|
Guía DocenteCurso Facultade de Informática |
| Grao en Ciencia e Enxeñaría de Datos |
 Asignaturas |
| Aprendizaxe Automática I |
| Resultados de aprendizaxe |
| Datos Identificativos | 2021/22 | |||||||||||||
| Asignatura | Aprendizaxe Automática I | Código | 614G02019 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Grao | 2º cuadrimestre |
Segundo | Obrigatoria | 6 | ||||||||||
|
||||||||||||||
| Resultados de aprendizaxe | Competencias do título | ||
| Comprender a relación entre a complexidade dos modelos de aprendizaxe, as características dos datos de aprendizaxe e o sobrexuste, e coñecer os mecanismos para evitalo. | A24 A25 |
||
| Desenvolver capacidades para deseñar as etapas dun proceso completo de análise de datos baseado en técnicas de aprendizaxe automática. | B2 B7 B9 B10 |
C1 |
|
| Saber aplicar correctamente as técnicas de aprendizaxe automática para obter resultados fiables e significativos. | A24 |
B3 B8 |
|
| Coñecer as técnicas máis representativas e actuais de aprendizaxe non supervisadas, semisupervisadas e supervisadas, con e sen reforzo. | A24 |
B8 |
|
| Conocer as técnicas máis representativas de aprendizaxe para os problemas clásicos de clasificación, regresión e agrupación, e outros menos clásicos como problemas de ordenación, problemas dunha clase ou multitarea. | A24 |
B8 |
|
| Identificar as técnicas apropiadas de análise de datos segundo o problema. | A25 |
B3 B8 |
|
| Manexar as ferramentas e contornos de traballo máis actuais no ámbito da aprendizaxe automática. | A26 |
B2 B10 |
|
|
