| Grao en Ciencia e Enxeñaría de Datos |
 Asignaturas |
| Aprendizaje Automático I |
| Resultados de aprendizaje |
| Datos Identificativos | 2021/22 | |||||||||||||
| Asignatura | Aprendizaje Automático I | Código | 614G02019 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
| Grado | 2º cuatrimestre |
Segundo | Obligatoria | 6 | ||||||||||
|
||||||||||||||
| Resultados de aprendizaje | Competencias del título | ||
| Comprender la relación entre la complejidad de los modelos de aprendizaje, las características de los datos de entrenamiento y el sobreajuste, y conocer los mecanismos para evitarlo. | A24 A25 |
||
| Desarrollar capacidades para diseñar las etapas de un proceso completo de análisis de datos basado en técnicas de aprendizaje automático | B2 B7 B9 B10 |
C1 |
|
| Saber aplicar correctamente las técnicas de aprendizaje automático para obtener resultados fiables y significativos | A24 |
B3 B8 |
|
| Conocer las técnicas más representativas y actuales de aprendizaje no supervisado, semisupervisado y supervisado, con y sin refuerzo. | A24 |
B8 |
|
| Conocer las técnicas más representativas de aprendizaje para los problemas clásicos de clasificación, regresión y agrupación, y otros menos clásicos como problemas de ordenación, problemas de una clase o multitarea. | A24 |
B8 |
|
| Identificar las técnicas apropiadas de análisis de datos según el problema. | A25 |
B3 B8 |
|
| Manejar las herramientas y entornos de trabajo más actuales en el ámbito del aprendizaje automático. | A26 |
B2 B10 |
|
|
