Temas Subtemas
1. Introdución á aprendizaxe automática e a minería de datos 1.1. Conceptos preliminares.
1.2. Análise exploratorio de datos
1.3. Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc.
1.4. Formas de aprendizaxe: supervisado, non supervisado, por reforzo, etc.
Modelos para a clasificación supervisada e non supervisada de datos 2.1. Conceptos preliminares
2.2. Modelos principais: k-veciños máis próximos, SVMs, clustering, etc.
3. Modelos para regresión/identificación de sistemas para estimación e predición 3.1. Conceptos preliminares
3.2. Modelos principais
4. Técnicas de procesado de datos 4.1. Preparación dos datos e normalización
4.2. Redución da dimensión para datos de alta dimensión
5. Metodoloxía experimental e análise de resultados 5.1. Métricas para a avaliación dos modelos e técnicas para a estimación non nesgada do erro
5.2. Métodos para a selección de modelos e análises de resultados
6. Control Estatístico da Calidade 6.1. Gráficos de control
6.2. Análise de capacidade de procesos
7. Exemplos de aplicación en Eficiencia Enerxética 7.1. Exemplos no ámbito do prognóstico de datos
7.2. Exemplos no ámbito da detección de anomalías