| Competencias do título |
| Código | Competencias da titulación |
| A2 | Comprender os conceptos básicos da aprendizaxe computacional, as diferentes técnicas dispoñibles e o seu ámbito de aplicabilidade. Ser capaz de aplicar as distintas técnicas de aprendizaxe empregando unha metodoloxía axeitada. |
| B2 | Destreza na adquisición do coñecemento, análise do estado da arte e bibliografía relevante nunha área de investigación. |
| B3 | Capacidade para identificar problemas e formular adecuadamente as hipóteses a contrastar seguindo unha metodoloxía científica. |
| B4 | Aplicación do método científico mediante análise empírico das hipóteses formuladas ou mediante demostración formal, no caso de propiedades matemáticas. Destreza no deseño de experimentos e a análise de resultados. |
| B5 | Aptitude para a correcta elaboración e redacción de publicacións científicas tales como artigos de revista ou informes técnicos. |
| B6 | Soltura e facilidade para a presentación oral, a transmisión de conceptos, problemas, solucións e resultados relevantes en investigación, tanto a público especializado como a non especializado. |
| B7 | Acostumarse ó uso do inglés como principal idioma de adquisición e transmisión de coñecemento científico e de investigación. |
| B8 | Coñecer resultados recentes en áreas de investigación punteiras e presentados de primeira man polos seus propios autores ou especialistas de recoñecido prestixio. |
| C2 | Dominar a expresión e a comprensión de forma oral e escrita dun idioma estranxeiro. |
| C3 | Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida. |
| C4 | Desenvolverse para o exercicio dunha cidadanía aberta, culta, crítica, comprometida, democrática e solidaria, capaz de analizar a realidade, diagnosticar problemas, formular e implantar solucións baseadas no coñecemento e orientadas ao ben común. |
| C6 | Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñible para resolver os problemas cos que deben enfrontarse. |
| C7 | Asumir como profesional e cidadán a importancia da aprendizaxe ao longo da vida. |
| C8 | Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
| Resultados de aprendizaxe | |||
| Competencias de materia (Resultados de aprendizaxe) | Competencias da titulación | ||
| Comprender los conceptos básicos del aprendizaje computacional, las diferentes técnicas disponibles (estadísticas, de la IA simbólica y neuronal) y su ámbito de aplicabilidad. | AI2 |
BI2 BI3 BI7 |
CM2 CM3 CM7 CM8 |
| Ser capaz de aplicar las distintas técnicas de aprendizaje empleando una metodología adecuada. | AI2 |
BI3 BI4 |
CM3 CM6 |
| Conocer las técnicas disponibles para la evaluación de los sistemas de aprendizaje y selección de modelos | AI2 |
BI3 BI4 |
CM3 CM7 |
| Utilizar los conocimientos adquiridos en diversas aplicaciones reales del aprendizaje. | AI2 |
BI2 BI3 BI8 |
CM3 CM6 |
| Aprender a redactar documentos científicos | BI4 BI5 BI6 BI7 |
CM4 CM8 |
|
| Contidos |
| Temas | Subtemas |
| TEMA 1: Introducción al aprendizaje | 1.1. Areas de aplicación y tipos de problemas 1.2. Características deseables de los sistemas de aprendizaje 1.3. Perspectiva general de las distintas aproximaciones y tipos de aprendizaje |
| TEMA 2: Teoría del aprendizaje computacional: estimación del error real, dimensión V-C |
2.1. El problema de la precisión. 2.2. La dimensión Vapnik-Chervonenkis 2.3. La maldición de la dimensionalidad y la selección de variables |
| TEMA 3: Aprendizaje estadístico | 3.1. El discriminante lineal de Fisher 3.2. Discriminante cuadrático 3.3. Discriminante logístico 3.4. Análisis cluster |
| TEMA 4: Aprendizaje basado en kernels | 4.1. Nomenclatura y definiciones previas 4.2. SVMs lineales: caso separable 4.3. SVMs lineales: caso no separable 4.4. SVMs no lineales 4.5. SVMs multiclase |
| TEMA 5: Aprendizaje basado en árboles de decisión | 5.1. Objetivo de la IA simbólica 5.2. Generalidades de los algoritmos de aprendizaje en IA simbólica 5.3. Listas de decisión 5.4. Inducción de reglas (AQ) 5.5. Árboles de decisión (Quinlan) 5.6. Medidas de rendimiento: entropía e información mutua |
| TEMA 6: Aprendizaje conexionista | 6.1. Redes de neuronas artificiales: conceptos avanzados 6.2. Redes funcionales 6.3. Redes dinámicas |
| TEMA 7: Computación Evolutiva | 7.1 Esquema general de los métodos de computación evolutiva 7.2 Clasificación de algoritmos evolutivos: Algoritmos geneticos, estrategias evolutivas y programación genética y evolutiva 7.3 Algoritmos Genéticos: 7.3.1 Principales métodos de selección y operadores genéticos 7.3.2 Teorema de los esquemas. El problema de la epistasis |
| TEMA 8: Sistemas difusos | 8.1. Dificultades en el desarrollo de sistemas inferenciales difusos 8.2. Modelado difuso y aprendizaje máquina 8.3. Sistemas neurodifusos |
| TEMA 9: Metodología experimental y análisis de resultados | 9.1. Diseño experimental 9.2. Preprocesado de datos 9.2.1 Preparación de los datos 9.2.2 Reducción de la dimensionalidad 9.2.3 Normalización 9.3. Métodos para la estimación del error 9.4. Análisis de resultados |
| TEMA 10: Métodos de selección de modelos | 10.1. Introducción 10.2. Comparación de dos modelos 10.3. Comparación de múltiples modelos 10.3.1 Métodos de análisis de varianza 10.3.2 Métodos de comparación múltiple |
| Planificación | |||
| Metodoloxías / probas | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | 33 | 33 | 66 |
| Lecturas | 6 | 9 | 15 |
| Prácticas de laboratorio | 10 | 0 | 10 |
| Investigación (Proxecto de investigación) | 0 | 20 | 20 |
| Presentación oral | 12 | 5 | 17 |
| Proba obxectiva | 3 | 9 | 12 |
| Atención personalizada | 10 | 0 | 10 |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | |||
| Metodoloxías |
| Metodoloxías | Descrición |
| Sesión maxistral | Exposición oral complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con el objetivo de transmitir conocimiento así como de estimular el razomaniento crítico del estudiante. |
| Lecturas | Conjunto de textos y documentación escrita, principalmente en lengua extranjera (inglés), que se ha recogido y editado como fuente de información y profundización en los contenidos trabajados en las clases magistrales. |
| Prácticas de laboratorio | Actividad que permite que los estudiantes aprendan efectivamente a través de la realización de actividades de carácter práctico, tales como demostraciones, ejercicios, experimentos, simulaciones e investigaciones. |
| Investigación (Proxecto de investigación) | Proceso de enseñanza orientado al aprendizaje del alumnado mediante la realización de actividades de carácter práctico a través de las cuales se plantean situaciones que requieren al estudiante identificar un problema objeto de estudio, formularlo con precisión, desarrollar los procedimientos pertinentes, interpretar los resultados y sacar las conclusiones oportunas del trabajo realizado. |
| Presentación oral | Permite al alumnado aprender de forma autónoma, a través de actividades de carácter práctico (demostraciones, simulaciones, etc.) la teoría de la asignatura, mediante la utilización de las tecnologías de la información y las comunicaciones. Las TIC suponen un excelente soporte y canal para el tratamiento de la información y aplicación práctica de conocimientos, facilitando el aprendizaje y el desarrollo de habilidades por parte del alumnado. |
| Proba obxectiva | Prueba escrita utilizada para la evaluación del aprendizaje |
| Atención personalizada |
|
|
| Avaliación | ||
| Metodoloxías | Descrición | Cualificación |
| Investigación (Proxecto de investigación) | Trabajo en grupo que abordará cada uno de los temas de la materia, por lo que se realizará en diversas fases a lo largo del curso. Su realización en la forma y condiciones que se detallarán durante el curso es imprescindible para aprobar la asignatura. |
75 |
| Presentación oral | Periódicamente se establecen sesiones de presentación y discusión de los detalles del proyecto de investigación, los resultados obtenidos y las conclusiones extraídas. En caso de no asistir a las sesiones de presentación de los trabajos realizados en los proyectos, el estudiante deberá realizar una prueba objetiva, así como entregar un documento científico/técnico en el cual se recojan los detalles del proyecto de investigación, los resultados obtenidos y las conclusiones extraídas. |
25 |
| Proba obxectiva | Prueba escrita utilizada para la evaluación del aprendizaje de todos o algunos de los temas de la materia; siguiendo la normativa académica el profesor podrá eximir de la presentación al examen a aquellos estudiantes que superasen la materia mediante os otros sistemas de evaluación. La nota de este examen hará media con el proyecto de investigación y, por tanto, se puntúa dentro del porcentaje de calificación asignado al mismo. |
0 |
| Observacións avaliación | ||
| Fontes de información |
| Bibliografía básica |
Alpaydin, E. (2004). Introduction to Machine Learning. The MIT Press
Nilsson, N. J. (1996). Introduction to Machine Learning. Draft of Incomplete Notes. http://robotics.stanford.edu/people/nilsson/mlbook.html
Mitchell, T. (1997). Machine Learning. WCB/McGraw-Hill
Michie, D., Spiegelhalter, D. J., Taylor, C. C., (editores) (1994). Machine Learning: Neural and statistical classification. Ellis Horwood
Bishop, C. (1996). Neural Networks for Pattern Recognition. Oxford University Press |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | ||
| Materias que se recomenda ter cursado previamente | ||
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |