Programación Didáctica Programación de Inteligencia Artificial 2023-24

I.E.S.
Doctor Fleming
Oviedo
Principado de Asturias
CURSO 2023-24
DEPARTAMENTO DE FAMILIA PROFESIONAL:
INFORMÁTICA Y COMUNICACIONES
TÍTULO:
CERTIFICADO EN INTELIGENCIA ARTIFICIAL Y BIG

DATA
CICLO FORMATIVO:
P-5.5.4-INTELIGENCIA ARTIFICIAL Y BIG DATA

MODULO FORMATIVO:
5073-PROGRAMACIÓN DE INTELIGENCIA
ARTIFICIAL
ÍNDICE
1. INTRODUCCIÓN.................................................................................................................................4
1.1. PRINCIPIOS Y FINES DE ESTA PROGRAMACIÓN DIDÁCTICA................................................4
1.2. IDENTIFICACIÓN DEL TÍTULO Y MÓDULO. CONTEXTO PROFESIONAL Y NORMATIVO.........4
1.2.1. IDENTIFICACIÓN DEL TÍTULO Y MÓDULO.................................................................4
1.2.2. CONTEXTO PROFESIONAL Y NORMATIVO................................................................4
1.3. CONTEXTO SOCIOEDUCATIVO. TIPOLOGÍA DEL ALUMNADO, FAMILIAS, PROFESORADO Y
CENTRO............................................................................................................................5
1.3.1. TIPOLOGÍA DEL CENTRO..........................................................................................5
1.3.2. ALUMNADO Y FAMILIAS..........................................................................................5
1.3.3. CENTRO...................................................................................................................5
1.3.4. PROFESORADO........................................................................................................5
1.4. VINCULACIÓN DE LA PROGRAMACIÓN CON LA PGA DEL CURSO PARA EL QUE SE
PROGRAMA Y MEMORIA DE LA MATERIA DEL CURSO ACADÉMICO ANTERIOR..................5
1.4.1. VINCULACIÓN DE LA PROGRAMACIÓN CON LA PGA DEL CURSO PARA EL QUE SE
PROGRAMA............................................................................................................5
1.4.2. MEMORIA DE LA MATERIA DEL CURSO ACADÉMICO ANTERIOR...............................6
2. CONCRECIÓN DEL CURRÍCULO EN RELACIÓN CON SU ADECUACIÓN A LAS CARACTERÍSTICAS DEL
ÁMBITO PRODUCTIVO................................................................................................................6
3. OBJETIVOS..................................................................................................................................7
3.1. OBJETIVO DE LA FORMACIÓN PROFESIONAL..................................................................7
3.2. OBJETIVOS GENERALES DEL CURSO................................................................................7
3.3. CONTRIBUCIÓN DEL CURSO A LA CONSECUCIÓN DE LOS OBJETIVOS GENERALES DEL
CENTRO.....................................................................................................................
...........................................................................................................................8
3.4 RESULTADOS DE APRENDIZAJE......................................................................................8
4 COMPETENCIAS......................................................................................................................9
4.1 COMPETENCIA GENERAL...............................................................................................9
4.2 COMPETENCIAS PROFESIONALES, PERSONALES Y SOCIALES............................................9
4.4. RELACIÓN DE CUALIFICACIONES Y UNIDADES DE COMPETENCIA DEL CATÁLOGO
NACIONAL DE CUALIFICACIONES PROFESIONALES....................................................10
4.5. ELEMENTOS TRANSVERSALES......................................................................................11
5. CONTENIDOS Y CRITERIOS........................................................................................................12
5.1. CRITERIOS DE SECUENCIACIÓN DEL CURRÍCULO..............................................................12
5.2. RELACIÓN SECUENCIADA DE UNIDADES DE TRABAJO......................................................12
5.3. SECUENCIA DE CONTENIDOS...........................................................................................25
6. EDUCACIÓN EN VALORES..........................................................................................................26
7. METODOLOGÍA.........................................................................................................................26
7.1. PRINCIPIOS PEDAGÓGICOS GENERALES...........................................................................26
Página - 2
7.2. PRINCIPIOS METODOLÓGICOS ESPECÍFICOS PARA EL MÓDULO.......................................27
7.3. ASPECTOS ORGANIZATIVOS............................................................................................28
7.3.1. AGRUPAMIENTOS.................................................................................................28
7.3.2. TIEMPOS...............................................................................................................28
7.3.3. ESPACIOS..............................................................................................................28
7.4. MATERIALES Y RECURSOS...............................................................................................28
8. EVALUACIÓN, CALIFICACIÓN Y CONTENIDOS MÍNIMOS EXIGIBLES PARA SUPERAR EL MÓDULO
29
8.1. CONSIDERACIONES GENERALES......................................................................................29
8.2. EVALUACIÓN INICIAL......................................................................................................29
8.3. CRITERIOS DE EVALUACIÓN Y SU CONCRECIÓN...............................................................30
8.4. TÉCNICAS, PROCEDIMIENTOS E INSTRUMENTOS DE EVALUACIÓN...................................30
8.4.1. TÉCNICAS DE EVALUACIÓN....................................................................................30
8.4.2. PROCEDIMIENTOS DE EVALUACIÓN.......................................................................30
8.4.3. INSTRUMENTOS DE EVALUACIÓN..........................................................................31
8.5. CRITERIOS DE CALIFICACIÓN...........................................................................................31
8.5.1. CONSIDERACIONES GENERALES.............................................................................31
8.5.2. EVALUACIONES INTERMEDIAS...............................................................................31
8.5.3. EVALUACIÓN FINAL ORDINARIA............................................................................32
8.5.4. ALUMNOS CON EL MÓDULO PENDIENTE TRAS LA EVALUACIÓN ORDINARIA:
ACTIVIDADES Y PROCEDIMIENTOS DE RECUPERACIÓN DEL MÓDULO...............32
8.5.5. EVALUACIÓN EXTRAORDINARIA............................................................................32
8.6 ALUMNADO QUE NO PUEDE ASISTIR A CLASE POR MOTIVOS DE SALUD O AISLAMIENTO
32
8.7 MÍNIMOS EXIGIBLES PARA SUPERAR EL MÓDULO.........................................................33
9. ATENCIÓN A LA DIVERSIDAD.....................................................................................................34
10. ACTIVIDADES EXTRAESCOLARES Y COMPLEMENTARIAS............................................................35
11. EVALUACIÓN DE LA PRÁCTICA DOCENTE E INDICADORES DE LOGRO.........................................35
11.1. EVALUACIÓN DE LA PRÁCTICA DOCENTE.........................................................................35
11.2. INDICADORES DE LOGRO.................................................................................................36
12. BIBLIOGRAFÍA Y NORMATIVA...................................................................................................38
12.1. BIBLIOGRAFÍA.................................................................................................................38
12.2. NORMATIVA...................................................................................................................38
Página - 3
1. Introducción
1.1. Principios y fines de esta programación didáctica
La programación didáctica que se desarrolla a partir de estas líneas pretende facilitar la tarea de
enseñanza-aprendizaje detallando el que, como y cuando enseñar y evaluar de acuerdo con los
principios de adecuación a la realidad contextual, participación, integración del currículo,
innovación y apuesta por la experiencia y lo procedimental, conocimiento de la misma por parte de
la comunidad educativa y evaluación de la misma de cara a su mejora.
1.2. Identificación del título y módulo. Contexto profesional y normativo
1.2.1. Identificación del título y módulo
El curso de especialización de Inteligencia Artificial y Big Data queda identificado para todo el
territorio nacional por los siguientes elementos:
 Denominación: Inteligencia Artificial y Big Data.
 Nivel: Formación Profesional de Grado Superior.
 Duración: 600 horas.
 Familia Profesional: Informática y Comunicaciones. (Únicamente a efectos de clasificación de

las enseñanzas de formación profesional)
 Ramas de conocimiento: Ciencias. Ingeniería y Arquitectura.
 Equivalencia en créditos ECTS: 36.
 Referente en la Clasificación Internacional Normalizada de la Educación: P-5.5.4.
Programación de Inteligencia Artificial (código 5073) es un módulo que se imparte en el curso de

especialización en Inteligencia Artificial y Big Data. Recorre todos los conceptos necesarios para la
programación de aplicaciones de inteligencia artificial aplicables a diferentes entornos productivos
empleando lenguajes de programación y entornos de modelado.
El desarrollo curricular de este módulo tiene como referencias de partida el Real Decreto 279/2021,
de 20 de abril, por el que se establece el Curso de especialización en Inteligencia Artificial y Big Data
y se fijan los aspectos básicos del currículo.
1.2.2. Contexto profesional y normativo
Según se van transfiriendo los nuevos resultados de investigación a los procesos empresariales
aumenta el abanico de aplicaciones de los algoritmos y técnicas de la Inteligencia Artificial en la
industria y en los servicios. Si además se le une el Big Data se puede lograr una mejora sustancial en
cualquiera de los parámetros en los que es posible realizar mediciones. Esto provoca que haya
cantidad de programas y recursos que se están dedicando a la innovación sobre la Inteligencia
Artificial.
Esto se refleja en la creciente demanda de profesionales competentes en Inteligencia Artificial y Big

Data por parte de unas empresas ávidas de innovar en sus sectores, lo cual contrasta con el escaso
número de profesionales con conocimientos en esta área -apenas 200 registrados en Linkedin en
2018 con esas habilidades-. De hecho, en Asturias, según datos del clúster TIC regional, hay un
déficit de 800 profesionales al año en el campo de la informática y las comunicaciones.
Página - 4
En el caso concreto de Asturias, el tejido empresarial de la región da trabajo a más de 10000
personas y produce el 5 % del PIB. El Clúster TIC asturiano, que engloba a casi 120 empresas del
sector TIC, es el tercer clúster de empresas TIC de España por tamaño, y mantiene una tasa de
crecimiento continuada lastrada por la falta de personal cualificado.
Los perfiles profesionales más demandados por las empresas deben combinar conocimientos de
telecomunicaciones, informática, matemáticas, estadística e ingeniería industrial.
1.3. Contexto socioeducativo. Tipología del alumnado, familias, profesorado y centro
1.3.1. Tipología del centro
El IES Doctor Fleming está situado en un entorno urbano y residencial en el centro de la Ciudad de
Oviedo y cercano a otros centros educativos de niveles diferentes -Infantil y Primaria, Secundaria y
Bachillerato, y Universidad-. Tiene asociados varios colegios de Educación Primaria en los concejos
colindantes, y varios centros privados y concertados.
1.3.2. Alumnado y familias
En las etapas de ESO y Bachillerato, el perfil del alumnado es el de jóvenes de un entorno

socioeconómico urbano medio-alto -renta per cápita e ISEC muy por encima de la media asturiana-,
bien integrados socialmente y con buen rendimiento académico y escasa conflictividad y
absentismo.
En cuanto al alumnado de Ciclos Formativos tiene una procedencia más diversa, tanto geográfica –
regional en el caso de los grados superiores e internacional en el caso de la FP básica y los grados
medios - como socioeconómica, si bien con objetivos comunes, que son la formación tanto
orientada al ámbito laboral como el ciudadano, así como su adaptación a los cambios continuos en
dichos ámbitos.
Mención especial se ha de hacer en el caso de los ciclos de Formación Profesional Básica. En este
caso, un historial de fracaso escolar, asociado en muchos casos a problemas actitudinales, fija como
objetivos para este alumnado, no solamente los indicados anteriormente con carácter general, sino
también la propia socialización y la propia continuidad dentro del sistema educativo.
1.3.3. Centro
Toda esta diversidad de alumnado y, por consiguiente, de enseñanzas, se encuentra distribuida en

dos grandes espacios distanciados en los que se ubican tres edificios diferentes, lo que genera
dificultades desde el punto de vista organizativo y económico, que se suman a las deficiencias
propias de los edificios -calefacción, espacios, falta de laboratorios y talleres –
1.3.4. Profesorado
Del total del profesorado cabe destacar que casi el 70% son definitivos en el centro mientras que el
30 % restante son interinos. La edad media del profesorado es elevada, con más de un 30 por
ciento del profesorado situado en el rango de los 55-59 años
1.4. Vinculación de la programación con la PGA del curso para el que se programa y
memoria de la materia del curso académico anterior
1.4.1. Vinculación de la programación con la PGA del curso para el que se programa
Tomando como punto de partida tanto la Circular de inicio de curso como la memoria final del
curso 2022/23, se desarrollan en la PGA los objetivos que el IES Doctor Fleming propone para el
curso 2023/24, divididos en objetivos institucionales o generales, derivados del desarrollo de la
LOMLOE, y objetivos propios del centro.
Página - 5
 De entre los objetivos generales la programación se vincula con los objetivos indicados a
continuación
o Mantener la línea de mejora de la calidad educativa, incrementando las tasas de

promoción y titulación de las diferentes enseñanzas y etapas educativas y consolidando la
adquisición de competencias que permitan el logro de los establecidos para la propia
Comunidad Autónoma, lo que se pretende conseguir a través de las nuevas metodologías
– ABP-, la revisión de los criterios de calificación de las programaciones docentes o la
mejora de la atención educativa del alumnado en las guardias.
o Promover en los centros, con la participación de toda la comunidad educativa, un clima de

convivencia positivo, fomentando la igualdad entre sexos, el respeto a las diferencias
entre iguales y la prevención de la violencia de género y del acoso escolar para lo cual se
actualizará el Plan de Acción Tutorial incluyendo las especificidades propias del alumnado
del Curso de Especialización en Inteligencia Artificial y Big Data
o Fomentar el desarrollo de la competencia digital del alumnado y el desarrollo de las

tecnologías digitales en los centros docentes como soporte en los que se apoyan los
procesos de enseñanza y aprendizaje a través de una dotación informática mejorada para
impartir los módulos del ciclo y el incremento del ancho de banda.
 De entre los objetivos propios del centro la programación se vincula con la mejora de las
comunicaciones entre los distintos sectores de la comunidad y modernizar la gestión de
procesos administrativos o educativos. Para ello se potenciará la página web del centro,
dotándola de contenido relacionado con el curso de especialización, así como el área exclusiva
de Teams del Departamento de Informática, donde se colgarán las programaciones didácticas
de los módulos, recursos educativos y material multimedia relacionado con las actividades
complementarias y extraescolares realizadas.
1.4.2. Memoria de la materia del curso académico anterior.
Con respecto a la memoria del dpto. del curso anterior se identificaron los siguientes aspectos
relacionados con el módulo de Programación de Inteligencia Artificial
 Disponer de equipos adecuados para el curso de especialización
 Introducir recursos tecnológicos y digitales relacionados con los módulos del curso
 Contratar servicios de nube para implementar los ejercicios de los módulos del curso
En relación con estos tres puntos se han creado cuentas en Google para poder trabajar con Google
Colab a lo largo del segundo trimestre del curso académico, de cara a poder tener acceso a los
recursos necesarios en la nube -procesadores GPU-.
2. Concreción del currículo en relación con su adecuación a las características del ámbito
productivo
El módulo de Programación de Inteligencia Artificial, como se indica en el apartado 1.2, lleva

asociados unos R.A. que habilitarán al alumno para desempeñar las funciones de desarrollar
aplicaciones de Inteligencia Artificial utilizando lenguajes de programación y entornos de
modelado.
Los requerimientos técnicos de este módulo son escasos -computadores comerciales con conexión
a red y cuentas de Google Colab, así como licencias libres de plataformas comerciales de cálculo
numérico para ingeniería, IA y aprendizaje automático y profundo- y disponibles en el centro, lo
que permite que no haya restricciones que condicionen la programación didáctica.
Página - 6
El módulo de Programación de Inteligencia Artificial es uno de los tres módulos cuyos contenidos
versan sobre la Inteligencia Artificial y, junto con los otros dos – Sistemas de Aprendizaje
Automático y Modelos de Inteligencia Artificial- forma un todo que se concreta en la comunalidad
parcial de contenidos, y su profunda imbricación con los módulos de Sistemas de Aprendizaje
Automático y de Modelos de Inteligencia Artificial, cuyos contenidos teóricos se ponen en práctica
empleando los conocimientos que se imparten en este módulo.
3. Objetivos
2.1. Objetivo de la Formación Profesional
De acuerdo con el artículo 40 de la LOMLOE, la Formación Profesional en el sistema educativo

contribuirá a que el alumnado consiga los resultados de aprendizaje que le permitan:
a) Desarrollar las competencias propias de cada título de formación profesional.
b) Comprender la organización y las características del sector productivo correspondiente, así

como los mecanismos de inserción profesional.
c) Conocer la legislación laboral y los derechos y obligaciones que se derivan de las relaciones
laborales.
d) Aprender por sí mismos y trabajar en equipo, así como formarse en la prevención de conflictos
y en la resolución pacífica de los mismos en todos los ámbitos de la vida personal, familiar y
social, con especial atención a la prevención de la violencia de género.
e) Fomentar la igualdad efectiva de oportunidades entre hombres y mujeres, así como de las
personas con discapacidad, para acceder a una formación que permita todo tipo de opciones
profesionales y el ejercicio de las mismas.
f) Trabajar en condiciones de seguridad y salud, así como prevenir los posibles riesgos derivados
del trabajo.
g) Desarrollar una identidad profesional motivadora de futuros aprendizajes y adaptaciones a la

evolución de los procesos productivos y al cambio social.
h) Desarrollar las competencias de innovación y emprendimiento que favorezcan su

empleabilidad y desarrollo profesional.
i) Preparar al alumnado para su progresión en el sistema educativo.
j) Conocer y prevenir los riesgos medioambientales.
k) Preparar al alumnado en materia de digitalización en su sector productivo.
2.2. Objetivos generales del curso
a) Caracterizar las interacciones en los negocios de las empresas y organizaciones para aplicar
sistemas de Inteligencia artificial que incremente la productividad.
b) Seleccionar datos relevantes de la empresa u organización para desarrollar e implementar

soluciones que faciliten la toma de decisiones.
c) Aplicar técnicas de tratamiento de datos para gestionar la transformación digital en las

organizaciones.
d) Caracterizar sistemas de la Inteligencia Artificial para implantar funcionalidades, procesos y

sistemas de decisiones.
Página - 7
e) Interpretar planes de cambio y mejora de los procesos de las empresas y organizaciones para su
gestión con Inteligencia artificial.
f) Caracterizar procesos de mejora de la productividad de las empresas para administrar el desarrollo

de procesos automatizados.
g) Aplicar herramientas de inteligencia artificial para optimizar el desarrollo de los procesos

autónomos.
h) Utilizar soluciones de Big Data para integrar sistemas de explotación de datos.
i) Analizar y evaluar soluciones Big Data para su implantación en las funcionalidades, procesos y
sistemas de decisiones.
j) Determinar la documentación técnica y normativa vigente de los procedimientos de protección de

datos para ejecutar el sistema de explotación de datos cumpliendo con los principios legales y
éticos.
k) Determinar la solución de Inteligencia Artificial y Big Data para configurar las herramientas y
lenguajes específicos.
l) Aplicar técnicas Big Data para gestionar los datos de la organización y obtener conocimiento a
partir de ellos.
m) Analizar y utilizar los recursos y oportunidades de aprendizaje relacionados con la evolución

científica, tecnológica y organizativa del sector y las tecnologías de la información y la
comunicación, para mantener el espíritu de actualización y adaptarse a nuevas situaciones
laborales y personales.
n) Desarrollar la creatividad y el espíritu de innovación para responder a los retos que se presentan
en los procesos y en la organización del trabajo y de la vida personal.
ñ) Evaluar situaciones de prevención de riesgos laborales y de protección ambiental, proponiendo y

aplicando medidas de prevención personal y colectiva, de acuerdo con la normativa aplicable en
los procesos de trabajo, para garantizar entornos seguros.
o) Identificar y proponer las acciones profesionales necesarias, para dar respuesta a la accesibilidad
universal, al «diseño para todas las personas», así como para evitar posibles sesgos de género en
el desarrollo y aplicaciones de Inteligencia Artificial y Big Data.
p) Identificar y aplicar parámetros de calidad en los trabajos y actividades realizados en el proceso de

aprendizaje, para valorar la cultura de la evaluación y de la calidad y ser capaces de supervisar y
mejorar procedimientos de gestión de calidad.
La formación de este módulo contribuye a alcanzar los objetivos generales a), b), c), d), e), j), k), m),
n), ñ), o) y p) del curso de especialización.
2.3. Contribución del curso a la consecución de los objetivos generales del centro
Este curso contribuye a la consecución de los objetivos generales o institucionales 1, 2, 3, 4, 5, 6, 7, y

9, derivados de los correspondientes de la Ley Orgánica 2/2006 modificada por la Ley Orgánica
3/2020, de 29 de diciembre, a través de lo tratado en el punto de Educación Transversal y Valores de
la presente programación.
2.4 Resultados de aprendizaje
Página - 8
Los resultados de aprendizaje que figuran en el Decreto 279/2021, de 20 de abril, por el que se
establece el currículo del curso de especialización son:
RA-1 Caracteriza la Inteligencia Artificial fuerte y débil determinando usos y posibilidades..
RA-2 Utiliza modelos de sistemas de Inteligencia Artificial implementando sistemas de resolución de
problemas.
RA-3 Relaciona el procesamiento de lenguaje natural con sus aplicaciones determinando su potencial
e identificando sus limitaciones..
RA-4 Analiza sistemas robotizados, evaluando opciones de diseño e implementación.
RA-5 Aplica sistemas expertos evaluando la influencia de los controladores inteligentes en el
comportamiento del sistema.
RA-6 Aplica principios legales y éticos al desarrollo de la Inteligencia Artificial integrándolos como
parte del proceso.
4 Competencias
4.1 Competencia general
La competencia general de este curso de especialización consiste en programar y aplicar sistemas

inteligentes que optimizan la gestión de la información y la explotación de datos masivos,
garantizando el acceso a los datos de forma segura y cumpliendo los criterios de accesibilidad,
usabilidad y calidad exigidas en los estándares establecidos, así como los principios éticos y legales.
Para la obtención de este fin, cada uno de los módulos que integran el título tiene una serie de
competencias y objetivos generales, que se obtendrán con la consecución de unos resultados de
aprendizaje.
4.2 Competencias profesionales, personales y sociales
a) Aplicar sistemas de Inteligencia Artificial para identificar nuevas formas de interacción en los
negocios que mejoren la productividad.
b) Desarrollar e implementar sistemas de Inteligencia Artificial que faciliten la toma de decisiones

ágiles dentro de un negocio gestionando y explotando datos masivos.
c) Gestionar la transformación digital necesaria en las organizaciones para la consecución de la

eficiencia empresarial mediante el tratamiento de datos.
d) Aplicar Inteligencia Artificial en funcionalidades, procesos y sistemas de decisión empresariales.
e) Gestionar los distintos tipos de Inteligencia Artificial para la consecución de transformación y

cambio en las empresas.
f) Administrar el desarrollo de procesos automatizados que permitan la mejora de la productividad

de las empresas.
g) Optimizar el desarrollo de procesos autónomos empleando herramientas de Inteligencia Artificial.
h) Integrar sistemas de explotación de grandes volúmenes de datos aplicando soluciones de Big

Data.
i) Implantar las funcionalidades, procesos y sistemas de decisiones empresariales aplicando técnicas

de Big Data en ellos.
Página - 9
j) Ejecutar el sistema de explotación de datos según las necesidades de uso y las condiciones de
seguridad establecidas asegurando el cumplimiento de los principios legales y éticos.
k) Configurar las herramientas que se usan para construir soluciones Big Data y de Inteligencia
Artificial.
l) Gestionar de manera eficiente los datos, la información y su representación para transformarlos

en conocimiento.
m) Cumplir la legislación vigente que regula la normativa de los medios de comunicación audiovisual
y de la accesibilidad universal.
n) Adaptarse a las nuevas situaciones laborales, manteniendo actualizados los conocimientos

científicos, técnicos y tecnológicos relativos a su entorno profesional, gestionando su formación y
los recursos existentes en el aprendizaje a lo largo de la vida y utilizando las tecnologías de la
información y la comunicación.
o) Resolver situaciones, problemas o contingencias con iniciativa y autonomía en el ámbito de su

competencia, con creatividad, innovación y espíritu de mejora en el trabajo personal y en el de los
miembros del equipo.
p) Organizar y coordinar equipos de trabajo con responsabilidad, supervisando el desarrollo del

mismo, manteniendo relaciones fluidas y asumiendo el liderazgo, así como aportando soluciones
a los conflictos grupales que se presenten.
q) Comunicarse con sus iguales, superiores, clientela y personas bajo su responsabilidad, utilizando
vías eficaces de comunicación, transmitiendo la información o conocimientos adecuados y
respetando la autonomía y competencia de las personas que intervienen en el ámbito de su
trabajo.
r) Generar entornos seguros en el desarrollo de su trabajo y el de su equipo, supervisando y

aplicando los procedimientos de prevención de riesgos laborales y ambientales, de acuerdo con lo
establecido por la normativa y los objetivos de la empresa.
s) Supervisar y aplicar procedimientos de gestión de calidad, de accesibilidad universal y de «diseño

para todas las personas», en las actividades profesionales incluidas en los procesos de producción
o prestación de servicios.
t) Ejercer sus derechos y cumplir con las obligaciones derivadas de su actividad profesional, de
acuerdo con lo establecido en la legislación vigente, participando activamente en la vida
económica, social y cultural.
Este módulo contribuya a la adquisición de las competencias profesionales y sociales a), b), c), d), e),
j), k), m), n), ñ), o), p), q), r) y s) del curso de especialización.
2.4. Relación de cualificaciones y unidades de competencia del catálogo nacional de

cualificaciones profesionales
De acuerdo con el INCUAL, el Curso de especialización en inteligencia artificial y big data va

asociado a las siguientes cualificaciones profesionales y unidades de competencia asociadas:
 IFC749_3 - Gestión de datos y entrenamiento en sistemas de Inteligencia Artificial basados en

aprendizaje automático
o UC0966_3: Consultar y extraer información de distintas plataformas de almacenamiento de

datos
Página - 10
o UC2492_3: Procesar los datos para su uso en sistemas de Inteligencia Artificial basados en
aprendizaje automático
o UC2493_3: Entrenar modelos en sistemas de Inteligencia Artificial basados en aprendizaje

automático
 IFC750_3 - Gestión de la instalación, despliegue y explotación de sistemas de Inteligencia

Artificial basados en aprendizaje automático
o Instalar y mantener sistemas de Inteligencia Artificial basados en aprendizaje automático
o UC2495_3: Desplegar sistemas de Inteligencia Artificial basados en aprendizaje automático
o UC2496_3: Explotar servicios de procesamiento y analítica de datos en plataformas

disponibles en línea
o UC2497_3: Desarrollar componentes software específicos para sistemas de Inteligencia

Artificial basados en aprendizaje automático
 IFC789_3 - Desarrollo de productos basados en cadenas de bloques Blockchain
o UC2630_3 - Preparar herramientas de desarrollo de productos que utilicen tecnologías

descentralizadas blockchain
o UC2631_3 - Programar contratos inteligentes ('smart contracts')
o UC2632_3 - Desarrollar interfaces de usuario 'frontend' para interacción con redes

descentralizadas basadas en blockchain
o UC2633_3 - Desplegar contratos inteligentes ('smart contracts') sobre nodos de red dlt,
blockchain
2.5. Elementos transversales
Además de los contenidos propios del módulo existen una serie de contenidos transversales que se
trabajan en todos los módulos del curso de especialización a lo largo de las diferentes unidades
didácticas, y que son los siguientes:
 Trabajo en equipos para resolver ejercicios y prácticas de clase, fomentando las relaciones
fluidas entre sus miembros, respetando el trabajo y las ideas de sus compañeros, así como las
normas de comportamiento dentro del aula y colaborando para la superación de las
dificultades que se presenten, corresponsabilizándose de los objetivos.
 Valorar y fomentar la exactitud y el rigor en la utilización de datos y terminología, a través de la

precisión en el uso de los términos y expresiones técnicas en el campo de la programación de
inteligencia artificial.
 Promover una actitud positiva hacia el análisis e investigación del funcionamiento y

comportamiento de los elementos de su entorno a través de ejercicios de recolección de datos
para generar modelos de inteligencia artificial que resuelvan problemas del entorno.
 Promover el gusto por el uso del análisis racional de los problemas que se presenten frente a
los intentos de solución directos y desorganizados, lo que es consustancial a las diferentes
fases de creación de una aplicación software.
Página - 11
 Perseverar en la búsqueda de soluciones, valorar la constancia y el esfuerzo propio y ajeno en
la realización del trabajo, así como la calidad y la excelencia en el trabajo realizado se fomenta
en todos los ejercicios y prácticas de creación de aplicaciones software.
 Innovación y espíritu emprendedor, que toma valor en la búsqueda de soluciones a los

problemas que se plantean en clase empleando diferentes medios para obtener información
alternativa que permita encontrar nuevas soluciones a las tareas
 Objetivos para el desarrollo sostenible, que se trabajan a partir de la resolución de problemas

de sistemas expertos, de procesamiento de lenguaje natural o de modelos de aprendizaje
automático y profundo que empleen datos relacionados con el estado de la atmosfera y el
clima -para estudiar, por ejemplo, dentro del objetivo 13 de desarrollo sostenible, la influencia
del CO2 en la atmósfera y predecir la evolución de la temperatura de Oviedo-, o de textos
relacionados con los problemas relacionados con el cambio climático, así como las
consecuencias legales y éticas del uso de la IA en relación con los ODS de la agenda 2030 de
desarrollo sostenible.
 Competencia digital, que se pone en práctica a través del uso continuado de los sistemas
informáticos, los entornos de desarrollo de software o las tareas de búsqueda de información
en Internet.
3. Contenidos y criterios
3.1. Criterios de secuenciación del currículo
La secuenciación de contenidos se ha hecho por evaluaciones -2- siguiendo criterios epistemológicos.

El módulo se organiza en torno a 10 unidades didácticas, cuya distribución de contenidos es la
siguiente:
 1º Evaluación: En este periodo se enseñan los conceptos básicos de programación

estructurada y orientada a objetos, para centrarse posteriormente en el estudio de Python y
en menor medida de Scilab y HTML, así como el empleo de plataformas de inteligencia
artificial. Así mismo se inician las tareas del proyecto globalizador que involucra todos los
módulos del curso.
 2º Evaluación y final ordinaria: en este periodo se estudian los principios del IoT y de la
automatización, así como los conceptos y técnicas asociadas a las cadenas de valor y los
contratos inteligentes. En este periodo también se desarrollarán las tareas que corresponden a
este módulo dentro del proyecto globalizador que involucra todos los módulos del curso de
especialización.
La distribución de sesiones es orientativa, y está sujeta a modificaciones asociadas a dificultades del

alumnado, actividades complementarias /extraescolares y otros imprevistos.
3.2. Relación secuenciada de unidades de trabajo
Se establecen como contenidos del módulo los que se vienen indicados en el Real Decreto 279/2021,
de 20 de abril.
Se sigue el modelo de unidad de trabajo indicado por la Consejería de Educación del Gobierno del
Principado de Asturias, que se muestra en el siguiente enlace
https://www.educastur.es/documents/34868/38808/2021-08-orientaciones-programacion-docente-
FP.pdf/92294077-a8c6-9e2f-8175-aaf6d45f8ae7?t=1630584175948
Página - 12
Página - 13
Nº TÍTULO SESIONES
1 CARACTERIZACIÓN DE LENGUAJES DE PROGRAMACIÓN 105
RESULTADOS DE APRENDIZAJE COMPLETO (SI/NO)
Caracteriza lenguajes de programación valorando su idoneidad en el desarrollo de Inteligencia Artificial. SI
CRITERIOS DE EVALUACIÓN
R.A. CRITERIO DE EVALUACIÓN INSTRUMENTO PONDERACIÓN MÍNIMO
1 Se ha identificado la Escalas 2.5 % Se ha identificado la estructura de un

estructura de un programa numéricas/rubricas/informes programa informático.
informático.
1 Se han valorado Escalas 5% Se han valorado características en los

características en los numéricas/rubricas/informes lenguajes de programación adecuadas al
lenguajes de programación tipo de aplicaciones a implementar.
adecuadas al tipo de
aplicaciones a implementar.
1 Se ha determinado el Escalas 2.5 % Se ha determinado el lenguaje de

lenguaje de programación numéricas/rubricas/informes programación más apropiado para el
más apropiado para el desarrollo de la aplicación.
desarrollo de la aplicación.
1 Se han valorado Escalas 2.5 % Se han valorado características de los

características de los numéricas/rubricas/informes lenguajes de programación para el
lenguajes de programación desarrollo de Inteligencia Artificial.
para el desarrollo de
Inteligencia Artificial.
1 Se ha determinado el Escalas 85 % Se ha determinado el lenguaje de

lenguaje de programación programación más apropiado para el
Página - 13
más apropiado para el numéricas/rubricas/informes desarrollo de la aplicación de Inteligencia
desarrollo de la aplicación de Artificial.
1 Se han caracterizado Escalas 2.5% Se han caracterizado lenguajes de marcado

lenguajes de marcado numéricas/rubricas/informes destacando la información que contienen
destacando la información sus etiquetas.
que contienen sus etiquetas.
CONTENIDOS
 Programa informático. Etapas. Lenguajes de programación.
 Principales características en un lenguaje de programación para IA. Bibliotecas. Rendimiento en ejecución. Herramientas. Soporte.
 Principales Lenguajes de programación para Inteligencia Artificial: Python, R, Java, Javascript, NodeJS, JSON, entre otros.
 Lenguajes de marcado. Información de sus etiquetas.
ACTIVIDADES DE ENSEÑANZA -APRENDIZAJE
Qué / para qué Cómo Con que Cómo y con que se valora
Actividades Tareas prof. Tareas alum. Producto Recursos Instrumentos y proced. de Sesiones
evaluación
Nº Título
1 Conceptos básicos Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
de programación de los /toma de documentación numéricas/rubricas/informes
conceptos notas U.T.1
asociados Ejercicios / Cuestionarios /
Pruebas prácticas
2 Características de Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
los lenguajes de de los / toma de documentación numéricas/rubricas/informes
programación conceptos notas U.T.1
específicos para IA asociados Ejercicios / Cuestionarios /
Página - 14
Pruebas prácticas
3 Descripción de los Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 3
lenguajes de de los / toma de documentación numéricas/rubricas/informes
programación conceptos notas U.T.1
específicos de IA asociados Ejercicios / Cuestionarios /
Pruebas prácticas
4 Programación en Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 10 1/2
Python: conceptos de los / toma de documentación numéricas/rubricas/informes
básicos (tipos de conceptos notas U.T.1
datos, operaciones, asociados Ejercicios / Cuestionarios /
Estructuras de Pruebas prácticas
control, listas,
funciones):
5 Programación en Aclaración Realización de Software, documento de Pizarra, IDE Escalas 21

Python: ejercicios dudas los ejercicios e prácticas y ejercicios Python, numéricas/rubricas/informes
(tipos de datos, informes de documentación
operaciones, prácticas U.T.1 Ejercicios / Cuestionarios /
Estructuras de Pruebas prácticas
control, listas,
funciones):
6 Programación en Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 10 1/2
Python avanzada: de los / toma de documentación numéricas/rubricas/informes
conceptos básicos conceptos notas U.T.1
(clases y objetos) asociados Ejercicios / Cuestionarios /
Pruebas prácticas
7 Programación en Aclaración Realización de Software, documento de Pizarra, IDE Escalas 21

Python avanzada: dudas los ejercicios e prácticas y ejercicios Python, numéricas/rubricas/informes
ejercicios (clases y informes de documentación
objetos) prácticas U.T.1 Ejercicios / Cuestionarios /
Pruebas prácticas
Página - 15
8 Bibliotecas y Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 10.5
herramientas de de los / toma de documentación numéricas/rubricas/informes
soporte en Python conceptos notas U.T.1
para IA (Pandas, asociados Ejercicios / Cuestionarios /
Numpy, matplotlib, Pruebas prácticas
scikit-learn)
9 Bibliotecas y Aclaración Realización de Software, documento de Pizarra, IDE Escalas 21

herramientas de dudas los ejercicios e prácticas y ejercicios Python, numéricas/rubricas/informes
soporte en Python informes de documentación
para IA (Pandas, prácticas U.T.1 Ejercicios / Cuestionarios /
Numpy, matplotlib, Pruebas prácticas
scikit-learn):
ejercicios
10 Lenguajes de Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
marcado: etiquetas: de los / toma de documentación numéricas/rubricas/informes
conceptos básicos conceptos notas U.T.1
Pruebas prácticas
11 Lenguajes de Aclaración Realización de Software, documento de Pizarra, IDE Escalas 3

marcado. Etiquetas: dudas los ejercicios e prácticas y ejercicios Python, numéricas/rubricas/informes
ejercicios informes de documentación
prácticas U.T.1 Ejercicios / Cuestionarios /
Pruebas prácticas
2 DESARROLLO DE APLICACIONES DE IA 75
Desarrolla aplicaciones de Inteligencia artificial utilizando entornos de modelado. SI
Página - 16
2 Se han evaluado plataformas de Escalas 20 % Se han evaluado plataformas de

Inteligencia Artificial. numéricas/rubricas/informes Inteligencia Artificial.
2 Se han caracterizado entornos Escalas 20 % Se han caracterizado entornos de

de modelo de aplicaciones de numéricas/rubricas/informes modelo de aplicaciones de Inteligencia
Inteligencia Artificial. Artificial.
2 Se ha definido el modelo que se Escalas 20 % Se ha definido el modelo que se quiere

quiere implementar según el numéricas/rubricas/informes implementar según el problema
problema planteado... planteado...
2 Se ha implementado la Escalas 20 % Se ha implementado la aplicación de

aplicación de Inteligencia numéricas/rubricas/informes Inteligencia Artificial.
Artificial.
2 Se han evaluado los resultados Escalas 20 % Se han evaluado los resultados

obtenidos.. numéricas/rubricas/informes obtenidos
CONTENIDOS
 Herramientas de modelado. Librerías, algoritmos y modelos predefinidos, recolección de datos, manipulación de datos, Evaluación de resultados.
Ejemplos (Azure machine learning studio, SPSS modeler de IBM, Knime, entre otros).
 Modelado de redes neuronales. Módulos predefinidos. Ejemplos (TensorFlow).
 Herramientas de generación de código para crear software con comportamiento inteligente. Procedimientos del Machine Learning: Datos, identifica
patrones y toma decisiones.
Página - 17
Actividades Tareas prof. Tareas Producto Recursos Instrumentos y proced. de Sesiones
alum. evaluación
Nº Título
1 Herramientas de Explicación de los Escucha Notas tomadas por los alumnos Pizarra. Escalas 6
modelado, conceptos activa /toma Documentación numéricas/rubricas/informes
librerías, asociados de notas U.T. 2
algoritmos y Ejercicios / Cuestionarios /
modelos Pruebas prácticas
predefinidos:
conceptos
básicos
2 Herramientas de aclaración de realización informes de ejemplos Pizarra, IDE Python, Escalas 10 1/2
modelado, dudas de ejemplos Tensorflow, numéricas/rubricas/informes
librerías, documentación
algoritmos y U.T. 2 Ejercicios / Cuestionarios /
modelos Pruebas prácticas
predefinidos:
ejercicios
3 Operaciones con Explicación de los Escucha Notas tomadas por los alumnos Pizarra. Escalas 4 1/2
datos: conceptos activa / Documentación numéricas/rubricas/informes
recolección, asociados toma de U.T. 2
manipulación y notas Ejercicios / Cuestionarios /
evaluación de Pruebas prácticas
resultados:
conceptos
básicos
4 Operaciones con aclaración de realización informes de ejemplos Pizarra, IDE Python, Escalas 10 1/2
datos: dudas de ejemplos Tensorflow, numéricas/rubricas/informes
recolección, documentación
manipulación y U.T. 2 Ejercicios / Cuestionarios /
evaluación de Pruebas prácticas
Página - 18
resultados:
ejercicios
5 Modelado de Explicación de los Escucha Notas tomadas por los alumnos Pizarra, IDE Escalas 10 1/2
redes conceptos activa /toma Python, numéricas/rubricas/informes
neuronales: asociados de notas Tensorflow,
TensorFlow documentación Ejercicios / Cuestionarios /
U.T. 2. Pruebas prácticas
6 Modelado de Explicación del Escucha Notas tomadas por los alumnos Pizarra, IDE Python, Escalas 21
redes funcionamiento activa /toma / informes de ejemplos Tensorflow, numéricas/rubricas/informes
neuronales. de la de notas / documentación
Tensorflow: herramienta / realización U.T. 2 Ejercicios / Cuestionarios /
ejercicios aclaración de de ejemplos Pruebas prácticas
dudas
7 Herramientas de Explicación del Escucha Notas tomadas por los alumnos Pizarra, IDE Python, Escalas 4 1/2
generación de funcionamiento activa /toma Herramientas numéricas/rubricas/informes
código para de la herramienta de notas / software diversas,
generar software documentación Ejercicios / Cuestionarios /
IA U.T. 2 Pruebas prácticas
8 Herramientas de Explicación del Escucha Notas tomadas por los alumnos Pizarra, IDE Python, Escalas 7 1/2
generación de funcionamiento activa /toma / informes de ejemplos Herramientas numéricas/rubricas/informes
código para de la de notas / software diversas,
generar software herramienta / realización documentación Ejercicios / Cuestionarios /
IA: ejercicios aclaración de de ejemplos U.T. 2 Pruebas prácticas
dudas
3 EVALUACIÓN DE LA CONVERGENCIA TECNOLÓGICA: 21

Página - 19
Evalúa las mejoras en los negocios integrando convergencia tecnológica. SI
3 Se han identificado las Escalas 20 % Se han identificado las ventajas que ofrece
ventajas que ofrece unificar numéricas/rubricas/informes unificar procesos, servicios, herramientas,
procesos, servicios, métodos y sectores.
herramientas, métodos y
sectores.
3 Se han identificado sistemas Escalas 20 % Se han identificado sistemas que facilitan la

que facilitan la conexión numéricas/rubricas/informes conexión tecnológica.
tecnológica.
3 Se han evaluado las Escalas 20 % Se han evaluado las características de dichos

características de dichos numéricas/rubricas/informes sistemas..
sistemas.
3 Se ha evaluado como la Escalas 20 % Se ha evaluado como la convergencia

convergencia tecnológica numéricas/rubricas/informes tecnológica aporta seguridad en los negocios.
aporta seguridad en los
negocios.
3 Se ha evaluado la mejora en Escalas 14% Se ha evaluado la mejora en la capacidad de

la capacidad de toma de numéricas/rubricas/informes toma de decisiones estratégicas en un
decisiones estratégicas en negocio conectado..
un negocio conectado..
CONTENIDOS
 Conexión entre tecnologías: Voz, datos, sonido, imágenes.
Página - 20
 Ventajas de la convergencia tecnológica.
 Sistemas de convergencia electrónica: Blockchain, IoT, Cloud, entre otros.
 Características de Blockchain.
 Características de IoT.
 Características de Cloud.
 Seguridad en la convergencia tecnológica.
Actividades Tareas prof. Tareas Producto Recursos Instrumentos y proced. de Sesiones

alum. evaluación
Nº Título
1 Conexión entre Explicación de Escucha Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
tecnologías: voz, los conceptos activa documentación numéricas/rubricas/informes
datos, video, asociados /toma de U.T. 3
sonido: conceptos notas Ejercicios / Cuestionarios /
básicos Pruebas prácticas
2 Ventajas de la Explicación de Escucha Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
convergencia los conceptos activa documentación numéricas/rubricas/informes
tecnológica: asociados /toma de U.T. 3
descripción y notas Ejercicios / Cuestionarios /
explicación. Pruebas prácticas
3 BlockChain: Explicación de Escucha Notas tomadas por los alumnos Pizarra, Escalas 4 1/2
concepto, los conceptos activa documentación numéricas/rubricas/informes
descripción asociados /toma de U.T. 3
notas Ejercicios / Cuestionarios /
Pruebas prácticas
Página - 21
4 IoT: concepto, Explicación de Escucha Notas tomadas por los alumnos Pizarra, Escalas 7 1/2
componentes de los conceptos activa documentación numéricas/rubricas/informes
un sistema IoT. asociados /toma de U.T. 3
Pruebas prácticas
5 Cloud Computing, Explicación de Escucha Notas tomadas por los alumnos Pizarra, Escalas 4 1/2
Edge Computing: los conceptos activa documentación numéricas/rubricas/informes
descripción y asociados /toma de U.T. 3
conceptos notas Ejercicios / Cuestionarios /
Pruebas prácticas
6 seguridad en la Explicación de Escucha Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
convergencia los conceptos activa documentación numéricas/rubricas/informes
tecnológica asociados /toma de U.T. 3
Pruebas prácticas
4 EVALUACIÓN DE MODELOS DE AUTOMATIZACIÓN INDUSTRIAL Y DE 9

NEGOCIO
Evalúa modelos de automatización industrial y de negocio relacionándolos con los resultados esperados por las SI
empresas
4 Se han identificado las Escalas 25 % Se han identificado las nuevas estrategias

Página - 22
nuevas estrategias numéricas/rubricas/informes corporativas y modelos de negocio en las
corporativas y modelos de empresas.
negocio en las empresas.
4 Se ha definido la relación Escalas 25 % Se ha definido la relación entre empresas y

entre empresas y clientes y numéricas/rubricas/informes clientes y su efecto en la forma en que las
su efecto en la forma en que empresas organizan y gestionan sus activos
las empresas organizan y y recursos.
gestionan sus activos y
recursos.
4 Se han evaluado modelos de Escalas 25 % Se han evaluado modelos de

automatización para los numéricas/rubricas/informes automatización para los nuevos
nuevos requerimientos requerimientos industriales y de negocio..
industriales y de negocio..
4 Se ha evaluado la Escalas 25 % Se ha evaluado la conveniencia de cada

conveniencia de cada numéricas/rubricas/informes modelo para conseguir los resultados
modelo para conseguir los esperados por las empresas.
resultados esperados por las
empresas.
CONTENIDOS
 Estrategias corporativas. Tendencias.
 Modelos de negocio. Tendencias.
 Gestión de activos y recursos. Tendencias.
 Modelos de automatización. Tendencias.
Actividades Tareas prof. Tareas alum. Producto Recursos Instrumentos y proced. de

Página - 23
evaluación Sesiones
Nº Título
1 Tendencias en las Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 1 1/2
estrategias de los /toma de documentación numéricas/rubricas/informes
corporativas de conceptos notas U.T.4
automatización asociados Ejercicios / Cuestionarios /
Pruebas prácticas
2 Tendencias en la Explicación Escucha activa Notas tomadas por los alumnos Pizarra. Escalas 1 1/2
automatización de de los /toma de Documentación numéricas/rubricas/informes
los modelos de conceptos notas U.T. 4
negocio asociados Ejercicios / Cuestionarios /
Pruebas prácticas
3 Tendencias en la Explicación Escucha activa Notas tomadas por los alumnos Pizarra, Escalas 3
automatización de de los /toma de documentación numéricas/rubricas/informes
activos y recursos conceptos notas U.T.4
Pruebas prácticas
4 Tendencias en los Explicación Escucha activa Notas tomadas por los alumnos Pizarra, IDE Escalas 3
modelos de de los / toma de Python numéricas/rubricas/informes
automatización conceptos notas documentación
industrial asociados U.T. 4 Ejercicios / Cuestionarios /
Pruebas prácticas
5 Programación de aclaración de Realización de Software, documento de Pizarra, IDE Escalas 9

robots y sistemas dudas los ejercicios e prácticas y ejercicios Python, numéricas/rubricas/informes
robotizados: el informes de documentación
caso de los robots prácticas U.T.4 Ejercicios / Cuestionarios /
autónomos Pruebas prácticas
terrestres
Página - 24
3.3. Secuencia de contenidos
La duración del módulo es de 210 horas (6 ECTS), repartidas en 7 sesiones semanales durante todo el curso (30 semanas). La secuenciación y distribución de
los contenidos que se prevé es la siguiente:
EVALUACION U.T. Título de la unidad Duración en sesiones RESULTADOS DE APRENDIZAJE
P-5.4.4. LOMCE
R.A.1 R.A.2 R.A.3 R.A.4
Caracterización de X
lenguajes de
1º 1 105
programación:
2 Desarrollo de 75 X
aplicaciones de IA
3 Evaluación de la 21 X
Convergencia
2º tecnológica
4 Evaluación de modelos 9 X
de automatización
industrial y de negocio:
210
Página - 25
6. Educación en valores
Entre los contenidos, hay que tener en cuenta los contenidos transversales, que son un conjunto de
tendencias a comportarse y enfrentarse de una determinada manera ante las personas, situaciones,
acontecimientos, objetos o fenómenos. Corresponden al saber ser o saber comportarse.
De hecho, el artículo 33 de la Resolución de 18 de junio de 2009 explicita que la programación docente

deberá recoger la forma en que se incorpora la educación en valores y la igualdad efectiva de derechos
y oportunidades entre hombres y mujeres y no discriminación, consagrada en la Constitución y las
leyes que de ella se derivan, lo que se hará a través de prácticas sobre modelos de procesamiento del
lenguaje natural, aprendizaje automático y profundo, en las que se trabaje con textos y conjuntos de
datos relacionados con la situación de las mujeres en diferentes países del mundo -en términos de
nivel de educativo, de derechos, porcentaje de egresadas en estudios superiores, de ocupación en el
mercado laboral, etc.…- que ayudan a tomar conciencia de la situación de las mujeres y ayuden a
tomar decisiones políticas y económicas que favorezcan la igualdad de derechos -objetivo 5 de
desarrollo sostenible-.
Asimismo se fomentará los valores de justicia, igualdad, libertad, pluralismo político, paz y respeto por
los derechos humanos, por el Estado de derecho, hacia las víctimas del terrorismo y de cualquier tipo
de violencia a través del análisis de conjuntos de datos y de textos obtenidos de diferentes fuentes
abiertas sobre temas relacionados con el respeto a estos principios por parte de países, regiones u
organizaciones, empleando modelos de aprendizaje automático y profundo, y planteando en clase
debates sobre las posibles medidas a tomar para mejorar los indicadores asociados -objetivos 1 a 7 de
desarrollo sostenible-.
7. Metodología
7.1. Principios pedagógicos generales
La implementación de la tarea docente empleará una didáctica que permita, a través del aprendizaje
competencial, optimizar la preparación para una práctica profesional e incluirá los siguientes
elementos:
 Aprendizaje funcional, orientado al “saber hacer y aplicar” que pueda ser transferido a otras
situaciones de su experiencia más próxima en el mundo real y en su desempeño académico y
profesional
 Actividad del alumnado, en forma de resolución de tareas, proyectos, y estudio personal, lo que
implica una intensa actividad interna de reflexión y análisis.
 Diversidad en la tipología de actividades y tareas de cara a adquirir las competencias desde

diferentes enfoques cognitivos y con carácter motivador.
 Interacción en el aula entre estudiantes y profesor y entre ellos mismos, a través del
cuestionamiento, la resolución de dudas y la confrontación de planteamientos, lo que permite la
reestructuración del conocimiento
 Individualización del proceso de enseñanza aprendizaje mediante la flexibilización del currículo y

su adaptación a las necesidades de cada alumno
 Trabajo por proyectos intermodulares, en el caso del curso de especialización, a través de la

colaboración con empresas del sector que nos ofrecen proyectos que no pueden atender por falta
de tiempo, y sin ningún compromiso laboral, para que organicemos el currículo de todos los
módulos en torno a la realización de los mismos
Página - 26
 Aprendizaje cooperativo y colaborativo “entre iguales” para llevar a cabo los proyectos
intermodulares.
7.2. Principios metodológicos específicos para el módulo
La metodología que se aplicará sitúa al docente como guía en el proceso enseñanza-aprendizaje y al

alumno con actor principal de este proceso, aplicándose metodología activas y participativas e
integrándose los recursos tecnológicos necesarios a través de un modelo inspirado en el Diseño Universal
de Aprendizaje – empleo de múltiples medios y técnicas para conseguir el aprendizaje significativo-.
La metodología de trabajo estará centrada en la resolución de tareas presentadas en una situación de

aprendizaje en torno a un proyecto real proporcionado por una empresa del sector, que será
intermodular, permitiendo la adquisición de los conocimientos asociados a los módulos por parte de los
alumnos, así como fomentar la innovación y el emprendimiento tal y como se indica en el artículo 3 del
Título I, en su punto m) y en el Titulo VIII de la Ley Orgánica 3/2022, de 31 de marzo, de ordenación e
integración de la Formación Profesional, que desarrolla el punto h) de la LOMLOE.
A pesar de ser un módulo eminentemente práctico es necesario partir de una base conceptual para
desarrollar los contenidos y llevarlos a la práctica, por lo se aplica tanto el método de trabajo tradicional
donde el profesor realiza exposiciones, presentaciones y ordena pautas de trabajo, como el método de
trabajo de búsqueda, investigación y cooperación a fin de que los alumnos tomen autonomía e iniciativa
para investigar y llegar a sus propias conclusiones.
Esto se llevará a cabo en varias fases:
 Fase de activación: En la cual el estudiante podrá relacionar el contenido de cada unidad con los
anteriores siguiendo el proceso natural de adquisición de competencias a través de su consolidación
para adquirir nuevos aprendizajes a partir de los conocimientos existentes, empleando ejemplos o
problemas que se plantean a partir de lo ya aprendido.
 Exposición teórico-práctica: Donde el profesor explica los contenidos conceptuales de la unidad y los
acompaña de demostraciones prácticas, bien hechas por él empleando apuntes, presentaciones,
simulaciones programadas, vídeos explicativos, o bien a través de recursos en la red.
 Parte práctica: En la que se llevarán a cabo tanto ejercicios como actividades de manera individual,
seguidas por las tareas que componen el proyecto en grupo de iguales, con un alumno como tutor del
resto, que sirvan para afianzar los conocimientos teóricos, que al ser reales motivan al alumno en el
aprendizaje de la materia.
Las tareas que componen el proyecto estarán diseñadas para poder atender a alumnos de diferentes
orígenes y experiencia profesional, a través del trabajo en grupo colaborativo y la tutoría entre iguales,
que permite mejorar los aprendizajes tanto de los alumnos más capacitados como de los que se acerca
por primera vez a este campo, así como la maduración y el enriquecimiento personal, la socialización de
los estudiantes, y el fomento del buen clima de trabajo en el aula además del seguimiento de una serie de
normas de convivencia -limpieza, prevención de riesgos, manejo de las herramientas software, respeto
entre compañeros y a los profesores, etc…- lo cual es especialmente importante de cara a la integración
en el mundo laboral. En estas tareas emplearán rúbricas que les permite autoevaluarse verificando la
progresión de su aprendizaje.
La herramienta tecnológica a utilizar será Aulas Virtuales de Educastur, dónde los alumnos tendrán
disponibles todos los recursos didácticos de cada unidad, así como las actividades (cuestionarios,
ejercicios, actividades, tareas, videos, taller, foros de dudas, foros de debates, y glosario). Dichos recursos
y actividades, más allá de los propios del proyecto que nuclea el módulo, serán variados y de índole tanto
Página - 27
teórica como práctica si bien en último termino es está ultima el objetivo del aprendizaje en tanto en
cuanto se trata de adquirir competencias prácticas.
7.3. Aspectos organizativos
7.3.1. Agrupamientos
Los agrupamientos serán flexibles en función del tipo de tarea a realizar, desde el grupo completo para
las exposiciones teórico-prácticas, hasta el trabajo individual para los ejercicios de clase que tienen
que entregar los alumnos, pasando por los grupos para realizar proyectos y prácticas conjuntas, en los
que mezclamos uno o dos alumnos más capaces o con más conocimientos con otros con más
dificultades o menos experiencia, donde los primeros actúan como mentores dentro de un sistema de
tutoría entre iguales.
7.3.2. Tiempos
Las sesiones pueden ser teórico-prácticas o puramente prácticas. La organización de las sesiones
teórico-prácticas se articula en torno a tres fases:
 Encendido de los equipos y arranque de los programas necesarios -navegador con acceso al
campus virtual, software requerido-
 Introducción, que parte de los conocimientos anteriores -haciendo un resumen de lo impartido

hasta entonces- para enfocar al alumno en los nuevos contenidos, acompañada de un ejemplo
sencillo donde se pueden aplicar estos
 Desarrollo de la sesión combinando los contenidos teóricos con la fase práctica, con ejemplos
generados por el profesor o material multimedia en la red, seguido por ejercicios sencillos para
afianzar los conocimientos adquiridos realizados por los alumnos
 Finalización de la sesión, cerrando los programas y apagando los equipos
Las sesiones de prácticas constan de las siguientes fases:
 Encendido de los equipos y arranque de los programas necesarios -navegador con acceso al
campus virtual, software requerido-
 Inicio/reinicio de las actividades del grupo, donde se recomiendo hacer un resumen de lo

realizado hasta el momento por el grupo antes de plantear los objetivos para esa sesión
 Inicio del trabajo en grupo
 Resumen/conclusiones de lo realizado en esa sesión
 Apagado de los equipos y cierre de las aplicaciones empleadas
7.3.3. Espacios
Se emplea el aula de informática con 26 equipos. En este espacio tendrán lugar las sesiones teórico-
prácticas y prácticas.
7.4. Materiales y recursos
Los recursos informáticos que serán necesarios para impartir el módulo son:
 Ordenadores que dispondrán del SO Windows o Linux con al menos 8GB de RAM y
microprocesador adecuado al desarrollo, con conexión de red. Cada alumno tendrá asignado un
Página - 28
ordenador y una cuenta de usuario en uno de los servidores del Departamento de Informática.
con las características siguientes:
 Proyector conectado al ordenador del profesor y software necesario
 Veleda, rotuladores y demás recursos tradicionales del aula.
 Conexión a internet para la búsqueda de recursos, consulta de información, y descarga de

entornos y plugins necesarios para el desarrollo de los trabajos del módulo.
 Navegador, Microsoft 365, Google Colab e IDE Spyder /Anaconda
 Libros:
o Creación de contratos inteligentes de Ethereum con Solidity. Ramírez Gil, Wilmar Alonso et
al. Ra-ma, 2022
o Programación de inteligencia artificial. Perez, César. Garceta, 2022
o Sistemas de aprendizaje automático (Machine Learning). Garceta, 2022
o Data Scientist y Lenguage R. Laude, Eva et al. Eni, 2022
o Python Práctico. Herramientas, conceptos y técnicas. Moreno Muñoz, Alfredo et al. Ra-ma
2019
o Internet de las cosas. López i Seuba. Ra-ma 2019
o Python. Aplicaciones prácticas. Nolasco Valenzuela, Jorge Santiago. Ra-ma 2018
o Python paso a paso. Hinojosa Gutiérrez, Angel Pablo. Ra-ma, 2016
o Scilab. Programación y simulación. Calvo Rolle, Jose Luis. Ra-ma 2009
 Campus Aulas virtuales Educastur. Se creará un curso para este módulo y curso, al que tendrán
acceso todos los alumnos/as matriculados en el módulo, donde tendrán disponibles los apuntes,
presentaciones, vídeos, ejercicios, actividades y tareas.
8. Evaluación, calificación y contenidos mínimos exigibles para superar el módulo
8.1. Consideraciones generales
La evaluación del módulo se llevará a cabo a través de dos sesiones, una intermedia en febrero, y una
ordinaria al final del periodo lectivo,– que siguiendo las instrucciones de la Circular de inicio de curso de la
Consejería de Educación del Gobierno del Principado de Asturias será publicada en su momento por la
Dirección General de Enseñanzas Profesionales-, donde el agrupamiento de unidades por evaluación es el
indicado en la secuencia de contenidos, además de una evaluación final extraordinaria - en la fecha
marcada por la Dirección General de Enseñanzas Profesionales de acuerdo con lo indicado en la Circular
de inicio de curso-.
Con carácter general, y de acuerdo con la normativa autonómica y el Reglamento de Régimen Interno del
centro, aquellos alumnos que tengan un 20% de faltas de asistencia injustificadas por periodo respecto
del total del módulo, perderán el derecho a la evaluación continua, se les comunicará por escrito.
Todos las pruebas objetivas y prácticas quedarán recogidas en el Libro de Calificaciones del Campus
Virtual.
8.2. Evaluación inicial

Página - 29
La evaluación inicial de los alumnos del curso de especialización seguirá tres fases:
• Una primera fase en la que se recopilarán los datos e información académica y personal del
alumnado de nueva incorporación al curso, con atención detallada acerca de sus habilidades en el
campo de la computación -no todos los alumnos que se pueden incorporar al curso de
especialización provienen de los ciclos de la familia de Informática y Comunicaciones, sino que
también provienen de ciclos de la familia de Electricidad y Electrónica, a los que no se les supone
conocimientos de programación por no aparecer en su currículo-, así como aquellas situaciones que
vayan asociadas a adaptaciones no significativas.
• Una prueba inicial para evaluar los conocimientos del alumnado y verificar la información obtenida
en el punto anterior sobre las competencias del alumnado, en especial las relacionadas con la
destreza en la programación -R.A 1 a 7 del módulo de Programación de los CFGS Desarrollo de
Aplicaciones Multiplataforma y Desarrollo de Aplicaciones Web-, así como y la estadística .
• Un diseño de actividades posterior a la prueba, que teniendo en cuenta sus resultados, permita
nivelar los conocimientos de los alumnos con mayores carencias – en principio aquellos que no han
cursado los CFGS DAM y DAW-, de cara a maximizar su probabilidad de conseguir adquirir los
aprendizajes definidos en los R.A. del módulo.
8.3. Criterios de evaluación y su concreción
Los criterios de evaluación suponen el elemento de objetivación de la adquisición por el estudiante de

las competencias del módulo y van asociados a resultados de aprendizaje, distribuidos en las
diferentes unidades de trabajo que se han esquematizado en el apartado correspondiente de la
programación. Cada uno de los criterios de evaluación se pondera con una puntuación de 0 a 10
puntos. El conjunto de criterios de evaluación de cada trimestre se evalúa a través de una serie de
ejercicios y tareas, cuestionarios, exámenes prácticos y proyectos, cuya ponderación para la
calificación final se analiza en un apartado posterior.
8.4. Técnicas, procedimientos e instrumentos de evaluación
8.4.1. Técnicas de evaluación
Dentro de los tres tipos de técnicas de evaluación existentes -heteroevaluación o evaluación del
alumno por el profesor, autoevaluación o evaluación del alumno a sí mismo, y coevaluación o
evaluación del alumno por sus iguales-, la evaluación del módulo a nivel formal o académico con
efectos administrativos se centrará en la heteroevaluación a través de diferentes procedimientos,
mientras que la autoevaluación y la coevaluación se recomendarán al alumnado para su uso personal y
control de la progresión de su aprendizaje.
8.4.2. Procedimientos de evaluación
Los procedimientos de evaluación empleados serán los siguientes:
• Pruebas objetivas (test)
• Exámenes prácticos
• Ejercicios teóricos sobre los contenidos de cada unidad realizados en clase o en casa
• Ejercicios y actividades prácticos sobre los contenidos de cada unidad realizados en clase
• Tareas propias del proyecto asociado a la situación de aprendizaje que nuclea el módulo
• Preguntas en clase que permitan determinar el grado de comprensión de los contenidos
Página - 30
8.4.3. Instrumentos de evaluación
En la heteroevaluación se empleará la escala numérica para los exámenes, cuestionarios, ejercicios

teóricos y prácticos y proyectos, utilizando rúbricas para verificar la consecución de los objetivos de
cada ejercicio teórico o práctico, así como los proyectos. Para la autoevaluación y la coevaluación se
recomendará a los alumnos el uso de diarios, fichas de observación y DAFO.
8.5. Criterios de calificación
8.5.1. Consideraciones generales
Los instrumentos indicados en el apartado anterior se emplearán para la calificación del módulo, teniendo
en cuenta una serie de criterios generales que se evaluarán en todos ellos, como son:
• Respetar las normas de seguridad e higiene en el trabajo -ergonomía-
• Cumplimiento de las normas de prevención de riesgos laborales
• Empleo correcto del lenguaje a nivel ortográfico y sintáctico
• Expresión ordenada de las ideas y conceptos de manera oral y escrita
8.5.2. Evaluaciones intermedias
La calificación de los alumnos para las evaluaciones intermedias será mediante notación numérica de 1 a
10. La calificación puede concretarse a través de la nota media ponderada de la puntuación de los
criterios de evaluación asociados a las unidades didácticas impartidas en las mismas, siguiendo el
siguiente protocolo:
Se entiende que cada criterio puede evaluarse a través de diferentes procedimientos, cada uno de
los cuales tendrá un peso diferente a la hora de puntuar el mismo. En el caso de está programación
cada criterio se evaluará a través de tres tipos de procedimientos:
Prueba objetiva: consistirá en cuestionario tipo test de conceptos teórico-prácticos asociados a

los criterios de evaluación correspondientes a las unidades de trabajo evaluadas. Se realizará de
forma presencial, siempre que las circunstancias sanitarias lo permitan. La calificación se obtendrá
calculando la nota media de cada conjunto de cuestiones asociadas a cada criterio de evaluación y
multiplicando cada una de estas notas medias obtenidas por 0.15
Ejercicios, actividades y tareas: consistirá en la realización de ejercicios teóricos y prácticos,

actividades y tareas correspondientes al proyecto colaborativo asociados a los criterios de
evaluación correspondientes a las unidades de trabajo evaluadas. Se hace de manera individual o
en grupo, en función de lo que haya planteado el profesor. Se deberán entregar en la fecha
indicada. La entrega fuera de plazo o no entrega implica la no calificación del ejercicio. La
calificación se obtendrá calculando la nota media de cada conjunto de ejercicios, actividades y
tareas asociados a cada criterio de evaluación y multiplicando cada una de estas notas medias
obtenidas por 0.55
Examen práctico: consistirá en una prueba práctica individual conformada por una serie de
ejercicios y actividades correspondientes a los criterios de evaluación asociados a las unidades de
trabajo evaluadas, que se realizará en el aula de manera individual. La calificación se obtendrá
calculando la nota media de cada conjunto de ejercicios y actividades asociados a cada criterio de
evaluación y multiplicando cada una de las notas medias obtenidas por 0.3
La calificación final de cada evaluación intermedia se obtendrá sumando las tres notas
correspondientes a cada criterio de evaluación y, una vez hecho, obteniendo la nota media
ponderada de los mismos para determinar la nota de cada resultado de aprendizaje, y a continuación
Página - 31
calculando la media aritmética de los resultados de aprendizaje. Para que se pueda realizar la media
ponderada se debe de haber obtenido una nota de 5,00 o superior en cada uno de los componentes
de la nota asociada a cada criterio de evaluación, en otro caso la nota máxima será un 4,00
independientemente del resultado de la ponderación anterior.
En aquellos casos en los que no se hayan empleado los cuestionarios y/o las preguntas de examen
para evaluar un criterio, sus porcentajes se sumarán al de los ejercicios de clase.
Para superar el módulo la calificación final deberá ser de 5 o superior.
8.5.3. Evaluación final ordinaria
La calificación final del módulo será la media aritmética de las calificaciones obtenidas en las
evaluaciones intermedias, siempre que estén todas aprobadas.
Los alumnos que no hayan superado alguna o todas las evaluaciones, deberán presentarse a la
convocatoria ordinaria en la fecha que marcará la Dirección General de Enseñanzas Profesionales de
la Consejería de Educación.
El examen final que se realizará en la convocatoria ordinaria tendrá parte específica para los
contenidos de cada una de las evaluaciones no superadas. Para realizarlo el alumno deberá entregar
todos los ejercicios, actividades y tareas pendientes. La nota final de la evaluación será la media
ponderada de la prueba, los ejercicios, actividades y tareas, y se determinara de acuerdo con el
procedimiento indicado en el punto 8.5.2 .
Para superar el módulo la nota final deberá ser de 5 o superior.
8.5.4. Alumnos con el módulo pendiente tras la evaluación ordinaria: actividades y

procedimientos de recuperación del módulo
Los alumnos con este módulo profesional pendiente asistirán a clase hasta la fecha en la que
convoque la evaluación extraordinaria por parte de la Dirección General de Enseñanzas Profesionales
de la Consejería de Educación, y realizar las tareas -ejercicios, prácticas, pruebas objetivas- indicadas
por el profesor de cara a superar los criterios de evaluación no aprobados, y alcanzar los resultados
de aprendizaje.
8.5.5. Evaluación extraordinaria
Los alumnos que no superen el módulo en la convocatoria ordinaria realizarán una prueba en la
fecha que marque la Dirección General de Enseñanzas Profesionales de la Consejería de Educación,
que tendrá dos partes, una prueba objetiva o tipo test y un examen práctico, con estructura y
calificación análogas a las vistas en el apartado 8,5,2, de tal modo que los alumnos solo tienen que
realizar las cuestiones, ejercicios, y actividades correspondientes a cada uno de los criterios de
evaluación no superados y que abarcará todos los contenidos mínimos exigibles del módulo
profesional.
Para realizar esta prueba es obligatorio que el alumno entregue todos los ejercicios, actividades y
tareas pendientes, así como las actividades de recuperación y pruebas que se indiquen durante ese
periodo y que vayan asociadas a los resultados de aprendizaje y criterios de evaluación no superados.
La nota final de la evaluación será la media ponderada de la prueba y los ejercicios, actividades y
tareas, de acuerdo con el procedimiento indicado en el apartado 8.5.2.
Si esta nota es igual o superior a 5 se entenderá el módulo superado.
6.6 Alumnado que no puede asistir a clase por motivos de salud o aislamiento
Página - 32
En este supuesto se aplazará la prueba a otra fecha, aunque no coincida con su turno de
presencialidad, en la que el alumno ya se haya incorporado. En caso de no poder realizarla por no
existir fecha posible antes de la reunión de evaluación la prueba quedará pospuesta para el siguiente
periodo de evaluación, siendo en este caso la nota de evaluación el resultado de los demás
instrumentos considerados en la evaluación.
Esto será de aplicación siempre y cuando el alumnado presente justificante médico que acredite la
ausencia.
6.7 Mínimos exigibles para superar el módulo

A continuación, se enumeran los criterios de evaluación mínimos exigibles de cada resultado de
aprendizaje.
1. Caracteriza lenguajes de programación valorando su idoneidad en el desarrollo de Inteligencia

Artificial.
Criterios de evaluación:
a) Se ha identificado la estructura de un programa informático.
b) Se han valorado características en los lenguajes de programación adecuadas al tipo de aplicaciones a

implementar.
c) Se ha determinado el lenguaje de programación más apropiado para el desarrollo de la aplicación.
d) Se han valorado características de los lenguajes de programación para el desarrollo de Inteligencia

Artificial.
e) Se ha determinado el lenguaje de programación más apropiado para el desarrollo de la aplicación de

f) Se han caracterizado lenguajes de marcado destacando la información que contienen sus etiquetas.
2. Desarrolla aplicaciones de Inteligencia artificial utilizando entornos de modelado.
a) Se han evaluado plataformas de Inteligencia Artificial.
b) Se han caracterizado entornos de modelo de aplicaciones de Inteligencia Artificial.
c) Se ha definido el modelo que se quiere implementar según el problema planteado.
d) Se ha implementado la aplicación de Inteligencia Artificial.
e) Se han evaluado los resultados obtenidos.

Página - 33
3. Evalúa las mejoras en los negocios integrando convergencia tecnológica.
a) Se han identificado las ventajas que ofrece unificar procesos, servicios, herramientas, métodos y
sectores.
b) Se han identificado sistemas que facilitan la conexión tecnológica.
c) Se han evaluado las características de dichos sistemas.
d) Se ha evaluado como la convergencia tecnológica aporta seguridad en los negocios.
e) Se ha evaluado la mejora en la capacidad de toma de decisiones estratégicas en un negocio

conectado.
4. Evalúa modelos de automatización industrial y de negocio relacionándolos con los resultados

esperados por las empresas.
a) Se han identificado las nuevas estrategias corporativas y modelos de negocio en las empresas.
b) Se ha definido la relación entre empresas y clientes y su efecto en la forma en que las empresas
organizan y gestionan sus activos y recursos.
c) Se han evaluado modelos de automatización para los nuevos requerimientos industriales y de negocio.
d) Se ha evaluado la conveniencia de cada modelo para conseguir los resultados esperados por las
empresas.
9. Atención a la Diversidad
De manera general, si este módulo es cursado por un alumno/a con discapacidad, se realizará la
adaptación de las actividades de formación, los criterios y los procedimientos de evaluación
necesarios, de modo que se garantice su accesibilidad a las pruebas de evaluación; esta adaptación en
ningún caso supondrá la supresión de objetivos, o resultados de aprendizaje que afecten a la
competencia general del título.
En este curso, entre el alumnado tenemos dos alumnos TEA y un alumno con dificultades de visión -de
ahora en adelante DV o discapacidad visual-. A estos alumnos se les realizará una serie de
adaptaciones curriculares divididas en tres conjuntos, de acuerdo con el Diseño Universal de
Aprendizaje:
Estrategias de compromiso:
• Asociar en lo posible a los alumnos NEE a un mentor -alumno con mayor experiencia – (TEA)
Página - 34
• Resaltar los éxitos en el proceso de adquisición de aprendizajes (TEA)
• Darles un 50 % más de tiempo para realizar las pruebas objetivas y los exámenes prácticos (TEA y
DV)
Estrategias de representación
• Las preguntas se enunciarán de manera que sean cortas y concretas (TEA)
• Se utilizará la duplicación de pantalla para poder visualizar mejor los contenidos de lo expuesto en
el proyector (DV)
Estrategias de acción y expresión
• Se empleará el software de accesibilidad de Windows (TEA y DV)
• Se emplearán programas específicos para leer el contenido de los textos que aparecen en pantalla
(DV)
• Situar en el aula a los alumnos cerca del profesor y de las pantallas /veledas (TEA y DV)
10. Actividades Extraescolares y Complementarias
Están previstas las siguientes actividades complementarias:
• Jornada de presentación del curso de especialización ante empresas del sector, con networking
de empresas y alumnos
• Charla sobre derechos constitucionales, ética e inteligencia artificial, por un especialista

universitario de reconocido prestigio
• Datathon en el que participen los alumnos del curso organizado por empresa del sector
11. Evaluación de la práctica docente e indicadores de logro
10.1. Evaluación de la práctica docente
La evaluación del programa por parte del docente es un elemento incluido en el Proyecto Curricular y
se lleva a cabo fundamentalmente siguiendo los siguientes criterios:
• Adecuación de las Unidades de Trabajo
• Selección de contenidos y coherencia con los objetivos expresados.
• Actividades programadas: variedad claridad y adecuación a las peculiaridades de cada alumno.
• Materiales aportados y/o sugeridos: facilidad de utilización, de comprensión, su utilidad y su

diversidad
• La actuación del profesorado interviniente, coordinación, desempeño.
• La actuación de los alumnos.
• El ámbito de aula: organización, espacios, agrupaciones.
• La valoración externa y asesoramiento del SITE
En cuanto a los procedimientos a utilizar se recomiendan:
• El contraste de experiencias entre compañeros de equipo docente o con otros compañeros

Página - 35
• Los cuestionarios a contestar por los propios profesores, por los alumnos y en su caso por los
padres de estos
• La reflexión del propio docente sobre su experiencia en el aula
10.2. Indicadores de logro
Dentro del aula, debe evaluarse, por un lado la planificación del documento de la Programación
didáctica y por otro lado, la práctica docente. Para ello utilizaremos una lista de cotejo con
indicadores de logro de 0 a 5 con el siguiente significado
Indicador Significado
0 No se ha alcanzado ningún logro 0%
1 Logro inferior a lo aceptable 25%
2 Logro aceptable 50%
3 Logro notable 75%
4 Logro excepcional 100%
Los referentes a través de los que se realiza esta evaluación son:
Indicadores de logro de la planificación de la programación didáctica de aula
Indicador 0 1 2 3 4
Basa la planificación en referentes legales actualizados.
Tiene en cuenta los objetivos del currículo de la Comunidad Autónoma.
Es flexible en la utilización de instrumentos para la evaluación de los alumnos.
Tiene en cuenta medidas para atender a la diversidad de los alumnos.
Emplea recursos informáticos actualizados para el desarrollo de las clases de la asignatura.
Indicadores de logro de la práctica docente:
Indicador 0 1 2 3 4
Colabora con el resto de los compañeros de departamento a la hora de

proponer actividades a los alumnos.
Emplea estrategias expositivas e indagatorias para hacer llegar a los alumnos

los contenidos de estudio.
Organiza la clase de distintas formas para favorecer la socialización y el

trabajo en grupo.
Fomenta la auto-evaluación y la co-evaluación en clase.
Emplea una metodología adecuada para ajustarse a los distintos ritmos de

aprendizaje de los alumnos.
Favorece la actividad mental del alumno.
Página - 36
Optimiza el tiempo disponible para la enseñanza.
Evalúa y controla el proceso de compresión y apropiación de los contenidos

por parte de los alumnos.
Indicadores de logro de la adecuación de los materiales y recursos didácticos
Indicador 0 1 2 3 4
Utiliza las herramientas disponibles en el aula-taller para favorecer un aprendizaje más

práctico.
Favorece que los alumnos trabajen en grupo en el taller.
Favorece la variación de los miembros de los grupos para aumentar el compañerismo entre
los alumnos.
Favorece la participación en clase de los alumnos fomentando que presenten todas las dudas
que tengan.
Favorece que los alumnos resuelvan problemas adaptados del mundo real adaptados a su
nivel académico.
Favorece que los alumnos aprendan por sí mismos.
Tiene en cuenta los conocimientos previos de los alumnos a la hora de diseñar los
contenidos.
Incentiva a los alumnos para que busquen información adicional.
Propone proyectos que integren varios bloques de contenido.
Media en los conflictos entre los alumnos.
Resuelve rápidamente los momentos de distracción de los alumnos con anécdotas u otros
métodos que vuelven a centrar la atención de la clase.
Utiliza variedad de materiales didácticos.
Indicadores de logro de la eficacia de las medidas de atención a la diversidad:
Indicador 0 1 2 3 4
Prepara ejercicios para los alumnos que tienen dificultades con los contenidos mostrados.
Tiene disponibles materiales de ampliación de conocimientos.
Explica varias veces los contenidos básicos de distinta forma para que todos los alumnos
puedan comprenderlos.
Se asegura de que los conceptos son comprendidos por los estudiantes.
Contesta adecuadamente a las preguntas de todos los alumnos, aunque sean repetidas.
Motiva a los alumnos rezagados o distraídos.
Página - 37
La evaluación se realiza de forma continua. En un primer momento se valora el contexto y las circunstancias
del aula para poder establecer un punto de partida. Durante el curso se valora la enseñanza, para poder
tomar las medidas correctoras en caso de que sea necesario. A final de curso se hará una reflexión global
que se materializará en una memoria, que se tendrá en cuenta en posteriores programaciones y se incluirá
en la documentación del centro.
11. Bibliografía y normativa
11.1. Bibliografía
Vázquez-Cano, E et al (2022). Como hacer una programación didáctica en Formación Profesional. Sanz y
Torres.
Gairin, J y Ion, G (2021). Prácticas educativas basadas en evidencias. Reflexiones, estrategias y buenas
prácticas. Narcea
11.2. Normativa
Ley Orgánica 3/2022, de 31 de marzo, de ordenación e integración de la Formación Profesional.
Ley Orgánica 3/2020, de 29 de diciembre, por la que se modifica la Ley Orgánica 2/2006, de 3 de mayo, de
Educación.
Ley Orgánica 8/2013, del 9 de diciembre, para la Mejora de la Calidad Educativa
Real Decreto 984/2021, de 16 de noviembre, por el que se regulan la evaluación y la promoción en la

Educación Primaria, así como la evaluación, la promoción y la titulación en la Educación Secundaria
Obligatoria, el Bachillerato y la Formación Profesional. (BOE 17/11/2022)
Real Decreto 1147/2011, de 29 de julio, por el que se establece la Ordenación General de la Formación
Profesional del Sistema Educativo
Real Decreto 279/2021, de 20 de abril, por el que se establece el Curso de especialización en Inteligencia
Artificial y Big Data y se fijan los aspectos básicos del currículo.
Real Decreto 696/1995 (28-4-1995) (BOE 131 02/06) Ordenación de la educación de los alumnos con
necesidades educativas especiales (ámbito ex – territorio MEC).
Resolución de 18 de junio de 2009, de la Consejería de Educación y Ciencia, por la que se regula la

organización y evaluación de la formación profesional del sistema educativo en el Principado de Asturias y
sus respectivas modificaciones.
Circular de inicio de curso 2022-2023: centros públicos. Consejería de Educación del Gobierno del
Principado de Asturias: https://www.educastur.es/-/circulares-inicio-de-curso-2022-2023.-centros-p
%C3%BAblicos-y-privados-sostenidos-con-fondos-p%C3%BAblicos?redirect=%2F
Orientaciones para la elaboración de programaciones docentes de ciclos formativos de fg. Consejería de

Educación del Gobierno del Principado de Asturias. https://www.educastur.es/-/orientaciones-para-la-
elaboracion-de-programaciones-docentes-de-ciclos-formativos-de-fp
Página - 38

Programación Didáctica Programación de Inteligencia Artificial 2023-24

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Programación Didáctica Programación de Inteligencia Artificial 2023-24

Cargado por

Copyright:

Formatos disponibles

I.E.S.

DEPARTAMENTO DE FAMILIA PROFESIONAL:

CERTIFICADO EN INTELIGENCIA ARTIFICIAL Y BIG

P-5.5.4-INTELIGENCIA ARTIFICIAL Y BIG DATA

1.1. Principios y fines de esta programación didáctica

1.2. Identificación del título y módulo. Contexto profesional y normativo

1.2.1. Identificación del título y módulo

 Denominación: Inteligencia Artificial y Big Data.

 Nivel: Formación Profesional de Grado Superior.

 Duración: 600 horas.

 Familia Profesional: Informática y Comunicaciones. (Únicamente a efectos de clasificación de

 Ramas de conocimiento: Ciencias. Ingeniería y Arquitectura.

 Equivalencia en créditos ECTS: 36.

 Referente en la Clasificación Internacional Normalizada de la Educación: P-5.5.4.

Programación de Inteligencia Artificial (código 5073) es un módulo que se imparte en el curso de

1.2.2. Contexto profesional y normativo

Esto se refleja en la creciente demanda de profesionales competentes en Inteligencia Artificial y Big

1.3. Contexto socioeducativo. Tipología del alumnado, familias, profesorado y centro

1.3.1. Tipología del centro

1.3.2. Alumnado y familias

En las etapas de ESO y Bachillerato, el perfil del alumnado es el de jóvenes de un entorno

Toda esta diversidad de alumnado y, por consiguiente, de enseñanzas, se encuentra distribuida en

o Mantener la línea de mejora de la calidad educativa, incrementando las tasas de

o Promover en los centros, con la participación de toda la comunidad educativa, un clima de

o Fomentar el desarrollo de la competencia digital del alumnado y el desarrollo de las

1.4.2. Memoria de la materia del curso académico anterior.

 Disponer de equipos adecuados para el curso de especialización

El módulo de Programación de Inteligencia Artificial, como se indica en el apartado 1.2, lleva

2.1. Objetivo de la Formación Profesional

De acuerdo con el artículo 40 de la LOMLOE, la Formación Profesional en el sistema educativo

a) Desarrollar las competencias propias de cada título de formación profesional.

b) Comprender la organización y las características del sector productivo correspondiente, así

g) Desarrollar una identidad profesional motivadora de futuros aprendizajes y adaptaciones a la

h) Desarrollar las competencias de innovación y emprendimiento que favorezcan su

i) Preparar al alumnado para su progresión en el sistema educativo.

j) Conocer y prevenir los riesgos medioambientales.

k) Preparar al alumnado en materia de digitalización en su sector productivo.

2.2. Objetivos generales del curso

b) Seleccionar datos relevantes de la empresa u organización para desarrollar e implementar

c) Aplicar técnicas de tratamiento de datos para gestionar la transformación digital en las

d) Caracterizar sistemas de la Inteligencia Artificial para implantar funcionalidades, procesos y

f) Caracterizar procesos de mejora de la productividad de las empresas para administrar el desarrollo

g) Aplicar herramientas de inteligencia artificial para optimizar el desarrollo de los procesos

h) Utilizar soluciones de Big Data para integrar sistemas de explotación de datos.

j) Determinar la documentación técnica y normativa vigente de los procedimientos de protección de

m) Analizar y utilizar los recursos y oportunidades de aprendizaje relacionados con la evolución

ñ) Evaluar situaciones de prevención de riesgos laborales y de protección ambiental, proponiendo y

p) Identificar y aplicar parámetros de calidad en los trabajos y actividades realizados en el proceso de

Este curso contribuye a la consecución de los objetivos generales o institucionales 1, 2, 3, 4, 5, 6, 7, y

2.4 Resultados de aprendizaje

4.1 Competencia general

La competencia general de este curso de especialización consiste en programar y aplicar sistemas

4.2 Competencias profesionales, personales y sociales

b) Desarrollar e implementar sistemas de Inteligencia Artificial que faciliten la toma de decisiones

c) Gestionar la transformación digital necesaria en las organizaciones para la consecución de la

d) Aplicar Inteligencia Artificial en funcionalidades, procesos y sistemas de decisión empresariales.

e) Gestionar los distintos tipos de Inteligencia Artificial para la consecución de transformación y

f) Administrar el desarrollo de procesos automatizados que permitan la mejora de la productividad

g) Optimizar el desarrollo de procesos autónomos empleando herramientas de Inteligencia Artificial.

h) Integrar sistemas de explotación de grandes volúmenes de datos aplicando soluciones de Big

i) Implantar las funcionalidades, procesos y sistemas de decisiones empresariales aplicando técnicas

l) Gestionar de manera eficiente los datos, la información y su representación para transformarlos

n) Adaptarse a las nuevas situaciones laborales, manteniendo actualizados los conocimientos