Competencias del título |
Código
|
Competencias / Resultados del título
|
A2 |
CE2 - Definir, evaluar y seleccionar la arquitectura y el software más adecuado para la resolución de un problema en el campo de la Bioinformática |
A3 |
CE3 - Analizar, diseñar, desarrollar, implementar, verificar y documentar soluciones software eficientes sobre la base de un conocimiento adecuado de las teorías, modelos y técnicas actuales en el campo de la Bioinformática |
A4 |
CE4 - Capacidad para adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación, percepción y actuación en aplicaciones Bioinformáticas |
A6 |
CE6 - Capacidad para identificar las herramientas software y fuentes de datos de bioinformática más relevantes, y adquirir destreza en su uso |
B1 |
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
B2 |
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
B3 |
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
B6 |
CG1 - Buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo |
B7 |
CG2 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas |
C1 |
CT1 - Expresarse correctamente, tanto de forma oral como escrita, en las lenguas oficiales de la comunidad autónoma |
C3 |
CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida |
C6 |
CT6 - Valorar críticamente el conocimiento, la tecnología y la información disponible para resolver los problemas con los que deben enfrentarse |
Resultados de aprendizaje |
Resultados de aprendizaje |
Competencias / Resultados del título |
Conocer y comprender los paradigmas y aspectos más relevantes del tratamiento de datos en bioinformática |
AP4
|
BP1 BP7
|
CP6
|
Conocer los principales métodos de aprendizaje a partir de datos, saber qué tipos principales existen y saber cómo aplicarlos. |
AP2 AP3 AP4 AP6
|
BP1 BP2 BP3 BP6
|
CP1 CP3 CP6
|
Conocer los métodos de reducción de dimensionalidad |
AP3 AP4
|
BP1 BP3 BP7
|
CP6
|
Saber cómo debe evaluarse un modelo basado en datos |
AP2 AP3 AP6
|
BP3
|
|
Conocer las plataformas y las herramientas disponibles en el campo de la Inteligencia Computacional. |
AP2 AP3 AP6
|
BP2
|
CP3 CP6
|
Contenidos |
Tema |
Subtema |
TEMA 1: Introducción al aprendizaje |
1.1. Areas de aplicación y tipos de problemas
1.2. Características de los sistemas de aprendizaje
1.3. Perspectiva general de las distintas aproximaciones y tipos de aprendizaje |
TEMA 2: Teoría del aprendizaje computacional |
2.1. El problema de la precisión.
2.2. La dimensión Vapnik-Chervonenkis
2.3. La maldición de la dimensionalidad
|
TEMA 3: Aprendizaje estadístico |
3.1. El discriminante lineal de Fisher
3.2. Otros tipos de discriminantes |
TEMA 4: Aprendizaje basado en árboles y reglas de decisión |
4.1. Objetivo de la IA simbólica
4.2. Generalidades de los algoritmos de aprendizaje 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 artificiales |
5.1. Conceptos básicos
5.2. El Perceptrón multicapa
5.3. Otros modelos |
TEMA 6: Aprendizaje basado en kernels |
6.1. Nomenclatura y definiciones previas
6.2. SVMs lineales
6.3. SVMs no lineales
6.4 SVM Multiclase |
TEMA 7: Métodos de aprendizaje no supervisados |
7.1. Análisis cluster
7.2. Análisis cluster jerárquico
7.3. Análisis cluster iterativo
7.4. Mapas autoorganizativos |
TEMA 8: Aprendizaje semisupervisado. |
8.1 Aprendizaje por refuerzo |
TEMA 9: Métodos de reducción de la dimensión |
9.1. Extracción de características
9.2. Selección de características |
TEMA 10: Metodología experimental y análisis de resultados |
10.1. Diseño experimental
10.2. Preprocesado de datos
10.3. Métodos para la estimación del error
10.4. Métodos de selección de modelos |
Planificación |
Metodologías / pruebas |
Competencias / Resultados |
Horas lectivas (presenciales y virtuales) |
Horas trabajo autónomo |
Horas totales |
Sesión magistral |
A2 A3 A4 B1 B3 B7 C6 |
14 |
21 |
35 |
Trabajos tutelados |
A2 A3 A4 A6 B1 B2 B3 B6 C3 C6 |
0 |
29 |
29 |
Prácticas de laboratorio |
A2 A3 A4 A6 B2 C3 |
27 |
27 |
54 |
Presentación oral |
B3 C1 C6 |
3 |
3 |
6 |
Prueba objetiva |
A2 A3 A4 A6 B2 C1 C6 |
2 |
18 |
20 |
|
Atención personalizada |
|
6 |
0 |
6 |
|
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías |
Metodologías |
Descripción |
Sesión magistral |
Exposición oral de los contenidos que conforman el marco teórico de la materia, complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con el objetivo de transmitir conocimiento así como de estimular el razonamiento crítico del estudiante. |
Trabajos tutelados |
Se realizarán varios trabajos relacionados con los bloques principales de la materia: técnicas de aprendizaje básicas, técnicas avanzadas y técnicas de selección y extracción de características. Consistirán en actividades de carácter práctico a través de las cuales se plantean situaciones que requieren al estudiante identificar el problema objeto de estudio, formularlo con precisión, desarrollar los procedimientos pertinentes, aplicar las técnicas vistas en clase, interpretar los resultados y sacar las conclusiones oportunas del trabajo realizado. Incluye sesiones periódicas con el profesor para el seguimento. |
Prácticas de laboratorio |
Actividad que permitirá a los estudiantes familiarizarse con las herramientas, plataformas y conjuntos de datos más comunes en el ámbito del aprendizaje computacional en bioinformática. El objetivo es que apliquen y asimilen efectivamente los contenidos teóricos a través de la realización de actividades de carácter práctico, tales como ejercicios, experimentos, simulaciones e investigaciones. |
Presentación oral |
Al finalizar cada práctica y trabajo tutelado los estudiantes deben preparar una sencilla presentación con los principales resultados, conclusiones y aportaciones y exponer el trabajo realizado en el aula. |
Prueba objetiva |
Prueba escrita utilizada como actividad para la evaluación individual del aprendizaje. |
Atención personalizada |
Metodologías
|
Prácticas de laboratorio |
Trabajos tutelados |
|
Descripción |
El trabajo tutelado se realizará, en parte, durante las prácticas de laboratorio y, en gran parte, como trabajo autónomo. Para su correcto desarrollo será necesario un seguimento periódico que permita a los estudiantes aclarar errores de concepto lo antes posible y así asegurar la calidad del trabajo. Este seguimiento se realizará del modo siguiente:
- Cada equipo de prácticas dispondrá de un tiempo exclusivo de tutoría dentro de las clases prácticas.
- Se establecerá un calendario de controles periódicos no puntuables antes de la entrega de las prácticas en los que el alumnado tendrá que enviar el trabajo realizado a través de Moodle y, como respuesta, recibirá información con los errores más salientables del mismo.
Por último, en lo que se refiere a las tutorías individuales serán atendidas, preferentemente en los horarios oficiales de tutorías, a través de los siguientes medios:
- Correo-e: Para hacer consultas de respuesta corta.
- Teams: Para encuentros virtuales previa solicitud vía correo-e. |
|
Evaluación |
Metodologías
|
Competencias / Resultados |
Descripción
|
Calificación
|
Prácticas de laboratorio |
A2 A3 A4 A6 B2 C3 |
Prácticas en grupo de realización OBRIGATORIA que abordarán cada uno de los temas de la asignatura.
Son OB¡LIGATORIAS para poder aprobar e influyen en la calificación final del trabajo tutelado, pero no se puntúan al margen de este.
|
0 |
Trabajos tutelados |
A2 A3 A4 A6 B1 B2 B3 B6 C3 C6 |
Trabajo en grupo de realización OBLIGATORIA que abordará cada uno de los temas de la asignatura. Se realizará en diversas fases a lo largo del curso y supone una evaluación completa y contínua sobre todos los aspectos teóricos y prácticos de la asignatura. Incluye también un seguimiento de participación activa por parte del estudiante.
Las condiciones y contenido concreto se detallarán durante el curso.
Dada la relación directa del contenido de las prácticas la nota de este apartado incluye la evaluación de las mismas.
No se podrá aprobar la asignatura si se obtiene una puntuación inferior a 5 en este apartado. |
95 |
Presentación oral |
B3 C1 C6 |
Periódicamente se establecen sesiones de presentación y discusión de los detalles del proyecto de investigación, los resultados obtenidos y las conclusiones extraídas.
Es OBLIGATORIA para poder aprobar e influye en la calificación final del trabajo tutelado, pero no se puntúa al margen de éste.
|
0 |
Prueba objetiva |
A2 A3 A4 A6 B2 C1 C6 |
Prueba escrita utilizada para la evaluación del aprendizaje de todos o algunos de los temas de la materia.
Se podrán realizar varias pruebas a lo largo del curso con el fin de hacer una evaluación contínua.
|
5 |
|
Observaciones evaluación |
OTRAS NORMAS DE EVALUACIÓN DE LA ASIGNATURA La asistencia regular a las clases de prácticas, la entrega de las mismas y
su presentación en las fechas y horarios indicados, son condición obligatoria
para aprobar la asignatura. Sobre la responsabilidad compartida de los trabajos en grupo En las actividades que se llevan a cabo en grupo, tales como las prácticas,
todos los miembros del grupo serán responsables solidarios del trabajo
realizado y entregado, así como de las consecuencias que se deriven del
incumplimiento de las normas de autoría del mismo. * 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. No presentado Un alumno se considera presentado en una convocatoria si realiza la entrega
de alguna de las actividades de evaluación. Evaluación en la segunda oportunidad Dado que aprobar la materia se centra en superar los trabajos tutelados,
para la segunda oportunidad solamente será posible reentregar y presentar los
trabajos que recibiesen la calificación de SUSPENSO o NO PRESENTADO en la
primera oportunidad, siempre de acuerdo al enunciado que se proponga a tal fin.
En cuanto a los criterios de evaluación, la segunda oportunidad estará
sometida a los mismos que la primera. Matrícula a tiempo parcial En caso de matrícula a tiempo parcial se elimina la obligatoriedad de
asistencia a las clases de prácticas, pero no la entrega de trabajos ni la
asistencia a las presentaciones orales de las mismas en las condiciones y
plazos especificados. Será obligación del estudiante comunicar su situación al
profesorado.
|
Fuentes de información |
Básica
|
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
Alpaydin, E. (2004). Introduction to Machine Learning. The MIT Press
Nilsson, N. J. (1996). Introduction to Machine Learning. Draft of Incomplete Notes. http://robotics.stanford.edu/people/nilsson/mlbook.html
Mitchell, T. (1997). Machine Learning. WCB/McGraw-Hill
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
Bishop, C. (1996). Neural Networks for Pattern Recognition. Oxford University Press |
|
Complementária
|
|
|
Recomendaciones |
Asignaturas que se recomienda haber cursado previamente |
Introducción a la programación/614522001 | Fundamentos de inteligencia artificial/614522003 |
|
Asignaturas que se recomienda cursar simultáneamente |
Métodos estadísticos avanzados en bioinformática/614522009 | Probabilidad. estadística y elementos de biomatemática/614522007 |
|
Asignaturas que continúan el temario |
Inteligencia computacional para datos de alta dimensionalidad/614522024 |
|
|