| Competencias del título |
| Código | Competencias de la titulación |
| A1 | Capacidad para la resolución de los problemas matemáticos que puedan plantearse en la ingeniería. Aptitud para aplicar los conocimientos sobre: álgebra lineal; cálculo diferencial e integral; métodos numéricos; algorítmica numérica; estadística y optimización. |
| A3 | Capacidad para comprender y dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para la resolución de problemas propios de la ingeniería. |
| A5 | Conocimiento de la estructura, organización, funcionamiento e interconexión de los sistemas informáticos, los fundamentos de su programación, y su aplicación para la resolución de problemas propios de la ingeniería. |
| A7 | Capacidad para diseñar, desarrollar, seleccionar y evaluar aplicaciones y sistemas informáticos, asegurando su fiabilidad, seguridad y calidad, conforme a principios éticos y a la legislación y normativa vigente. |
| A8 | Capacidad para planificar, concebir, desplegar y dirigir proyectos, servicios y sistemas informáticos en todos los ámbitos, liderando su puesta en marcha y su mejora continua y valorando su impacto económico y social. |
| A12 | Conocimiento y aplicación de los procedimientos algorítmicos básicos de las tecnologías informáticas para diseñar soluciones a problemas, analizando la idoneidad y complejidad de los algoritmos propuestos. |
| A13 | Conocimiento, diseño y utilización de forma eficiente de los tipos y estructuras de datos más adecuados a la resolución de un problema. |
| A14 | Capacidad para analizar, diseñar, construir y mantener aplicaciones de forma robusta, segura y eficiente, eligiendo el paradigma y los lenguajes de programación más adecuados. |
| A18 | Conocimiento y aplicación de las características, funcionalidades y estructura de las bases de datos, que permitan su adecuado uso, y el diseño y el análisis e implementación de aplicaciones basadas en ellos. |
| A21 | Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica. |
| A25 | Capacidad para desarrollar, mantener y evaluar servicios y sistemas software que satisfagan todos los requisitos del usuario y se comporten de forma fiable y eficiente, sean asequibles de desarrollar y mantener, y cumplan normas de calidad, aplicando las teorías, principios, métodos y prácticas de la ingeniería del software. |
| A27 | Capacidad de dar solución a problemas de integración en función de las estrategias, estándares y tecnologías disponibles. |
| A28 | Capacidad de identificar y analizar problemas, y diseñar, desarrollar, implementar, verificar y documentar soluciones software sobre la base de un conocimiento adecuado de las teorías, modelos y técnicas actuales. |
| A39 | Capacidad para tener un conocimiento profundo de los principios fundamentales y modelos de la computación y saberlos aplicar para interpretar, seleccionar, valorar, modelar, y crear nuevos conceptos, teorías, usos y desarrollos tecnológicos relacionados con la informática. |
| A40 | Capacidad para conocer los fundamentos teóricos de los lenguajes de programación y las técnicas de procesamiento léxico, sintáctico y semántico asociadas, y saber aplicarlas para la creación, diseño y procesamiento de lenguajes. |
| A41 | Capacidad para evaluar la complejidad computacional de un problema, conocer estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos. |
| A42 | Capacidad para conocer los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes, y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación. |
| A43 | Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en ambientes o entornos inteligentes. |
| A44 | Capacidad para desarrollar y evaluar sistemas interactivos y de presentación de información compleja y su aplicación a la resolución de problemas de diseño de interacción persona computadora. |
| A45 | Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos. |
| B1 | Capacidad de resolución de problemas |
| B2 | Trabajo en equipo |
| B3 | Capacidad de análisis y síntesis |
| B4 | Capacidad para organizar y planificar |
| B5 | Habilidades de gestión de la información |
| B6 | Toma de decisiones |
| B7 | Preocupación por la calidad |
| B9 | Capacidad para generar nuevas ideas (creatividad) |
| C1 | Expresarse correctamente, tanto de forma oral como escrita, en las lenguas oficiales de la comunidad autónoma. |
| C3 | Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida. |
| C4 | Desarrollarse para el ejercicio de una ciudadanía abierta, culta, crítica, comprometida, democrática y solidaria, capaz de analizar la realidad, diagnosticar problemas, formular e implantar soluciones basadas en el conocimiento y orientadas al bien común. |
| C6 | Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse. |
| C7 | Asumir como profesional y ciudadano la importancia del aprendizaje a lo largo de la vida. |
| C8 | Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad. |
| Resultados de aprendizaje | |||
| Competencias de materia (Resultados de aprendizaje) | Competencias de la 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 |
| Contenidos |
| Tema | Subtema |
| 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. Combinación de clasificadores 5.2. Evaluación y comparación de clasificadores 5.1. Evaluación y contraste de hipótesis 5.2. Programación Lógica Inductiva 5.3. Aprendizaje Relacional |
| Planificación | |||
| Metodologías / pruebas | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Prácticas de laboratorio | 14 | 42 | 56 |
| Trabajos tutelados | 7 | 7 | 14 |
| Sesión magistral | 20 | 60 | 80 |
| Atención personalizada | 0 | 0 | |
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | |||
| Metodologías |
| Metodologías | Descripción |
| Prácticas de laboratorio | Resolver un problema práctico mediante el uso de las distintas técnicas que se explicarán en las clases de teoría |
| Trabajos 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. Este trabajo deberá ser expuesto en clase. |
| Sesión magistral | Impartición teórica de la materia de la asignatura |
| Atención personalizada |
|
|
| Evaluación | ||
| Metodologías | Descripción | Calificación |
| Trabajos tutelados | Resolución de un problema utilizando la metodología y redacción de la memoria. | 20 |
| Sesión magistral | Preguntas de tipo test sobre los contenidos de teoría y prácticas. | 60 |
| Prácticas de laboratorio | Realización del trabajo práctico y entrega en plazo. | 20 |
| Observaciones evaluación | ||
|
Para aprobar la asignatura, el alumno deberá sacar una nota mínima en el examen de teoría. |
||
| Fuentes de información |
| 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 |
|
|
|
| Complementária | |
|
|
| Recomendaciones | |||||
| Asignaturas que se recomienda haber cursado previamente | ||
|
| Asignaturas que se recomienda cursar simultáneamente | |
|
| Asignaturas que continúan el temario | |||||
|
| Otros comentarios | |