Resultats d'aprenentatge i criteris d'avaluació¶
Curs 2026-2027
RA1 · Models d'intel·ligència artificial¶
Caracteritza i selecciona els models d'intel·ligència artificial adequats per a la seva integració en entorns i desenvolupaments software, relacionant-los amb la millora de l'eficiència operativa de les organitzacions i les empreses.
Hores: 12 h · Bloc: BA1
| CA | Descripció |
|---|---|
| 1.1 | Identifica els principis fonamentals dels sistemes intel·ligents. |
| 1.2 | Recopila informació sobre camps on s'aplica la intel·ligència artificial. |
| 1.3 | Identifica les tècniques bàsiques que cal utilitzar a l'entorn de la IA. |
| 1.4 | Identifica noves formes d'interaccions als negocis que milloren l'eficiència operativa. |
RA2 · Prompt engineering¶
Aplica tècniques de prompt engineering per a la generació, depuració, optimització i documentació de components web en entorns client i servidor, verificant la integritat del codi i complint estàndards de ciberseguretat i bones pràctiques.
Hores: 15 h · Bloc: BA1
| CA | Descripció |
|---|---|
| 2.1 | S'han dissenyat i aplicat tècniques de prompt engineering efectives per a la generació i documentació de components web, cobrint tant l'entorn client com el servidor amb precisió. |
| 2.2 | S'han emprat estratègies de prompting per a la depuració, refactorització i optimització del codi de components web, millorant-ne el rendiment i la qualitat tècnica. |
| 2.3 | S'ha verificat la integritat i el funcionament correcte del codi generat, comprovant que s'integra adequadament en l'arquitectura client-servidor prevista. |
| 2.4 | S'ha validat el compliment dels estàndards de ciberseguretat i les bones pràctiques de programació en tot el codi obtingut mitjançant la intel·ligència artificial. |
RA3 · Consum d'APIs i explotació de serveis d'IA¶
Integra serveis i eines d'IA en aplicacions web mitjançant el consum d'APIs i SDKs de proveïdors d'IA.
Hores: 18 h · Bloc: BA2
| CA | Descripció |
|---|---|
| 3.1 | Utilitza SDKs i APIs REST de proveïdors d'IA (OpenAI, Anthropic, Ollama, Hugging Face, etc.) des d'un entorn de desenvolupament web (Node.js, Python, PHP, etc.). |
| 3.2 | Implementa mecanismes de gestió d'autenticació, claus d'API i control de costos i ràtio de peticions (rate-limiting) de manera segura. |
| 3.3 | Processa respostes estructurades (JSON, Function Calling / Tool Use) generades pels models per integrar-les en la lògica de negoci de l'aplicació. |
| 3.4 | Desenvolupa interfícies web adaptades a respostes en temps real utilitzant tècniques com l'streaming de dades (Server-Sent Events o WebSockets). |
| 3.5 | Integra eines d'assistència al desenvolupament de codi (GitHub Copilot, Cursor, etc.) per optimitzar el propi flux de treball de programació. |
RA4 · Arquitectures de dades per a IA i RAG¶
Dissenya i implementa solucions basades en la generació augmentada per recuperació (Retrieval-Augmented Generation, RAG) i bases de dades vectorials.
Hores: 15 h · Bloc: BA2
| CA | Descripció |
|---|---|
| 4.1 | Entén i genera embeddings de text i multimèdia per a la representació vectorial de la informació. |
| 4.2 | Selecciona, configura i utilitza bases de dades vectorials (Pinecone, Chroma, Qdrant, pgvector, etc.) per a la cerca per similitud. |
| 4.3 | Implementa la canonada (pipeline) d'ingestió de documents: extracció, fragmentació (chunking), generació d'embeddings i emmagatzematge. |
| 4.4 | Construeix un sistema RAG complet interconnectant la cerca vectorial amb un LLM per respondre consultes basades en informació corporativa o privada. |
| 4.5 | Avalua la qualitat de les respostes del sistema RAG mitjançant mètriques de rellevància, fidelitat i recuperació (recall / precision). |
RA5 · Ètica sobre l'ús de la IA i tractament de dades¶
Analitza l'impacte ètic, legal, la seguretat i la privacitat de dades en la implementació de solucions basades en IA.
Hores: 6 h · Bloc: BA3
| CA | Descripció |
|---|---|
| 5.1 | Identifica els biaixos de gènere, culturals o socioeconòmics presents en les dades d'entrenament i en les respostes dels models. |
| 5.2 | Aplica la normativa de protecció de dades (RGPD) en la recollida, l'enviament i el tractament de dades d'usuaris cap a serveis d'IA externs. |
| 5.3 | Avalua els riscos de seguretat específics de la IA, com la prompt injection, la fuita de dades (data leakage) i l'enverinament de dades (data poisoning). |
| 5.4 | Coneix el marc regulador vigent (com l'AI Act de la Unió Europea) i classifica les aplicacions segons el seu nivell de risc. |
| 5.5 | Garanteix la transparència en les aplicacions desenvolupades, informant l'usuari quan interacciona amb un sistema automatitzat o contingut generat per IA. |