|
Teaching GuideTerm Faculty of Computer Science |
| Grao en Ciencia e Enxeñaría de Datos |
 Subjects |
| Large Scale Machine Learning |
| Methodologies |
| 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 | ||||||||||
|
||||||||||||||
| Methodologies | Description |
| Problem solving | Desenvolveranse exemplos e exercicios nos que o alumnado terá que aplicar os coñecementos teóricos da materia a casos concretos. Garantirase a interactividade, resolvendo as dúbidas plantexadas polo alumnado, animando a contrastar as súas solucións e expor cuestións relevantes. Parte dos problemas realizados serán avaliados. |
| Objective test | Levarase a cabo unha avaliación da materia mediante unha proba que incluirá tanto preguntas sobre os contidos teóricos, como supostos prácticos e exercicios de aplicación relacionados cos distintos temas vistos na materia. |
| Laboratory practice | Desenvolveranse exemplos e exercicios nos que o alumnado terá que aplicar os coñecementos teóricos da materia a casos concretos. Garantirase a interactividade, resolvendo as dúbidas plantexadas polo alumnado, animando a contrastar as súas solucións e expor cuestións relevantes. Parte dos problemas realizados serán avaliados. |
| Guest lecture / keynote speech | Clases maxistrais onde se expoñerán os conceptos teóricos da materia, sen perder nunca de vista exemplos de aplicación para motivar e contextualizar os contidos da materia. Fomentarase a interactividade en clase mediante a formulación de preguntas e utilizaranse distintos recursos como transparencias ou demostracións. |
|
