| Competencias del título |
| Código | Competencias de la titulación |
| A21 | Conocimiento y aplicación de los principios fundamentales y técnicas básicas de los sistemas inteligentes y su aplicación práctica. |
| 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 |
| B3 | Capacidad de análisis y síntesis |
| B5 | Habilidades de gestión de la información |
| B9 | Capacidad para generar nuevas ideas (creatividad) |
| C2 | Dominar la expresión y la comprensión de forma oral y escrita de un idioma extranjero. |
| 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. | 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 |
| 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. Implementación necesaria para la resolución del problema y redacción de la memoria. | 40 |
| Sesión magistral | Preguntas de tipo test sobre los contenidos de teoría y prácticas. | 60 |
| 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 | |