| Competencias do título |
| Código | Competencias da titulación |
| A1 | Capacidade para a resolución dos problemas matemáticos que se poden presentar na enxeñaría. Aptitude para aplicar os coñecementos sobre: álxebra linear; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estatística e optimización. |
| A3 | Capacidade para comprender e dominar os conceptos básicos de matemática discreta, lóxica, algorítmica e complexidade computacional e a súa aplicación para a resolución de problemas propios da enxeñaría. |
| A5 | Coñecemento da estrutura, organización, funcionamento e interconexión dos sistemas informáticos, os fundamentos da súa programación e a súa aplicación para a resolución de problemas propios da enxeñaría. |
| A7 | Capacidade para deseñar, desenvolver, seleccionar e avaliar aplicacións e sistemas informáticos que aseguren a súa fiabilidade, seguranza e calidade, conforme a principios éticos e á lexislación e normativa vixente. |
| A8 | Capacidade para planificar, concibir, despregar e dirixir proxectos, servizos e sistemas informáticos en todos os ámbitos, liderando a súa posta en marcha e a súa mellora continua e valorando o seu impacto económico e social. |
| A12 | Coñecemento e aplicación dos procedementos algorítmicos básicos das tecnoloxías informáticas para deseñar solucións a problemas, analizando a idoneidade e a complexidade dos algoritmos propostos. |
| A13 | Coñecemento, deseño e utilización de forma eficiente dos tipos e estruturas de datos máis adecuados á resolución dun problema. |
| A14 | Capacidade para analizar, deseñar, construír e manter aplicacións de forma robusta, segura e eficiente, elixindo o paradigma e as linguaxes de programación máis adecuados. |
| A18 | Coñecemento e aplicación das características, funcionalidades e estrutura das bases de datos, que permitan o seu adecuado uso, e o deseño e a análise e implementación de aplicacións baseadas nelas. |
| A21 | Coñecemento e aplicación dos principios fundamentais e técnicas básicas dos sistemas intelixentes e a súa aplicación práctica. |
| A25 | Capacidade para desenvolver, manter e avaliar servizos e sistemas sóftware que satisfagan todos os requisitos do usuario e se comporten de forma fiable e eficiente, sexan accesibles de desenvolver e manter, e cumpran normas de calidade, aplicando as teorías, principios, métodos e prácticas da enxeñaría do sóftware. |
| A27 | Capacidade de dar solución a problemas de integración en función das estratexias, estándares e tecnoloxías dispoñibles. |
| A28 | Capacidade de identificar e analizar problemas, e deseñar, desenvolver, implementar, verificar e documentar solucións sóftware sobre a base dun coñecemento adecuado das teorías, modelos e técnicas actuais. |
| A39 | Capacidade para ter un coñecemento profundo dos principios fundamentais e modelos da computación, e saber aplicalos para interpretar, seleccionar, valorar, modelar, e crear novos conceptos, teorías, usos e desenvolvementos tecnolóxicos relacionados coa informática. |
| A40 | Capacidade para coñecer os fundamentos teóricos das linguaxes de programación e as técnicas de procesamento léxico, sintáctico e semántico asociadas, e saber aplicalas para a creación, o deseño e o procesamento de linguaxes. |
| A41 | Capacidade para avaliar a complexidade computacional dun problema, coñecer estratexias algorítmicas que poidan conducir á súa resolución e recomendar, desenvolver e implementar aquela que garanta o mellor rendemento de acordo cos requisitos establecidos. |
| A42 | Capacidade para coñecer os fundamentos, paradigmas e técnicas propias dos sistemas intelixentes, e analizar, deseñar e construír sistemas, servizos e aplicacións informáticas que utilicen as ditas técnicas en calquera ámbito de aplicación. |
| A43 | Capacidade para adquirir, obter, formalizar e representar o coñecemento humano nunha forma computable para a resolución de problemas mediante un sistema informático en calquera ámbito de aplicación, particularmente os relacionados con aspectos de computación, percepción e actuación en ambientes ou contornos intelixentes. |
| A44 | Capacidade para desenvolver e avaliar sistemas interactivos e de presentación de información complexa e a súa aplicación á resolución de problemas de deseño de interacción persoa-computadora. |
| A45 | Capacidade para coñecer e desenvolver técnicas de aprendizaxe computacional e deseñar e implementar aplicacións e sistemas que as utilicen, incluídas as dedicadas á extracción automática de información e coñecemento a partir de grandes volumes de datos. |
| B1 | Capacidade de resolución de problemas |
| B2 | Traballo en equipo |
| B3 | Capacidade de análise e síntese |
| B4 | Capacidade para organizar e planificar |
| B5 | Habilidades de xestión da información |
| B6 | Toma de decisións |
| B7 | Preocupación pola calidade |
| B9 | Capacidade para xerar novas ideas (creatividade) |
| C1 | Expresarse correctamente, tanto de forma oral coma escrita, nas linguas oficiais da comunidade autónoma. |
| 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 | ||
| Conocer las distintas técnicas de aprendizaje máquina y aplicarlas correctamente. | A1 A3 A5 A7 A12 A13 A14 A18 A21 A40 A41 A42 A43 |
B1 B3 B4 B5 B6 |
C1 C6 C7 C8 |
| Identificar los problemas en los que las técnicas de Aprendizaje Automático son aplicables. | A1 A8 A12 A13 A14 A21 A25 A28 A41 A42 A43 A44 A45 |
B1 B3 B4 B5 |
C1 C3 C6 C8 |
| Ser capaz de combinar los resultados de distintas técnicas. | A1 A5 A21 A27 A28 A39 A41 A42 A43 A45 |
B1 B2 B3 B6 B7 |
C1 C3 C6 C7 C8 |
| Ser capaz de comparar correctamente los resultados obtenidos con distintas técnicas. | A1 A5 A21 A27 A28 A39 A41 A42 A43 A45 |
B1 B2 B3 B6 B7 |
C1 C3 C6 C7 C8 |
| Aprender y aplicar la metodología de uso de estas técnicas en la resolución de problemas reales. | A1 A5 A7 A12 A13 A14 A21 A27 A28 A39 A41 A42 A45 |
B1 B2 B3 B4 B6 B7 B9 |
C1 C3 C4 C6 C7 C8 |
| Contidos |
| Temas | Subtemas |
| Tema 1: Introducción | 1.1. Introducción al Aprendizaje automático 1.2. Introducción al Aprendizaje Inductivo |
| Tema 2: Aprendizaje supervisado |
2.1. Introducción 2.2. Máquinas de soporte vectorial 2.3. Árboles y Reglas de Decisión 2.4. Regresión. Árboles de Regresión 2.5. Aprendizaje Bayesiano 2.6. Aprendizaje basado en Instancias 2.7. Redes de neuronas artificiales |
| Tema 3: Aprendizaje no supervisado | 3.1. Aprendizaje no supervisado: agrupación 3.2. Redes de neuronas no supervisadas |
| Tema 4: Aprendizaje por refuerzo | 4.1. Procesos de Decisión de Markov 4.2. Aprendizaje por Refuerzo |
| Tema 5: Otros conceptos | 5.1. Evaluación y contraste de hipótesis 5.2. Metaclasificadores 5.3. Programación Lógica Inductiva 5.4. Aprendizaje Relacional |
| Planificación | |||
| Metodoloxías / probas | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Prácticas de laboratorio | 14 | 42 | 56 |
| Traballos tutelados | 7 | 7 | 14 |
| Sesión maxistral | 20 | 60 | 80 |
| Atención personalizada | 0 | 0 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | |||
| Metodoloxías |
| Metodoloxías | Descrición |
| Prácticas de laboratorio | Resolver un problema práctico mediante el uso de las distintas técnicas que se explicarán en las clases de teoría |
| Traballos tutelados | Redacción, bajo la tutela del profesor, de la memoria en la que se explique la resolución del problema realizado en las prácticas del laboratorio |
| Sesión maxistral | Impartición teórica de la materia de la asignatura |
| Atención personalizada |
|
|
| Avaliación | ||
| Metodoloxías | Descrición | Cualificación |
| Traballos tutelados | Resolución de un problema utilizando la metodología y redacción de la memoria. | 20 |
| Sesión maxistral | Preguntas de tipo test sobre los contenidos de teoría y prácticas. | 60 |
| Prácticas de laboratorio | Realización del trabajo práctico y entrega en plazo. | 20 |
| Observacións avaliación | ||
|
Para aprobar la asignatura, el alumno deberá sacar una nota mínima en el examen de teoría. |
||
| Fontes de información |
| Bibliografía básica |
D. Borrajo, J. González, P. Isasi (2006). Aprendizaje automático. Sanz y Torres
Basilio Sierra Araujo (2006). Aprendizaje automático: conceptos básicos y avanzados. Aspectos prácticos utilizando el software WEKA. Pearson Education
Ethem Alpaydin (2004). Introduction to Machine Learning. MIT Press
David Aha (). Lazy Learning. Kluwer Academics Publishers
T.M. Mitchell (1997). Machine Learning. McGraw Hill
Richard Sutton, Andrew Barto (). Reinforcement Learning. An Introduction. MIT Press
Saso Dzeroski, Nada Lavrac (). Relational Data Mining. Springer
Andrew Webb (2002). Statistical Pattern Recognition. Wiley |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | |||||
| Materias que se recomenda ter cursado previamente | ||
|
| Materias que se recomenda cursar simultaneamente | |
|
| Materias que continúan o temario | |||||
|
| Observacións | |