1
CARRERA
Ciencia de la Computación
CURSO
Introducción a Ciencia de
Computación
CRÉDITOS
2
Fecha de actualización: 09 / 04 / 2021 2
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
ÍNDICE
1. Asignatura 4
2. Datos generales 4
3. Profesores 4
3.1 Profesor coordinador del curso 4
3.2 Profesor(es) instructor(es) del curso 4
4. Introducción al curso 4
5. Objetivos 5
6. Competencias 5
7. Resultados de aprendizaje 6
8. Temas 6
9. Plan de trabajo 7
9.1 Metodología 7
9.2 Sesiones de teoría 7
9.3 Sesiones de práctica (laboratorio o taller) 7
10. Sistema de evaluación
8
11. Sesiones de apoyo o tutorías 8
12. Referencias bibliográficas 9
Fecha de actualización: 09 / 04 / 2021 3
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
UNIVERSIDAD DE INGENIERÍA Y TECNOLOGÍA
SILABO 2021-1
1. ASIGNATURA
CS1000 - Introducción a Ciencia de la Computación
2. DATOS GENERALES
2.1 Ciclo: 1°
2.2 Créditos: dos (2) créditos
2.3 Horas de teoría: dos (2) semanales
2.4 Horas de práctica: ninguna
2.5 Duración del período: dieciséis (16) semanas
2.6 Condición:
- Obligatorio para Ciencia de la Computación
2.7 Modalidad: Virtual
2.8 Requisitos:
- Ninguno
3. PROFESORES
3.1 Profesor coordinador del curso
Pedro Shiguihara Juarez (pshiguihara@[Link])
Horario de Asesorías: previa coordinación con el profesor.
3.2 Profesor(es) instructor(es) del curso
Pedro Shiguihara Juarez (pshiguihara@[Link])
Horario de Asesorías: previa coordinación con el profesor.
4. INTRODUCCIÓN AL CURSO
El curso está diseñado para que los estudiantes inicien sus conocimientos en las
ciencias de la computación, así como revisar sus aplicaciones en muchos campos de
Fecha de actualización: 09 / 04 / 2021 4
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
nuestra sociedad como en la medicina, la biología, la minería, la industria, las ciencias
sociales, la psicología, entre otras y como ha permitido desarrollar avances en todos
los campos donde está presente, al resolver diversos problemas que se presentan
utilizando las herramientas informáticas disponibles.
Los temas principales que se revisarán en este curso son: Computer Science en la
industria, Herramientas, Hardware, Sistemas Operativos, Ingeniería de Software,
Estructura de datos, Base de Datos, Procesamiento de Lenguaje Natural, Visión
computacional, Inteligencia Artificial, procesamiento paralelo, Big Data y Data
Science.
5. OBJETIVOS
Sesión 1: Comprender el impacto de las ciencias de la computación en los avances
tecnológicos y los beneficios que el desarrollo de esta ciencia ha traído.
Sesiones 2 y 3: Comprender el concepto de Hardware, sistemas numéricos y sistemas
operativos, así como sus diversos tipos y aplicaciones.
Sesión 4: Comprender el campo de la ingeniería de software, arquitecturas y
aplicaciones.
Sesión 5: Describir las estructuras de datos más utilizadas para sistemas de
recomendación y Geolocalización, así como la gestión de datos no estructurados y la
notación Lambda.
Sesiones 6 y 7: Comprender el concepto de bases de datos y sus diversas aplicaciones,
así como las empresas que utilizan los diversos gestores de base de datos.
Sesión 8: Evaluar los conocimientos adquiridos en las sesiones 1 a 7.
Sesión 9: Comprender los conceptos de computación gráfica, así como el desarrollo de
videojuegos y sus motores.
Sesión 10: Comprender las diversas herramientas para la visualización de datos,
dimensionalidad y procesamiento de palabras.
Sesiones 11 y 12: Comprender las herramientas más importantes para el
procesamiento del lenguaje natural.
Sesión 13 y 14: Comprender los conceptos de visión computacional y sus aplicaciones
en la actualidad como biometría, conducción automática, entre otros.
Sesión 15: Comprender los conceptos de Inteligencia Artificial, procesamiento
paralelo, Big Data y Data Science y sus aplicaciones en la actualidad.
Sesión 16: Evaluar los conocimientos adquiridos en las sesiones 9 a 15.
Fecha de actualización: 09 / 04 / 2021 5
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
6. COMPETENCIAS Y CRITERIOS DE DESEMPEÑO
Los criterios de desempeño que se van a trabajar en este curso son:
2.1. (nivel 1): Identifica problemas complejos de computación y otras disciplinas
relevantes en el dominio.
3.1. (nivel 1): Diseña y evalúa sistemas, componentes o procesos que satisfacen las
necesidades específicas.
7.2. (nivel 1): Analiza y valora el impacto local y global de la computación sobre las
personas, las organizaciones y la sociedad.
9.1. (nivel 1): Reconoce la necesidad del aprendizaje autónomo.
7. RESULTADOS DE APRENDIZAJE
Al finalizar el curso de Introducción a Ciencia de la Computación, se espera que el
estudiante sea capaz de:
RA1. Identificar la importancia de la computación en otras disciplinas.
RA2. Identificar los componentes y procesos principales en la creación de soluciones
computacionales.
RA3 Identificar problemas reales y asocia sus soluciones a través de técnicas de
Computación comprendiendo su impacto en diferentes escalas.
RA4. Explicar la diversidad de técnicas y procesos dentro de Ciencia de la
Computación, su evolución cambiante a lo largo del tiempo y sus aplicaciones.
8. TEMAS
1. Introducción a Computer Science
1.1. Computer Science en la industria
1.2. Empresas tecnológicas globales
Fecha de actualización: 09 / 04 / 2021 6
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
1.3. Ventajas de Computer Science
2. Hardware y Sistemas Numéricos
2.1. Compuertas lógicas
2.2. Hardware e internet de las cosas
2.3. Descripción de sistemas numéricos
2.4. Operaciones lógicas
2.5. Servidores
2.5.1. Ubicación de servidores de las empresas tecnológicas
globales
2.5.2. Empresas globales que utilizan servidores distribuidos
3. Sistemas Operativos
3.1. Clasificación de sistemas operativos
3.2. Sistemas operativos en la nube
3.3. Acceso a Khipu
4. Ingeniería de Software
4.1. Arquitectura de software
4.2. Versionamiento Git
5. Estructura de datos y notación Lambda
5.1. Estructuras de datos lineales
5.2. Sistemas de recomendación
5.2.1. Arboles B+
5.2.2. Binary search tree
5.3. Geolocalización
5.3.1. R-Trees
5.3.2. Splay Tree
5.4. NoSQL
5.4.1. MapReduce
5.4.2. HashMaps
5.5. Notación Lambda
6. Base de datos I
6.1. Gestores de base de datos
6.2. Lenguaje SQL
7. Base de Datos II
Fecha de actualización: 09 / 04 / 2021 7
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
7.1. NoSQL
7.2. Aplicaciones Big Data
7.3. Aplicaciones Blockchain
8. Computación Gráfica
8.1. Gráficos primitivos
8.2. Motores de videojuegos
8.3. Simulaciones
9. Visualización de datos
9.1. Dashboards
9.2. Tratamiento de alta dimensionalidad
9.3. Gráficos y procesamiento de palabras
10. Procesamiento de Lenguaje Natural I
10.1. Procesamiento de textos
10.2. Clasificación de textos
10.3. Aplicaciones de procesamiento de lenguaje natural
11. Procesamiento de Lenguaje Natural II
11.1. Integración de Chatbots a redes sociales
11.2. Análisis de sentimientos
12. Visión computacional I
12.1. Procesamiento digital de imágenes
12.2. Reconocimiento biométrico
12.3. Buscador de Imágenes y audio por contenido.
13. Visión computacional II
13.1. Aplicaciones de visión computacional en la industria
13.2. Deep learning
14. Inteligencia Artificial, procesamiento paralelo, Big Data y Data Science
14.1. Campos de la inteligencia artificial
14.2. Interacción Humano- IA
14.3. Analítica de datos
14.4. Procesamiento de datos masivos
14.5. Procesamiento paralelo
14.6. Data Science
Fecha de actualización: 09 / 04 / 2021 8
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
9. PLAN DE TRABAJO
9.1 Metodología
Este curso presenta por metodología activa el aprendizaje basado en caso y el
aprendizaje por proyectos, ambos aumentan el interés del estudiante y promueven su
compromiso en el aprendizaje.
9.2 Sesiones de teoría
Las sesiones teóricas serán desarrolladas bajo la estructura de clase magistral. El
desarrollo de las sesiones teóricas está focalizado en el estudiante, a través de su
participación activa, fomentando las preguntas de tipos abiertas y cerradas,
resolviendo problemas relacionados al curso con los aportes individuales y discutiendo
casos reales de la industria. La presentación de propuestas reales utilizadas en
proyectos acompaña en las sesiones para relacionar los conceptos.
El proyecto a desarrollar será planteado durante las primeras semanas de clase. En el
desarrollo grupal, los alumnos trabajarán en forma coordinada y cada uno tendrá
cierta responsabilidad en el equipo.
9.3 Sesiones de práctica (laboratorio)
Las sesiones prácticas/laboratorio se desarrollarán a través de una metodología activa
generando el aprendizaje práctico por parte del estudiante. En cada sesión de
laboratorio se buscará la participación de los estudiantes a través de preguntas y
elaboración de soluciones a problemas en clase.
[Link] DE EVALUACIÓN
Las prácticas escritas se realizarán de forma virtual, donde se propondrán
casos aplicativos de diferentes escenarios. Los alumnos resolverán los casos
utilizando las técnicas aprendidas en clase. La nota final depende de cuatro
rubros:
Teoría Laboratorio
Fecha de actualización: 09 / 04 / 2021 9
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
Evaluación Evaluación Continua C1 (5%) Practica Calificada PC1 (20 %)
Examen E1 (25%) Práctica Calificada PC2 (20%)
(La ponderación de Examen E2 (30%)
la evaluación se
hará si ambas
partes están
60% 40%
aprobadas)
100%
Las rúbricas que permitirán medir las actividades más significativas del curso y que,
además, se relacionan con la evaluación de las competencias del estudiante son:
PC1:
[Link]
haring
PC2:
[Link]
p=sharing
[Link] BIBLIOGRÁFICAS
1. Brookshear, J. G., Smith, D., & Brylow, D. (2012). Computer Science: An Overview.
2. Guttag, J. (2016). Introduction to computation and programming using Python:
with application to understanding data. MIT Press.
3. Stephenson, B. (2016). The Python Workbook. SPRINGER INTERNATIONAL PU.
4. Ferreira Filho, W. (2017). Computer Science Distilled: Learn the Art of Solving
Computational.
5. Kelleher, J. D., & Tierney, B. (2018). Data science. MIT Press.
Fecha de actualización: 09 / 04 / 2021 10
Revisado y aprobado por el Centro de Excelencia en Enseñanza y Aprendizaje
y la Dirección de Ciencia de la Computación
