| Mestrado Universitario en Computación |
 Asignaturas |
| Aprendizaxe Máquina |
| Contidos |
| Datos Identificativos | 2012/13 | |||||||||||||
| Asignatura | Aprendizaxe Máquina | Código | 614434001 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 1º cuadrimestre |
Primeiro | Obrigatoria | 6 | ||||||||||
|
||||||||||||||
| 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 |
|
