¡Descarga Informática Aplicada a Procesos Químicos: Sílabo del Curso con Python y más Guías, Proyectos, Investigaciones en PDF de Ingeniería Química solo en Docsity!
INFORMÁTICA APLICADA A LOS PROCESOS QUÍMICOS
MODALIDAD PRESENCIAL
SÍLABO POR COMPETENCIAS
CURSO:
INFORMÁTICA APLICADA A LOS PROCESOS QUÍMICOS
UNIVERSIDAD NACIONAL
JOSÉ FAUSTINO SÁNCHEZ CARRIÓN
VICERRECTORADO ACADÉMICO
FACULTAD DE INGENIERÍA QUÍMICA Y METALÚRGICA
ESCUELA PROFESIONAL DE INGENIERÍA QUÍMICA
I. DATOS GENERALES
Línea de carrera Formación Profesional Básica
Semestre académico 2025 - I
Código del curso 3505205 Pre Requisito: 3505155
Créditos 03
Horas semanales Horas Totales: 05^ Teóricas: 01^ -^ Prácticas: 01^ - Laboratorio: 03
Ciclo III
Sección A
Apellidos y nombres del
docente
CARREÑO CISNEROS, EDGARDO OCTAVIO
N° de celular 995204244
II. SUMILLA
El curso "Informática Aplicada a Procesos Químicos" está diseñado para proporcionar a los
estudiantes de Ingeniería Química una comprensión integral de las herramientas computacionales y
tecnológicas aplicadas en el campo de la ingeniería química. A lo largo del curso, se explorarán
conceptos fundamentales y técnicas prácticas para resolver problemas relacionados con los procesos
químicos mediante el uso de software especializado y lenguajes de programación estructurados,
específicamente python. Los estudiantes aprenderán a diseñar y desarrollar soluciones informáticas
que optimicen procesos industriales, garantizando la eficiencia y la seguridad de las operaciones.
El curso también abordará la importancia de las bases de datos en la gestión de información
en contextos de ingeniería y producción, permitiendo a los estudiantes adquirir habilidades en la
organización y el manejo de datos relevantes para la industria química. De esta manera, se prepara
INFORMÁTICA APLICADA A LOS PROCESOS QUÍMICOS
a los estudiantes para enfrentar los desafíos tecnológicos en el ámbito de la ingeniería química,
fortaleciendo su capacidad para integrar conocimientos computacionales con el análisis de procesos
químicos.
Asimismo, se buscas lograr que el estudiante analice, diseñe y construya soluciones
computacionales a problemas del ámbito de la ingeniería química, utilizando un lenguaje
estructurado que asegure su funcionamiento eficiente y seguro. Los estudiantes serán capaces de
aplicar conocimientos informáticos para mejorar procesos industriales, garantizando la calidad y
sostenibilidad de las operaciones químicas.
En cuanto a la sumilla, se abarcan nociones elementales e introducción a la base de datos,
necesidades informáticas en empresas de ingeniería y empresas de producción. Se enfoca a
desarrollar competencias para que los estudiantes analicen, diseñen y construyan soluciones
computacionales a problemas de ingeniería química utilizando un lenguaje estructurado, asegurando
así su funcionamiento eficiente y seguro.
III. CAPACIDADES AL FINALIZAR EL CURSO
CAPACIDAD DE LA UNIDAD
DIDÁCTICA
NOMBRE DE LA UNIDAD
DIDÁCTICA SEMANAS
UNIDAD
I
Ante la necesidad de resolver problemas
matemáticos y químicos simples , desarrolla
habilidades básicas en Python, comprendiendo
su sintaxis y estructuras de control
fundamentales.
Introducción a Python y
Aplicaciones en Ingeniería
Química
UNIDAD
II
Frente a la demanda de manipular conjuntos de datos químicos de manera eficiente , aplica técnicas avanzadas de manejo de datos en Python, incluyendo la creación y gestión de bases de datos relacionales para el almacenamiento seguro de información.
Manejo de Datos y Base de
Datos en Python
UNIDAD
III
En respuesta a la necesidad de simular
procesos químicos complejos , diseña modelos
matemáticos y aplica técnicas de simulación
utilizando Python, integrando herramientas de
análisis de datos para evaluar y optimizar
procesos químicos.
Simulación de Procesos
Químicos
UNIDAD
IV
Para optimizar y automatizar procesos
químicos industriales , crea soluciones
computacionales innovadoras mediante el uso
de Python, implementando algoritmos que
mejoren la eficiencia y seguridad de las
operaciones en el contexto industrial.
Optimización y
Automatización de Procesos
V.- DESARROLLO DE LAS UNIDADES DIDÁCTICAS CAPACIDAD DE LA UNIDAD DIDÁCTICA I: Ante la necesidad de resolver problemas matemáticos y químicos simples, desarrolla habilidades
básicas en Python, comprendiendo su sintaxis y estructuras de control fundamentales.
UNIDAD DIDÁCTICA I:
Introducción a Python y Aplicaciones en Ingeniería Química
Sem ana Contenidos Estrategia de enseñanza Indicadores de logro de la Conceptual Procedimental Actitudinal^ capacidad
Conceptual: Sintaxis básica de Python Uso de variables y operadores básicos Atención al detalle
- Clase magistral, ejercicios guiados y práctica en laboratorio
- Demostración práctica, trabajo en parejas y ejercicios prácticos.
- Aprendizaje cooperativo y resolución de problemas.
- Talleres prácticos y ejercicios en laboratorio. Identifica y utiliza correctamente la sintaxis básica de Python.
Operadores y estructuras de control Creación de estructuras condicionales y bucles Perseverancia en la resolución de problemas. Aplica operadores matemáticos y estructuras de control en ejercicios simples.
Conceptual: Funciones y modularidad Creación y uso de funciones Colaboración en pares para el desarrollo de soluciones. Desarrolla funciones en Python que resuelvan problemas matemáticos básicos.
Aplicaciones químicas de Python Desarrollo de scripts para cálculos Interés por la aplicación práctica del conocimiento. Implementa scripts en Python para cálculos químicos simples.
EVALUACIÓN DE LA UNIDAD DIDÁCTICA
EVIDENCIA DE
CONOCIMIENTOS
EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO
Conocimiento de la sintaxis básica de Python (declaración de variables, operadores matemáticos, estructuras de control como condicionales y bucles). Scripts de Python que demuestran el uso correcto de la sintaxis, operadores matemáticos, y estructuras de control Desarrollo de ejercicios en Google Colab que impliquen la resolución de problemas matemáticos y químicos simples, demostrando una comprensión fundamental de Python y la capacidad de aplicar su sintaxis y estructuras de control en la práctica.
CAPACIDAD DE LA UNIDAD DIDÁCTICA II: Frente a la demanda de manipular conjuntos de datos químicos de manera eficiente, aplica técnicas
avanzadas de manejo de datos en Python, incluyendo la creación y gestión de bases de datos relacionales para el almacenamiento seguro de información.
UNIDAD DIDÁCTICA II:
Manejo de Datos y Base de Datos en Python
Semana Contenidos Estrategia de
enseñanza
Indicadores de logro de
Conceptual Procedimental Actitudinal^ la^ capacidad
Manejo de datos en Python Importación y limpieza de datos Minuciosidad en la gestión de datos Clase magistral, ejemplos prácticos y ejercicios en laboratorio. Estudios de casos y prácticas en laboratorio. Proyecto práctico y discusión en grupo. Clase interactiva y ejercicios de práctica guiada Importa, limpia y organiza datos utilizando bibliotecas de Python como Pandas.
Manipulación de datos químicos Filtrado y manipulación de datos Curiosidad por investigar patrones en los datos. Manipula conjuntos de datos químicos para extraer información relevante.
7 Conceptos de bases de dato
Creación de bases de datos en Python Organización en el diseño de bases de datos Diseña y crea bases de datos relacionales para almacenar datos químicos
Aplicaciones de Python a problemas estequiométricos Resuelve problemas estequiométricos Precisión en la ejecución de problemas Resuelve problemas estequiométricos.
EVALUACIÓN DE LA UNIDAD DIDÁCTICA
EVIDENCIA DE
CONOCIMIENTOS
EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO
Conocimiento de bibliotecas como Pandas para la manipulación de datos, técnicas de limpieza y organización de datos.
- Conocimiento de SQL y SQLite para la creación y gestión de bases de datos relacionales Conjuntos de datos químicos limpiados y organizados. Base de datos relacional creada en SQLite con datos químicos relevantes, junto con consultas SQL realizadas para obtener información específica de la base de datos. Realización de tareas en Google Colab que impliquen la importación, limpieza y organización de datos químicos, así como la creación, gestión y consulta de bases de datos relacionales utilizando Python y SQLite.
CAPACIDAD DE LA UNIDAD DIDÁCTICA IV : Para optimizar y automatizar procesos químicos industriales, crea soluciones computacionales
innovadoras mediante el uso de Python, implementando algoritmos que mejoren la eficiencia y seguridad de las operaciones en el contexto industrial.
UNIDAD DIDÁCTICA IV:
Optimización y Automatización de Procesos
Semana Contenidos Estrategia de
enseñanza
Indicadores de logro de la
capacidad
Conceptual Procedimental Actitudinal
13 Fundamentos^ de
optimización y automatización Análisis de procesos de optimización Iniciativa en la mejora de procesos. Clase teórica y estudio de casos reales. Laboratorio de programación y resolución de problemas Taller de automatización y proyectos en laboratorio. Presentación de proyectos y retroalimentación grupal. Explica los fundamentos de la optimización y automatización de procesos
14 Algoritmos de optimización Programación de^ algoritmos de
optimización en Python Innovación en la aplicación de algoritmos. Desarrolla algoritmos de optimización utilizando Python para mejorar procesos industriales
15 Automatización de tareas Creación^ de^ scripts^ para
automatización Eficiencia en la automatización de tareas. Implementa scripts en Python para automatizar tareas repetitivas en un entorno químico
16 Integración de
conocimientos Desarrollo de un proyecto integrador Responsabilidad y colaboración en la presentación de proyectos. Diseña y presenta un proyecto integrador que aplique todas las capacidades desarrolladas EVALUACIÓN DE LA UNIDAD DIDÁCTICA EVIDENCIA DE CONOCIMIENTOS
EVIDENCIA DE PRODUCTO EVIDENCIA DE DESEMPEÑO
Comprensión de algoritmos de optimización y su aplicación en procesos industriales.
- Conocimiento de técnicas de automatización en Python para tareas repetitivas en entornos químicos Algoritmos de optimización implementados en Python para mejorar la eficiencia de procesos industriales.
- Scripts automatizados que gestionan tareas repetitivas y mejoran la seguridad en operaciones industriales. Realización de un proyecto integrador en Google Colab que aplique todos los conocimientos adquiridos en optimización y automatización, demostrando la creación de soluciones computacionales innovadoras que mejoren la eficiencia y seguridad en procesos industriales.
VI. MATERIALES EDUCATIVOS Y OTROS RECURSOS DIDÁCTICOS
Se utilizarán todos los materiales y recursos necesarios de acuerdo con la naturaleza de los temas
programados. Principalmente, estos serán:
1. MEDIOS Y PLATAFORMAS VIRTUALES
- Casos prácticos
- Pizarra interactiva
- Repositorios de datos
- Aula virtual
2. MEDIOS INFORMÁTICOS:
- Computadora
- Tablet
- Celulares
- Internet (Google colaboratory) .
VII. EVALUACIÓN
La Evaluación es inherente al proceso de enseñanza aprendizaje virtual y será continua y permanente.
Los criterios de evaluación son de conocimiento, de desempeño y de producto.
1. Evidencias de conocimiento:
Corresponden a los exámenes de conocimiento que se tomarán (0 3 ), en los cuales el alumno pondrá
a prueba todo lo estudiado en cada unidad y en el último módulo el alumno expondrá su trabajo
aplicando los conocimientos adquiridos.
2. Evidencias de desempeño
El alumno estará en capacidad de aprender en cada unidad desarrollada y lograr las capacidades y
competencia del curso. Para ello, se espera que el alumno demuestre un comportamiento adecuado
durante las sesiones de clase, favoreciendo un ambiente propicio para el aprendizaje.
3. Evidencias de producto
Son los entregables de cada unidad (avances de aplicación de lo aprendido) de acuerdo a las unidades
temáticas desarrolladas, así como el proyecto de investigación terminado. Estos avances y el trabajo
completo deberán ser entregados a través de la plataforma virtual.
VARIABLES PONDERACIONES
UNIDADES DIDÁCTICAS
DENOMINADAS
MÓDULOS
Evaluación de Conocimiento 30 %
El ciclo académico
comprende 4
Evaluación de Producto 35%
Evaluación de Desempeño 35 %
