Competencias |
COMPETENCIAS / RESULTADOS DO TíTULO |
TipoA
|
Código |
|
|
Profesionalizador |
|
AP2 |
CE2 - Definir, avaliar e seleccionar a arquitectura e o software máis axeitado para resolver un problema no campo da Bioinformática |
|
AP3 |
CE3 - Analizar , deseñar , desenvolver, implementar , verificar e documentar solucións software eficientes sobre a base dun coñecemento adecuado das teorías, modelos e técnicas actuais no eido da Bioinformática |
|
AP4 |
CE4 - Capacidade para adquirir, obter, formalizar e representar o coñecemento humano nunha forma computable para a resolución de problemas mediante un sistema informático en calquera ámbito de aplicación, particularmente os relacionados con aspectos de computación, percepción e actuación en aplicacións Bioinformáticas |
|
AP6 |
CE6 – Capacidade para identificar as ferramentas software e fontes de datos de bioinformática máis relevantes, e adquirir destreza no seu uso |
TipoB
|
Código |
|
|
Profesionalizador |
|
BP1 |
CB6 – Posuír e comprender o coñecemento que fornecen unha base ou oportunidade de orixinalidade no desenvolvemento e / ou aplicación de ideas, a miúdo nun contexto de investigación. |
|
BP2 |
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidas dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo |
|
BP3 |
CB8 – Que os estudantes sexan capaces de integrar coñecementos e xestionar a complexidade de formular xuízos en base a información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas relacionadas coa aplicación dos seus coñecementos e xuízos |
|
BP6 |
CG1 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo |
|
BP7 |
CG2 - Manter e estender enfoques teóricos fundados para permitir a introdución i explotación de tecnoloxías novas e avanzadas |
TipoC
|
Código |
|
|
Profesionalizador |
|
CP1 |
CT1 - Expresarse correctamente, tanto de xeito oral como escrito, nas linguas oficiais da comunidade autónoma |
|
CP3 |
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida |
|
CP6 |
CT6 - Valorar criticamente o coñecemento, a tecnoloxía e a información dispoñibles para resolver os problemas cos que deben enfrontarse |
Obxectivos de aprendizaxe |
Contidos |
Temas |
Subtemas |
TEMA 1: Introducción á aprendizaxe |
1.1. Areas de aplicación e tipos de problemas
1.2. Características dos sistemas de aprendizaxe
1.3. Perspectiva xeral das distintas aproximacións e tipos de aprendizaxe |
TEMA 2: Teoría da aprendizaxe computacional |
2.1. O problema da precisión.
2.2. A dimensión Vapnik-Chervonenkis
2.3. A maldición da dimensionalidade |
TEMA 3: Aprendizaxe estatística |
3.1. O discriminante lineal de Fisher
3.2. Outros tipos de discriminantes
|
TEMA 4: Aprendizaxe baseada en árboles e reglas de decisión |
4.1. Obxetivo da IA simbólica
4.2. Xeneralidades dos algoritmos de aprendizaxe en IA simbólica
4.3. Listas de decisión
4.4. Inducción de reglas
4.5. Árboles de decisión
4.6. Medidas de rendimiento: entropía e información mutua |
TEMA 5: Redes de neuronas artificiais |
5.1. Conceptos básicos
5.2. O Perceptrón multicapa
5.3. Outros modelos
|
TEMA 6: Aprendizaxe baseada en kernels |
6.1. Nomenclatura e definicións previas
6.2. SVMs lineais
6.3. SVMs non lineais
6.4. SVM Multiclase |
TEMA 7: Métodos de aprendizaxe non supervisados |
7.1. Análisis cluster
7.2. Análisis cluster xerárquico
7.3. Análisis cluster iterativo
7.4. Mapas autoorganizativos |
TEMA 8: Aprendizaxe semisupervisada. |
8.1 Aprendizaxe por reforzo |
TEMA 9: Métodos de reducción da dimensión |
9.1. Extracción de características
9.2. Selección de características |
TEMA 10: Metodoloxía experimental e análise de resultados |
10.1. Diseño experimental
10.2. Preprocesado de datos
10.3. Métodos para a estimación do error
10.4. Métodos de selección de modelos |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A2 A3 A4 B1 B3 B7 C6 |
14 |
21 |
35 |
Prácticas de laboratorio |
A2 A3 A4 A6 B2 C3 |
25 |
25 |
50 |
Investigación (Proxecto de investigación) |
A2 A3 A4 A6 B1 B2 B3 B6 C3 C6 |
0 |
29 |
29 |
Presentación oral |
B3 C1 C6 |
3 |
3 |
6 |
Proba obxectiva |
A2 A3 A4 A6 B2 C1 C6 |
2 |
18 |
20 |
|
Atención personalizada |
10 |
0 |
10 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Exposición oral dos contidos que conforman o marco teórico da materia, complementada co uso de medios audiovisuais e a introdución dalgunhas preguntas dirixidas aos estudantes, co obxectivo de transmitir coñecemento así como de estimular o razoamento crítico do estudante. |
Prácticas de laboratorio |
Actividade que permitirá aos estudantes familiarizarse coas ferramentas, plataformas e conxuntos de datos máis comúns no ámbito da aprendizaxe computacional na bioinformática. O obxectivo é que apliquen e asimilen efectivamente os contidos teóricos a través da realización de actividades de carácter práctico, tales como exercicios, experimentos, simulacións e investigacións. |
Investigación (Proxecto de investigación) |
Realizaranse varios traballos relacionados cos bloques principais da materia: técnicas de aprendizaxe básicas, técnicas avanzadas e técnicas de selección e extracción de características. Consistirán en actividades de carácter práctico a través das cales se expoñen situacións que requiren ao estudante identificar o problema obxecto de estudo, formulalo con precisión, desenvolver os procedementos pertinentes, aplicar as técnicas vistas en clase, interpretar os resultados e sacar as conclusións oportunas do traballo realizado. Inclúe sesións periódicas co profesor para o seguimento. |
Presentación oral |
Ao finalizar cada proxecto de investigación os estudantes deben preparar unha sinxela presentación cos principais resultados, conclusións e achegas e expor o traballo realizado na aula. |
Proba obxectiva |
Proba escrita utilizada como actividade final da materia para a avaliación da aprendizaxe. |
Atención personalizada |
Metodoloxías
|
Prácticas de laboratorio |
Investigación (Proxecto de investigación) |
|
Descrición |
O proxecto de investigación realizarase, en parte, durante as prácticas de laboratorio e, en gran parte, como traballo autónomo. Para o seu correcto desenvolvemento será necesario tanto o seguimento periódico, co fin de guialo e asegurar a súa calidade, como permitir aos alumnos aclarar co profesor dubidas particulares do proxecto. Para iso establecerase un calendario de tutorías presenciais que acabará na presentación oral dos resultados. Tamén se poderán atender dúbidas, puntualmente, a través do correo electrónico. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Investigación (Proxecto de investigación) |
A2 A3 A4 A6 B1 B2 B3 B6 C3 C6 |
Traballo en grupo de realización OBRIGATORIA que abordará cada un dos temas da materia. Realizarase en diversas fases ao longo do curso e supón unha avaliación completa e contínua sobre todos os aspectos teóricos e prácticos da materia. Inclúe tamén un seguimento de participación activa por parte do estudante.
As condicións e contido concreto detallaranse durante o curso.
Non se poderá aprobar a materia se se obtén unha puntuación inferior a 4 neste apartado. |
99 |
Presentación oral |
B3 C1 C6 |
Periodicamente establécense sesións de presentación e discusión dos detalles do proxecto de investigación, os resultados obtidos e as conclusións extraídas.
É OBRIGATORIA para poder aprobar o proxecto de investigación e inflúe na cualificación final deste, pero non se puntúa á marxe da nota outorgada ao proxecto.
|
0 |
Proba obxectiva |
A2 A3 A4 A6 B2 C1 C6 |
Proba escrita utilizada para a avaliación da aprendizaxe de todos ou algúns dos temas da materia.
Esta proba será OPTATIVA para os estudantes que obteñan unha nota do Proxecto de Investigación maior ou igual a 5. Seguindo a normativa académica o profesor poderá eximir da presentación ao exame a estes estudantes e a súa nota final será a do proxecto.
Esta proba será OBRIGATORIA para os estudantes que obteñan unha puntuación no intervalo [4,5) no proxecto de investigación.
En ambos os casos, a nota final será a media entre a cualificación desta proba e a do proxecto.
Os alumnos con nota no Proxecto superior a 9 que desexen optar a Matrícula de Honra deberán tamén realizar o exame. Neste caso, a nota do exame engadirase á nota do Proxecto. A cualificación final será o resultado de normalizar sobre 10 |
1 |
|
Observacións avaliación |
OUTRAS NORMAS DE EVALUACIÓN DA ASIGNATURA
- A entrega das prácticas e a súa presentación nas datas e horarios indicados, así como a
asistencia ás clases de prácticas son obrigatorias para aprobar a
asignatura. - A nota do proxecto de investigación para as dúas oportunidades do curso será a obtida na primeira oportunidade de Xuño. Non haberá entrega de proxectos para a segunda oportunidade de Xullo, excepto para os proxectos suspensos. - Un alumno considerarase presentado nunha convocatoria se fai a entrega COMPLETA do proxecto. - De acordo ao artigo 14, apartado 4, da normativa*, o plaxio dos
traballos prácticos levará unha nota global de SUSPENSO no Proxecto, tanto ao
estudante que presente material copiado como a quen o facilitase, e polo
tanto a cualificación de SUSPENSO na convocatoria anual. Matrícula a tempo parcial - En caso de matrícula a tempo parcial elimínase a obrigatoriedade da asistencia ás clases de prácticas, pero non a entrega de traballos nin a asistencia ás presentacións orais dos mesmos nas condicións e prazos específicos que se establecerán. Será obriga do estudante comunicar a súa situación ao profesorado. * Normativa de avaliación, revisión e reclamación das cualificacións dos
estudos de grao e máster universitario, aprobada polo Consello de
Goberno da Universidade da Coruña o 19 de decembro de 2013.
|
Fontes de información |
Bibliografía básica
|
Alpaydin, E. (2004). Introduction to Machine Learning. The MIT Press
Bishop, C. (1996). Neural Networks for Pattern Recognition. Oxford University Press
Michie, D., Spiegelhalter, D. J., Taylor, C. C., (editores) (1994). Machine Learning: Neural and statistical classification. Ellis Horwood. https://www.researchgate.net/publication/2335004_Machine_Learning_Neural_and_Statisti
Mitchell, T. (1997). Machine Learning. WCB/McGraw-Hill
Nilsson, N. J. (1996). Introduction to Machine Learning. Draft of Incomplete Notes. http://robotics.stanford.edu/people/nilsson/mlbook.html
2nd Edition byBerthold R. (Editor), Hand D.J. (Editor) (1999). Intelligent Data Analysis . Springer. https://www.researchgate.net/publication/235945820_Intelligent_Data_Analysis_An_Introducti
|
|
Bibliografía complementaria
|
|
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Introdución á programación/614522001 | Fundamentos de intelixencia artificial/614522003 |
|
Materias que se recomenda cursar simultaneamente |
Métodos estatísticos avanzados en bioinformática/614522009 | Probabilidade. estatística e elementos de biomatemática/614522007 |
|
Materias que continúan o temario |
Intelixencia computacional para datos de alta dimensionalidad/614522024 |
|
|