Mestrado Universitario en Enxeñaría Industrial (plan 2018)
Descriptores
Ciclo
Período
Curso
Tipo
Créditos
Mestrado Oficial
2º cuadrimestre
Segundo
Optativa
4.5
Idioma
Castelán
Galego
Inglés
Modalidade docente
Presencial
Prerrequisitos
Departamento
Ciencias da Computación e Tecnoloxías da Información Computación
Coordinación
Bellas Bouza, Francisco Javier
Correo electrónico
francisco.bellas@udc.es
Profesorado
Bellas Bouza, Francisco Javier
Correo electrónico
francisco.bellas@udc.es
Web
Descrición xeral
Na materia de Robótica estúdanse os principais conceptos de robótica autónoma, facendo énfase no deseño automático de estratexias de control. Para iso, o contido da materia parte das estratexias clásicas de control para chegar ás máis actuais baseadas en conceptos da intelixencia computacional, tales como as redes neuronais, os algoritmos evolutivos e a aprendizaxe por reforzo.
Competencias do título
Código
Competencias / Resultados do título
A8
ETI8 - Capacidade para deseñar e proxectar sistemas de produción automatizados e control avanzado de procesos.
B1
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación.
B2
CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo.
B3
CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos.
B4
CB9 - Que os estudantes saiban comunicar as súas conclusións -e os coñecementos e razóns últimas que as sustentan- a públicos especializados e profanos dun modo claro e sen ambigüidades.
B5
CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que terá que ser en boa medida autodirixido ou autónomo.
B6
G1 - Ter coñecementos adecuados dos aspectos científicos e tecnolóxicos na Enxeñería Industrial.
B13
G8 - Aplicar os coñecementos adquiridos e resolver problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos e multidisciplinares.
B14
G9 - Ser capaz de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos.
B15
G10 - Saber comunicar as conclusións –e os coñecementos e razóns últimas que as sustentan– a públicos especializados e non especializados dun modo claro e sen ambigüidades.
B16
G11 - Posuír as habilidades de aprendizaxe que permitan continuar estudando dun modo autodirigido ou autónomo.
C1
ABET (a) - An ability to apply knowledge of mathematics, science, and engineering.
C3
ABET (c) - An ability to design a system, component, or process to meet desired needs within realistic constraints such as economic, environmental, social, political, ethical, health and safety, manufacturability, and sustainability.
C6
ABET (f) - An understanding of professional and ethical responsibility.
C7
ABET (g) - An ability to communicate effectively.
C8
ABET (h) - The broad education necessary to understand the impact of engineering solutions in a global, economic, environmental, and societal context.
C9
ABET (i) - A recognition of the need for, and an ability to engage in life-long learning.
C11
ABET (k) - An ability to use the techniques, skills, and modern engineering tools necessary for engineering practice.
Resultados de aprendizaxe
Resultados de aprendizaxe
Competencias / Resultados do título
Desenvolver un sistema de control autónomo para a súa operación nun contorno real
AP8
BP1 BP4 BP6 BP13 BP14
CP1 CP3 CP11
Coñecer as principais técnicas de redución da dimensionalidade e o seu uso práctico
AP8
BP1 BP4 BP6 BP13 BP14
CP1 CP3 CP11
Coñecer as principais técnicas para a obtención de modelos de regresión / identificación de sistemas de estimación e predicción
AP8
BP1 BP4 BP6 BP13 BP14
CP1 CP3 CP11
Coñecer as principais metodoloxías experimentais e analizar os resultados no campo da aprendizaxe automática
BP1 BP4 BP5 BP6 BP14 BP16
CP1 CP6 CP7 CP8
Avalíar un problema de aprendizaxe de enxeñería que poida resolverse coas técnicas que se ven no temario e xustificar a elección das máis adecuadas, así como expoñer estas conclusións dun xeito fiable
BP1 BP2 BP3 BP13 BP14 BP15
CP3 CP6 CP7 CP8 CP9 CP11
Contidos
Temas
Subtemas
Introducción ó aprendizaxe automático
Conceptos preliminares.
Tipos de problemas: clasificación, regresión, agrupación, detección de anomalías, etc.
Formas de aprendizaxe: supervisadas, non supervisadas, por reforzo, etc.
Métodos de clasificación e agrupamento
Introducción
Algoritmos de clasificación supervisada
Algoritmos de clasificación non supervisada (clustering)
Métodos de regresión para modelado e predicción
Introducción
Modelos principais
Métodos para o procesado de datos
Preparación dos datos
Reducción de dimensionalidade
Metodoloxía experimental e análise de resultados
Métricas para a evaluación de modelos
Métodos para estimación do erro
Métodos gráficos para a comparación de resultados
Optimización e búsqueda
Técnicas heurísticas e metaheurísticas
Algoritmos evolutivos
Planificación
Metodoloxías / probas
Competencias / Resultados
Horas lectivas (presenciais e virtuais)
Horas traballo autónomo
Horas totais
Traballos tutelados
B2 B3 B4 B13 C1 C3
0
30
30
Presentación oral
B1 B5 B15 B14 B6 C7 C9 C11
2
10
12
Prácticas a través de TIC
A8 B13 B14 B16 B6 C11
18
36
54
Sesión maxistral
B1 B6 C8 C6
10
2.5
12.5
Atención personalizada
4
0
4
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado
Metodoloxías
Metodoloxías
Descrición
Traballos tutelados
Prácticas de programación nas que se implementarán, na linguaxe seleccionada polos profesores, algunhas das técnicas de aprendizaxe automática vistas nas clases teóricas. Estes traballos serán realizados polos alumnos de forma autónoma e o seu avance será tutorizado polos profesores
Presentación oral
Traballo (ou traballos) de teoría sobre algún tema proposto polos profesores da asignatura que deberá ser exposto diante dos compañeiros e entregado por escrito
Prácticas a través de TIC
Sesións na aula de informática nas que os profesores explicarán o uso e programación das técnicas de aprendizaxe automática vistas en teoría, de modo que os alumnos obteñan as capacidades suficientes para utilizalas autónomamente.
Sesión maxistral
Exposición oral por parte dos profesores da materia do temario teórico
Atención personalizada
Metodoloxías
Presentación oral
Prácticas a través de TIC
Traballos tutelados
Descrición
Durante as prácticas a través de TIC, o alumno poderá consultar ó profesor todas as dudas que teña sobre a programación dos métodos de aprendizaxe.
Traballos tutelados: é recomendable o uso de atención personalizada nestas actividades para resolver dúbidas conceptuais ou procedementais que poidan xurdir durante a resolución dos problemas prácticos. Ademais, a atención personalizada centrarase tamén na explicación, por parte do alumno, da solución proposta.
Presentación oral: os alumnos deberán acudir aos profesores para resolver as dúbidas que lles xurdan sobre a preparación dos trabajos que deben ser expostos, tanto do contido como da propia presentación
Avaliación
Metodoloxías
Competencias / Resultados
Descrición
Cualificación
Presentación oral
B1 B5 B15 B14 B6 C7 C9 C11
A presentación oral do traballo/traballos teóricos, a presentación escrita dos mesmos e a participación activa nas presentacións dos compañeiros teñen un peso importante na calificación final. É imprescindible obter unha calificación de aprobado nesta metodoloxía de forma independente (nota mínima de 5 considerando que se valora de 0 a 10) para poder aprobar a asignatura.
40
Prácticas a través de TIC
A8 B13 B14 B16 B6 C11
Valórase positivamente a asistencia e a participación activa nas prácticas a través das TIC
5
Sesión maxistral
B1 B6 C8 C6
Valórase positivamente a asistencia e a participación activa nas clases de teoría
5
Traballos tutelados
B2 B3 B4 B13 C1 C3
Propoñeranse varios traballos prácticos ó longo do curso centrados na aplicación de técnicas de aprendizaxe automática en problemas de enxeñaría. Estes traballos serán desenvolvidos de forma autónoma por parte do alumno fora das clases e terán que ser defendidos posteriormente. É imprescindible obter unha calificación de aprobado nesta metodoloxía de forma independente (nota mínima de 5 considerando que se valora de 0 a 10) para poder aprobar a asignatura.
50
Observacións avaliación
A avaliación desta asignatura baséase na superación das dúas principais metodoloxías, traballos tutelados e presentación oral, de forma independente. A primeira céntrase na demostración práctica de coñecementos e habilidades adquiridas para resolver problemas de enxeñaría a través de técnicas de aprendizaxe automática, e a segunda sobre a realización e presentación dun traballo sobre un tema específico no programa teórico. Polo tanto, no caso de que o alumno non supere a materia na convocatoria ordinaria, debe repetir, na convocatoria extraordinaria, as actividades necesarias das metodoloxías que non foron aprobadas. Por exemplo, se un estudante aproba a parte da presentación oral pero está suspendido nos traballos tutelados, deberá repetir o traballo/s práctico necesario para acadar o aprobado, xeralmente aquel/es que non foron aprobados.
Os alumnos con matrícula a tempo parcial poden acumular o 10% da nota correspondente á asistencia ás clases nas outras actividades, tanto na teoría como na práctica, no caso de que non poidan asistir ás clases en persoa. Esta modificación debe solicitarse aos profesores da materia ao comezo do curso. Asimesmo, en caso de non poder realizar a presentación oral co resto do alumnado, deberán concretar unha data alternativa cos profesores.
Fontes de información
Bibliografía básica
Gonzalo Pajares Martínez, Jose Manuel de la Cruz García (2010). Aprendizaje automático : un enfoque práctico. Ra-Ma
Ethem Alpaydin (2014). Introduction to Machine Learning. MIT Press
Marsland, Stephen (2014). Machine Learning: An Algorithmic Perspective. Chapman and Hall/CRC Press
Christopher M. Bishop (2010). Pattern Recognition and Machine Learning. Springer
Bibliografía complementaria
Aurelien Geron (2017). Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media
Andreas C. Müller, Sarah Guido (2016). Introduction to Machine Learning with Python: A Guide for Data Scientists. O'Reilly Media
Kevin P. Murphy (2010). Machine Learning, a probabilistic perspective. MIT Press
Sebastian Raschka, Vahid Mirjalili (2019). Python machine learning : aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow. Marcombo
Recomendacións
Materias que se recomenda ter cursado previamente
Materias que se recomenda cursar simultaneamente
Visión Artificial na Industria/730497239
Proxecto de Deseño e Optimización dun Proceso Industrial/730497236
Deseño e Construción de Máquinas/730497226
Cinemática e Dinámica de Robots Industriais/730497228
Materias que continúan o temario
Observacións
A entrega dos traballos documentais que se realicen nesta materia:
- Solicitarase en formato virtual e/ou soporte informático.
- Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos
De se realizar en papel:
- Non se empregarán plásticos.
- Realizaranse impresións a dobre cara.
- Empregarase papel reciclado.
- Evitarase a impresión de borradores.
(*)A Guía docente é o documento onde se visualiza a proposta académica
da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do
órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías