Arquitectura de Computadoras

Sílabo

Accede al sílabo de Arquitectura de Computadoras de la UNMSM:

• Sílabo 2023-II

Contenido del curso

A modo de resumen, estos son los temas que se llevan:

• Semana 01: Estructura, organización y funciones de una computadora. Modelo de Turing y Von Neumann. Elementos internos de un Procesador: ALU, Unidad de control y registros. Señales de interconexión. Canales de Direcciones, Control y Datos.
• Semana 02: Lógica de Comunicación con los dispositivos externos. Puertos de I/O. Interfaces paralelas. Características y emulación con software.
• Semana 03: Microcontrolador. Definición y diferencias con el microprocesador. Arquitectura Harvard.
• Semana 04: Señales Analógicas. Sensores y Actuadores. Conversor Analógico-Digital y Digital-Analógico. Descripción y uso.
• Semana 05: Aplicaciones prácticas del uso de microcontroladores de diferentes marcas.
• Semana 06: Interrupciones. Conceptos y formas de atención. Programación: Interfaces y tiempos.
• Semana 07: Interfaces seriales, USB y chipset. Comunicaciones con Bluetooth. Comunicaciones con Wi-Fi y GPRS/GSM. Criterios y ejemplos de aplicación en Internet de las Cosas.
• Semana 08: Examen Parcial.
• Semana 09: Controlador DMA. Procesadores de Audio.
• Semana 10: Virtualización. Definición, uso y características. Contenedores: Docker, Kubernetes.
• Semana 11: Sistemas de Almacenamiento. Descripción y formas de protección.
• Semana 12: Arquitecturas Paralelas y Vectoriales. Arquitecturas Vectoriales. Supercomputadores.
• Semana 13: Procesadores de Video. Interfaces y adelantos actuales. Monitores. Descripción y características.
• Semana 14: Centro de Datos. Sistemas de Alta Confiabilidad. Integración de conceptos.
• Semana 15: Centro de Datos. Sistemas de Protección e Indicadores de Tolerancia a Fallos.
• Semana 16: Examen Final.

Análisis y Diseño de Algoritmos

Sílabo

Accede al sílabo de Análisis y Diseño de Algoritmos de la UNMSM:

• Sílabo 2023-II

Contenido del curso

A modo de resumen, estos son los temas que se llevan:

• Semana 01: Fundamentos matemáticos (Series, Sumatorias, Logaritmos, Límites, Derivadas). Algoritmos (Formalismo y Abstracción, Especificación, Terna de Hoare). Definición de complejidad algorítmica.
• Semana 02: Notaciones asintóticas (O, Ω, θ). Análisis de estructuras de control. Análisis de las estructuras de datos básicas.
• Semana 03: Algoritmos Recursivos. Análisis de complejidad: Método de la Substitución. Métodos del Árbol de Recursión. Método del Maestro.
• Semana 04: Algoritmos de Ordenación. Análisis de complejidad de los algoritmos comunes (Bubble Sort, Insertion Sort, Selection Sort, Merge Sot, Shell Sort, Quick Sort, HeapSort). Análisis de Complejidad de los algoritmos especiales. Tiempo Lineal (Radix Sort, Counting Sort).
• Semana 05: Algoritmos de Búsqueda y Selección. Análisis de Complejidad (secuencial, por bloques, Quick select, binaria, indexada, árbol binario de búsqueda, Heaps).
• Semana 06: Análisis de Algoritmos en Grafos. Algoritmos de Búsqueda en Anchura, Búsqueda en Profundidad, 
• Semana 07: Análisis de Algoritmos en Grafos. Orden Topológico, Componentes fuertemente Conexas.
• Semana 08: Examen Parcial.
• Semana 09: Algoritmos Voraces. Problema de la asignación de Carga: Interval Scheduling. Problema de la Mochila: Knapsack Problem. Problema del cambio de moneda: Coin Changing.
• Semana 10: Algoritmos Voraces en Grafos. Caminos Cortos en Grafos: Dijkstra's Algorithm. Puentes en grafos: Selecting Breakpoints. Cobertura de vértices (Vertex cover). Árbol de expansión mínimo. Prim's Algorithm. Kruskal's Algorithm.
• Semana 11: División y Conquista. Análisis de Merge Sort. Problema de contar inversiones: Couting Inversions.. Problema del par de puntos cercanos: Closest Pair of Points. Problema de la multiplicación de N enteros: Integer Multiplication. Problema de la Multiplicación de Matrices: Matrix Multiplication.
• Semana 12: Programación dinámica. Definición del Criterio Optimo (OPT). Problema de la asignación de Tareas ponderadas: Weighted Interval Scheduling. Problema de la mayor subsecuencia creciente: Longest Increasing Subsequence. 
• Semana 13: Programación dinámica. Problema de la mochila óptima: Knapsack Problem. Problema de la alineación de secuencia: Sequence Alignment. Problema de la alineación de secuencia en espacio Lineal: Sequence Alignment in Linear Space.
• Semana 14: Algoritmo de retroceso: Ramificación y poda. Introducción a las clases P, NP y NP completos. Reducción y completitud NP: (Reducción, reducciones polinómicas, máquinas de Turing, no determinista, teorema de Coook, completitud NP, pruebas de integridad NP, jerarquía en complejidad computacional). Tratamiento de problemas NP-completos: (algoritmos aproximados, aseguramiento de la calidad, búsqueda heurística, algoritmos heurísticos, algoritmos exactos, enumeración).
• Semana 15: Presentación y exposición del proyecto.
• Semana 16: Examen Final.

Sistemas Digitales

Sílabo

Accede al sílabo de Sistemas Digitales de la UNMSM:

• Sílabo 2022-II

Contenido del curso

A modo de resumen, estos son los temas que se llevan:

• Semana 01: INTRODUCCIÓN A LOS SISTEMAS DIGITALES.
• Semana 02: REPRESENTACIÓN DE LA INFORMACIÓN.
• Semana 03: FUNCIONES LÓGICAS.
• Semana 04: ÁLGEBRA DE BOOLE.
• Semana 05: Mapas de Karnaugh. Quine-McCluskey. Espresso.
• Semana 06: ESTÁNDARES COMBINACIONALES.
• Semana 07: MÁQUINAS DE ESTADOS FINITOS.
• Semana 08: EVALUACIÓN PARCIAL.
• Semana 09: SISTEMAS SECUENCIALES SÍNCRONOS.
• Semana 10: CONTADORES Y REGISTROS.
• Semana 11: SISTEMAS SECUANCIALES ASÍNCRONOS.
• Semana 12: TERMINOLOGÍA Y ARQUITECTURA DE MEMORIA.
• Semana 13: DISPOSITIVOS LÓGICOS PROGRAMABLES (PLD).
• Semana 14: MICROPROCESADORES.
• Semana 15: TRANSFERENCIA ENTRE REGISTROS.
• Semana 16: EXAMEN FINAL.

Procesos de Software

Sílabo

Accede al sílabo de Procesos de Software de la UNMSM:

• Sílabo 2022-II

Contenido del curso

A modo de resumen, estos son los temas que se llevan:

• Semana 01: Introducción al Proceso de Desarrollo de Software.
• Semana 02: Etapas del Proceso de Desarrollo de Software. Planificación, Análisis y Diseño.
• Semana 03: Implementación y pruebas en el Desarrollo de Software.
• Semana 04: Despliegue y mantenimiento del Software.
• Semana 05: Introducción a los modelos de Desarrollo de Software.
• Semana 06: Ciclo de Vida Lineal. Ciclo de Vida en Cascada.
• Semana 07: Ciclo de Vida en V. Ciclo de Vida tipo Sashimi.
• Semana 08: Examen Parcial.
• Semana 09: Ciclo de Vida Iterativo e Incremental.
• Semana 10: Ciclo de Vida orientado a objetos. Ciclo de Vida en Espiral.
• Semana 11: Desarrollo con metodologías ágiles.
• Semana 12: Pruebas de Software. Gestión de la Configuración.
• Semana 13: Modelos de Mejora de Procesos de Software (ISO 15504, CCMI, entre otros)
• Semana 14: Medición del Software.
• Semana 15: Herramientas y métodos para el proceso de Ingeniería de Software.
• Semana 16: Examen Final.

Probabilidades

Sílabo

Accede al sílabo de Probabilidades de la UNMSM:

• Sílabo 2022-I

Contenido del curso

A modo de resumen, estos son los temas que se llevan:

• Semana 01: Fenómeno aleatorio: Definición, caracterización. Espacio muestral asociado a un fenómeno aleatorio. Evento: Definición. Ocurrencia de un evento. Operaciones con eventos.
• Semana 02: Función probabilidad: Definición axiomática, propiedades. Asignación de probabilidades en espacios muestrales finitos. Métodos de enumeración.
• Semana 03: Probabilidad Condicional e Independencia: Definición, propiedades. Regla de Multiplicación. Teorema de Probabilidad Total. Regla de Bayes. Independencia de Eventos. Propiedades. Asignación de probabilidades en espacios muestrales infinitos numerables.
• Semana 04: Variable Aleatoria: Definición. Tipos de Variables Aleatorias. Variable aleatoria. Discreta. Distribución de probabilidad. Variable Aleatoria Continua. Distribución de probabilidad.
• Semana 05: Características numéricas de una variable aleatoria: Esperanza de una variable aleatoria, propiedades. Varianza de una variable aleatoria, propiedades.
• Semana 06: Modelos de probabilidad especiales: Distribución de Bernoulli. Distribución Binomial. Distribución Geométrica. Distribución Hipergeométrica. Distribución de Poisson.
• Semana 07: Modelos de probabilidades. Distribución Uniforme. Distribución Exponencial. Distribución Normal. Propiedades. Estandarización.
• Semana 08: Examen Parcial.
• Semana 09: Distribuciones en el muestreo: Distribución Ji Cuadrado. Distribución t de Student. Distribución F de Snedecor. Métodos comunes de muestreo aleatorio probabilístico.
• Semana 10: Distribución muestral de una estadística: Distribución de la media muestral. Distribución de la varianza muestral. Distribución de la proporción muestral. Teorema del Límite Central. Distribución de la diferencia de proporciones muestrales. Distribución de la razón de varianzas muestrales. Distribución de la diferencia de medias muestrales.
• Semana 11: Estimación de parámetros: Estimación puntual y por intervalos. Propiedades de un buen estimador. Intervalos de confianza parala media de una población normal. Tamaño de muestra. Intervalo de confianza para la varianza de una población normal. Intervalo de Confianza para la proporción de una población de Bernoulli.
• Semana 12: Estimación de parámetros: Intervalos de confianza para la diferencia de medias de dos poblaciones normales independientes. Intervalo de confianza para la diferencia de proporciones de dos poblaciones de Bernoulli. Intervalo de confianza para la razón de varianzas de dos poblaciones normales.
• Semana 13: Conceptos básicos de prueba de hipótesis: La hipótesis estadística. Tipos de hipótesis. Errores en la prueba de hipótesis. Región crítica. Nivel de Significación. Prueba de hipótesis para la media de una población Normal. Valor p de una prueba de hipótesis.
• Semana 14: Conceptos básicos de prueba de hipótesis: Prueba de hipótesis para la varianza de una población normal. Prueba de hipótesis para la proporción de una población de Bernoulli. Prueba de hipótesis para la diferencia de proporciones de dos poblaciones de Bernoulli independientes.
• Semana 15: Conceptos básicos de prueba de hipótesis: Prueba de hipótesis para la razón de varianzas de dos poblaciones normales independientes. Prueba de hipótesis para la diferencia de medias de dos poblaciones normales independientes.
• Semana 16: Examen Final.