| Competencias do título |
| Código | Competencias da titulación |
| A21 | Coñecemento e aplicación dos principios fundamentais e técnicas básicas dos sistemas intelixentes e a súa aplicación práctica. |
| 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 |
| B3 | Capacidade de análise e síntese |
| B5 | Habilidades de xestión da información |
| B9 | Capacidade para xerar novas ideas (creatividade) |
| C2 | Dominar a expresión e a comprensión de forma oral e escrita dun idioma estranxeiro. |
| 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. | A21 A42 A43 A44 A45 |
B1 B3 B5 B9 |
C2 C4 C6 C7 C8 |
| Ser capaz de combinar los resultados de distintas técnicas. | A21 A42 A43 A44 A45 |
B1 B3 B5 B9 |
C2 C4 C6 C7 C8 |
| Ser capaz de comparar correctamente los resultados obtenidos con distintas técnicas. | A21 A42 A43 A44 A45 |
B1 B3 B5 B9 |
C2 C4 C6 C7 C8 |
| Aprender y aplicar la metodología de uso de estas técnicas en la resolución de problemas reales. | A21 A42 A43 A44 A45 |
B1 B3 B5 B9 |
C2 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. Deep Learning 5.2. Evaluación y contraste de hipótesis 5.3. Metaclasificadores |
| 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 y los resultados obtenidos. |
| 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. Implementación necesaria para la resolución del problema y redacción de la memoria. | 40 |
| Sesión maxistral | Preguntas de tipo test sobre los contenidos de teoría y prácticas. | 60 |
| 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 | |