Presentación del curso
Syllabus
🔔 AVISO: Este documento se incluye aquí a a los efectos informativos. La última versión del mismo siempre se encuentra en Webasignatura en el curso disponible para todos los estudiantes inscriptos.
1. Fundamentos en Ciencias de la Computación
1.1. Datos de la asignatura
| Carrera(s) | Ingeniería en Informática / Ingeniería en Inteligencia Artificial y Ciencias de la Datos |
| Área del conocimiento | Tecnologías de la información y la comunicación |
| Idioma de dictado | Español |
| Coordinador de la asignatura | Ing. José Abadie, MBA |
| Semestre | 1er |
| Tipo de actividad | B |
| Carga horaria | 42 h 40 min (42,7) + 85 async |
| Créditos | 6 |
1.2. Datos del equipo docente
Universidad Católica del Uruguay
Facultad de Ingeniería y Tecnologías
direccioninformática@ucu.edu.uy
| Apellido, Nombre | Correo electrónico |
|---|---|
| Abadie, José | jose.abadie@ucu.edu.uy |
| Caffa, Angel | angel.caffa@ucu.edu.uy |
| Pilas, Rodolfo | rodolfo.pilas@ucu.edu.uy |
| Varela, Pablo | pablo.varela@ucu.edu.uy |
| Viera, Joaquin | joaquin.vieram@ucu.edu.uy |
| Wagner, Federico | federico.wagner@ucu.edu.uy |
1.3. Resumen
Este curso ofrece una visión introductoria de las bases conceptuales, tecnológicas y profesionales de la Ingeniería en Informática y la Ingeniería en Inteligencia Artificial y Ciencias de Datos. A través de una combinación de fundamentos históricos, técnicos y prácticos, el curso busca motivar y orientar al estudiante en su rol como futuro profesional, brindando herramientas básicas de trabajo, una alfabetización tecnológica sólida y un panorama de trayectorias posibles dentro del mundo de la computación.
1.4. Requisitos previos
El plan de estudios 2026 no presenta un sistema de previaturas rígido, sino un camino sugerido de asignaturas que guían y optimizan los aprendizajes.
Para cursar esta asignatura en particular, no se requieren conocimientos previos.
Recomendamos, para un mejor apoyo bibliográfico, que el alumno posea habilidad en lectura técnica en idioma inglés.
1.5. Uso de inteligencia artificial
La incorporación de la inteligencia artificial (IA) en la educación plantea reflexiones éticas que requieren especial atención. Particularmente, es necesario considerar la privacidad de los datos y la promoción de la honestidad académica para garantizar el uso responsable de esta tecnología en contextos universitarios.
- Privacidad de datos: evitar compartir datos de carácter personal, así como extremar los cuidados para no proporcionar datos confidenciales, información de terceros o contenidos protegidos por derechos de autor.
-
Honestidad académica: este principio, vinculado al respeto y la responsabilidad por las ideas emitidas y la propiedad intelectual, es esencial e inapelable. Para evitar el riesgo de plagio y velar por la transparencia en el uso de la información, el uso de IA deberá explicitarse y referenciarse de forma pertinente, según los lineamientos de alguno de los manuales de estilo usuales. A modo de ejemplo y guía:
- The Chicago Manual Style
- Vancouver system
- Harvard – Ways to Integrate AI into your class
Resulta importante subrayar que los modelos de inteligencia artificial no asumen responsabilidad alguna sobre la fiabilidad ni la exactitud del contenido que generan. Garantizar la veracidad de la información es responsabilidad exclusiva de quien la utiliza.
El principal responsable del propio aprendizaje es el estudiante. El uso abusivo de agentes de IA puede tener un impacto negativo en dicho proceso, por lo que se recomienda emplearlos con moderación y únicamente como herramientas de apoyo, sin sustituir lo fundamental: el razonamiento, la autonomía intelectual y el desarrollo del pensamiento crítico.
En las instancias de evaluación individual se reiterará oportunamente que el uso de estas herramientas está estrictamente prohibido. Su utilización en dichas instancias constituye una falta grave de plagio, conforme a lo establecido en el Reglamento de Estudiantes.
1.6. Uso de celulares y computadora en clase
El uso de celulares y computadoras en clase por fuera de los usos académicos afecta la concentración, las dinámicas de clase y no contribuye al respeto por el espacio de aprendizaje compartido. Su uso debe restringirse estrictamente para fines académicos, o en casos excepcionales y debidamente fundados.
2. Tiempo estimado de trabajo del estudiante
| Actividad | Nro. horas | % |
|---|---|---|
| Actividades síncronas presenciales | ||
| Clases teóricas | 26 | 20% |
| Resolución de ejercicios, problemas y seminarios | 18 | 14% |
| Laboratorios / prácticos / desafíos | 6 | 5% |
| Evaluaciones en clase | 6 | 5% |
| Actividades asíncronas | ||
| Trabajo autónomo del estudiante | 24 | 19% |
| Preparación de actividades prácticas entregables | 24 | 19% |
| Estudio semanal y preparación de evaluaciones | 1.5 (x16) | 19% |
| Carga total de horas de trabajo | 128 | 100% |
3. Métodos de evaluación y calificación final
3.1. Métodos de evaluación
Los métodos de evaluación, alineados a los contenidos y competencias que el curso busca evaluar su desarrollo, están compuestos por:
| Concepto | % de la calificación final |
|---|---|
| Parcial 1 | 20% |
| Parcial 2 | 20% |
| Final | 35% |
| Controles de lectura / Pruebas cortas | 10% |
| Laboratorios / Prácticos | 15% |
| Total | 100% |
Los controles de lectura serán teóricos y/o prácticos, de desarrollo, y serán sin material soporte.
Los proyectos, informes, reportes, tareas de desempeño o similares serán individuales y/o en equipos, y tendrán al menos una semana para realizarlo. Pueden requerir presentación en clase o una defensa individual de la entrega.
La nota final será asignada considerando el proceder en las evaluaciones, aunque hay otros factores que son evaluados al asignar el puntaje final, principalmente la impresión de los docentes. Por ejemplo: un control de lectura pobre al principio del curso con una mejoría notoria en los subsecuentes controles de lectura y demás instancias puede ser evaluado de mejor manera que la situación inversa.
3.2. Calificación final
El curso se aprueba cuando el estudiante cumple con el 75% de asistencias y obtiene una calificación final de B, BMB, MB o STE por el cumplimiento satisfactorio de las actividades objeto de evaluación propuestas en el programa del curso.
A continuación, se presentan los umbrales de desempeño cualitativo adoptados para el curso:
| Calificación cualitativa | Rango (%) |
|---|---|
| Deficiente | 0 – 49% |
| Regular | 50 – 64% |
| Bueno (umbral de aprobación) | 65 – 74% |
| Bueno Muy Bueno | 75 – 84% |
| Muy Bueno | 85 – 94% |
| Sobresaliente | 95 – 100% |
El sistema establece 65% como calificación mínima de aprobación. El sistema incorpora además una política de requisito mínimo del 40% en el Final, y una política de sustitución como mecanismo de incentivo positivo que premie la trayectoria de aprendizaje ascendente.
La política de sustitución opera de la siguiente manera: si el desempeño del estudiante en el Final supera su desempeño en uno o ambos parciales de medio término por un margen significativo (≥10 puntos porcentuales), el sistema reemplaza automáticamente la calificación del parcial de medio término más bajo con una versión ajustada del puntaje del final (específicamente, Final - 10 puntos)).
El curso no se aprueba cuando no se cumple con el 75% de asistencias o no se han obtenido los resultados formativos esperados, lo cual se expresa en una calificación de R o D. En estos casos se debe recursar.
4. Honestidad académica
Usted se ha unido a una comunidad académica en la Universidad Católica del Uruguay. Al unirse a tal comunidad ha, de forma inherente, asumido sus valores. Entre esos valores hay un compromiso de honestidad con usted mismo, sus pares y sus docentes. Más información sobre este tema puede encontrarse en el Reglamento del Estudiante de la Universidad Católica del Uruguay.