Competencias do título |
Código
|
Competencias / Resultados do título
|
Resultados de aprendizaxe |
Resultados de aprendizaxe |
Competencias / Resultados do título |
Comprender a relación entre a complexidade dos modelos de aprendizaxe, as características dos datos de aprendizaxe e o sobrexuste, e coñecer os mecanismos para evitalo. |
A24 A25
|
|
|
Desenvolver capacidades para deseñar as etapas dun proceso completo de análise de datos baseado en técnicas de aprendizaxe automática. |
|
B2 B7 B9 B10
|
C1
|
Saber aplicar correctamente as técnicas de aprendizaxe automática para obter resultados fiables e significativos. |
A24
|
B3 B8
|
|
Coñecer as técnicas máis representativas e actuais de aprendizaxe non supervisadas, semisupervisadas e supervisadas, con e sen reforzo. |
A24
|
B8
|
|
Conocer as técnicas máis representativas de aprendizaxe para os problemas clásicos de clasificación, regresión e agrupación, e outros menos clásicos como problemas de ordenación, problemas dunha clase ou multitarea. |
A24
|
B8
|
|
Identificar as técnicas apropiadas de análise de datos segundo o problema. |
A25
|
B3 B8
|
|
Manexar as ferramentas e contornos de traballo máis actuais no ámbito da aprendizaxe automática. |
A26
|
B2 B10
|
|
Contidos |
Temas |
Subtemas |
1. Introducción |
1.1. Introducción ao Aprendizaxe Automático
1.2. Aprendizaxe Inductivo |
2. Aprendizaxe supervisado |
2.1. Introducción
2.2. Redes de Neuronas Artificiais
2.3. Máquinas de Soporte Vectorial
2.4. Árbores de decisión
2.5. Árbores de regresión e árbores de modelos de regresión
2.6. Aprendizaxe baseado en instancias |
3. Computación Evolutiva |
3.1. Algoritmos Xenéticos
3.2. Programación Xenética
3.3. Enxames e outras técnicas de Computación Evolutiva |
4. Metodoloxías no análise de datos |
4.1. Metodoloxías de adestramento, avaliación e selección de modelos
4.2. Metodoloxías dun proxecto de análise de datos |
5. Aprendizaxe non supervisado |
5.1. Métodos de clustering
5.2. Redes autoorganizadas |
Planificación |
Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
Sesión maxistral |
A24 A25 B3 B8 B9 |
30 |
60 |
90 |
Prácticas de laboratorio |
A26 B2 B3 B10 C1 |
18 |
18 |
36 |
Traballos tutelados |
B2 B3 B7 B9 B10 |
10 |
10 |
20 |
Proba obxectiva |
A24 A25 B8 B9 |
2 |
0 |
2 |
|
Atención personalizada |
|
2 |
0 |
2 |
|
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
Metodoloxías |
Metodoloxías |
Descrición |
Sesión maxistral |
Impartición teórica da materia da asignatura |
Prácticas de laboratorio |
Resolver problemas prácticos mediante o uso das distintas técnicas que se explicarán nas clases de teoría |
Traballos tutelados |
Redacción, baixo a tutela do profesor, das memorias nas que se expliquen as resolucións dos problemas realizados nas prácticas de laboratorio |
Proba obxectiva |
Proba de avaliación escrita na que o alumno deberá demostrar os coñecementos adquiridos na asignatura |
Atención personalizada |
Metodoloxías
|
Prácticas de laboratorio |
Traballos tutelados |
|
Descrición |
Realización do traballo práctico co asesoramiento do profesor.
Redacción das memorias explicativas baixo a tutela do profesor. |
|
Avaliación |
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
Prácticas de laboratorio |
A26 B2 B3 B10 C1 |
Resolución de problemas do mundo real utilizando a metodoloxía, para o cal se utilizarán varias técnicas explicadas en teoría, e estimularase ao alumno a xerar novas ideas para a resolución destes problemas. |
25 |
Traballos tutelados |
B2 B3 B7 B9 B10 |
Redacción das memorias relativas á resolución dos problemas reais realizados nas prácticas de laboratorio. A redacción das memorias incluirá a realización dunha revisión bibliográfica dos traballos máis importantes relacionados, escritos na súa inmensa maioría en inglés, documentación sobre o problema a resolver, metodoloxía utilizada, e comparación dos resultados atopados na aplicación das distintas técnicas, así como unha valoración crítica tanto dos resultados obtidos como da información utilizada. |
25 |
Proba obxectiva |
A24 A25 B8 B9 |
Preguntas de tipo test sobre os contenidos da asignatura, baseada nas distintas técnicas de aprendizaxe computacional e as súas sus aplicacións. |
50 |
|
Observacións avaliación |
Para superar a materia, o alumno deberá obter unha calificación mínima de 5 sobre 10 no resultado de combinar as calificaciòns da proba obxectiva, as prácticas de laboratorio e os traballos tutelados. Ademáis, o alumno deberá obter unha nota mínima de 2 sobre 5 puntos na proba obxectiva. Se non obtén esta nota mínima, a nota da materia será a correspondente á nota da proba obxectiva.
Na segunda oportunidade, mantense a nota obtida nas prácticas de laboratorio, e traballos tutelados, non podendo volver a obter nota xa que resulta da evaluación continua do traballo durante os créditos de práctica da materia. O alumno pode voltar a facer o exame da proba obxectiva, sendo os criterios para obter a nota total os indicados ó principio deste apartado.
Aqueles alumnos con matrícula a tempo parcial deberán entregar os traballos en data al igual que os alumnos a tiempo completo, e asistir a os TGR nos que se correxirán os mesmos. De igual manera, é recomendable a súa asistencia ás clases de prácticas.
|
Recomendacións |
Materias que se recomenda ter cursado previamente |
Deseño e Análise de Algoritmos/614G02011 | Modelos de Regresión/614G02012 | Modelización Estatística de Datos de Alta Dimensión/614G02013 | Sinais e Sistemas/614G02014 | Fundamentos de Programación II/614G02009 | Fundamentos de Programación I/614G02004 | Inferencia Estatística/614G02007 |
|
Materias que se recomenda cursar simultaneamente |
Teoría da Información/614G02018 | Optimización Matemática/614G02020 |
|
Materias que continúan o temario |
Aprendizaxe Automática a Gran Escala/614G02032 | Métodos Numéricos para Ciencia de Datos/614G02033 | Aprendizaxe Automática III/614G02026 | Procesamento de Imaxe, Vídeo e Audio/614G02028 | Aprendizaxe Automática II/614G02021 |
|
|