUEDA
Bloque II .- ESTRUCTURAS DE DATOS AVANZADAS	Tema 1: ÁRBOLES Tema 2: GRAFOS Tema 3: TABLAS HASH

Planificación

Metodologías  ::  Pruebas
	Horas en clase	Horas fuera de clase	Horas totales
Sesión Magistral	28	28	56
Prácticas en laboratorios	22	54	76
Tutorías	2	0	2
Pruebas mixtas	6	6	12
Pruebas prácticas	2	0	2
Pruebas de desarrollo	1	1	2
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologí­as

Metodologías   ::  

	descripción
Sesión Magistral	Exposición de conceptos básicos y presentación de soluciones a ejercicios típicos de cada tema.
Prácticas en laboratorios	Clases prácticas en las que el profesor plantea problemas y el alumno los resuelve apoyándose en los conceptos introducidos en las sesiones magistrales y en el consejo del profesor. Estos ejercicios deben ser entregados para ser evaluados.
Tutorías	Atención a dificultades puntuales a los temas explicados y los problemas propuestos

Tutorías

Tutorías

descripción Las tutorias personalizadas serviran al alumno para solucionar dudas concretas sobre los conceptos teóricos o sobre algunos de los ejercicios propuestos. Se realizaran por correo electrónico o de forma presencial en el despacho del profesorado o en el aula de ordenadores.

Evaluación

	descripción	calificación
Pruebas mixtas	Cuestionarios o exámenes parciales que se realizarán a lo largo del semestre. Podrán ser cuestionarios de tipo test, o de preguntas cortas o peticiones de pequeños fragmentos de código. (Se necesita al menos un 4 sobre 10 en cada uno de ellos para poder aprobar la asignatura)	50
Pruebas prácticas	Se propondrán varios ejercicios prácticos que se deberán entregar de forma obligatoria en la fecha establecida. Las prácticas que se presenten con retraso se penalizarán en la puntuación: - Hasta una semana: un punto menos (sobre 10) - Entre una y dos semanas: tres puntos menos (sobre 10) - Las entregas pasadas dos semanas del plazo tendrán una calificación máxima de 5 (sobre 10) Cada una de las prácticas deben tener una nota mínima de 4 para poder aprobar. El profesor puede convocar a los alumnos a realizar un examen práctico sobre las prácticas realizadas si lo considera oportuno.	40 Se sumará esta nota cuando se haya obtenido una nota mínima de 4 en cada una de las pruebas mixtas
Pruebas de desarrollo	Trabajos adicionales que proponga el profesor a lo largo del semestre, como por ejemplo, informes de lecturas propuestas, desarrollo de nuevos tipos abstractos de datos, etc. Si no se propusiera ningún trabajo adicional este 5% se añadiría las pruebas mixtas quedando estas con un porcentaje de 55%.	5
Otros	Valoracion personal en funcion de la asistencia y participacion del alumno	5
Otros comentarios y segunda convocatoria
<p>En el caso de no realizar pruebas de desarrollo, ese 5% se sumará a las pruebas mixtas que pasarían a valer el 55% de la calificación final de la asignatura.</p><div>En la segunda convocatoria se podrá recuperar la parte pendiente de las pruebas mixtas y de las pruebas practicas. Las condiciones serán las mismas que en la primera convocatoria. Habrá dos exámenes parciales en los que se debe obtener al menos un 4 en cada uno de ellos (se conserva la nota de los parciales y prácticas superados en la primera convocatoria). Se deben entregar todas las prácticas propuestas, obteniendo al menos un 4 en cada una de ellas.&nbsp;El profesor puede convocar a los alumnos a realizar un examen práctico sobre las prácticas realizadas si lo considera oportuno.</div><div><br /></div>

Fuentes de información

Acceso a la Lista de lecturas de la asignatura

Básica	, , , Mark Allen Weiss, Estructuras de datos en Java, Pearson. Addison Wesley, 2013 yang hu, Fácil Aprendizaje Estructuras De Datos y Algoritmos Python 3, , 2021 John Lewis y Joseph Chase, Java Software Structures. Designing and Using Data Structures, Pearson. Addison Wesley, 2014
Complementaria	Bruno R. Preiss, Data Structures and Algorithms with Object-Oriented design patterns in Java, John Willey &Sons, 2000 Bruce Eckel, Piensa en JAVA, Pearson. Prentice Hall, 2007

Recomendaciones

Asignaturas que se recomienda haber cursado previamente

PROGRAMACIÓN / 00717005