|
Guía DocenteCurso Facultade de Informática |
Guía Provisional
|
| Grao en Ciencia e Enxeñaría de Datos |
 Asignaturas |
| Aprendizaxe Automática I |
| Contidos |
| Datos Identificativos | 2024/25 | |||||||||||||
| Asignatura | Aprendizaxe Automática I | Código | 614G02019 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Grao | 2º cuadrimestre |
Segundo | Obrigatoria | 6 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| Introducción | Introducción ao Aprendizaxe automático Paradigmas de aprendizaxe Aprendizaxe Inductivo Teoremas No Free Lunch |
| Aprendizaxe supervisado | Introdución Redes de Neuronas Artificiais Regresión Loxística Máquinas de Vectores de Soporte Árbores de Decisión Aprendizaxe baseada en instancias Modelos ML para Regresión |
| Computación Evolutiva | Algoritmos Xenéticos Programación Xenética Enxames e outras técnicas de Computación Evolutiva |
| Metodoloxías no análise de datos | Metodoloxías de adestramento, avaliación e selección de modelos Metodoloxías dun proxecto de análise de datos |
| Aprendizaxe non supervisado | Métodos de clustering Redes autoorganizadas |
|
