Teaching GuideTerm Faculty of Computer Science |
Grao en Ciencia e Enxeñaría de Datos |
Subjects |
Large Scale Machine Learning |
Learning aims |
Identifying Data | 2023/24 | |||||||||||||
Subject | Large Scale Machine Learning | Code | 614G02032 | |||||||||||
Study programme |
|
|||||||||||||
Descriptors | Cycle | Period | Year | Type | Credits | |||||||||
Graduate | 1st four-month period |
Fourth | Optional | 6 | ||||||||||
|
Learning outcomes | Study programme competences / results | ||
Identificar e saber afrontar os problemas máis frecuentes relacionados coa explosión de datos, coñecidos como as "Vs do Big Data" e como algúns deles afectan á aplicación de técnicas de Aprendizaxe Automática. | A25 |
B2 B9 B10 |
C1 C4 |
Coñecer os métodos e técnicas máis representativos e actuais de preprocesado de datos para tratar grandes volumes de datos. | A24 A25 A26 |
B9 |
C1 |
Coñecer os métodos e técnicas máis representativas e actuais de Aprendizaxe Automática en contornas afectadas por problemas como o volume, a velocidade ou a privacidade dos datos. | A24 A25 A26 |
B3 B10 |
C1 C4 |
Saber manexar as ferramentas e contornas de traballo máis actuais no ámbito da aprendizaxe automática para tratar grandes volumes de datos. | A24 |
B2 B4 B7 |
C1 |
Coñecer técnicas para a representación visual de datos complexos e saber utilizar ferramentas de visualización de datos para poder comunicar eficazmente os resultados das análises realizadas. | A24 A26 |
B2 B3 B4 B7 B8 B9 B10 |
C1 |
Coñecer técnicas analíticas e escalables baseadas en grafos. | A24 A26 |
B2 B8 B9 B10 |
C1 |
|