| Competencias do título |
| Código | Competencias do título |
| A11 | CE10 - capacidade para a construcción, validación e aplicación dun modelo estocástico dun sistema real a partir dos datos observados e o análisis crítico dos resultados obtidos para seleccionar as máis axeitadas para a resolución de problemas |
| A12 | CE11 - Comprensión e dominio das principáis técnicas e ferramentas de análisis de datos, tanto dende o punto de vista estatístico como da aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volúmenes de datos, e capacidade para seleccioar as máis axeitadas para a resolución de problemas |
| A13 | CE12 - capacidade para plantexar, formular e resolver todas as etapas dun proxecto de datos, incluíndo a compresión e dominio de fundamentos e técnicas básicas para a búsqueda e o filtrado de información en grandes coleccións de datos |
| A16 | CE15 - coñecemento das ferramentas informáticas no campo da aprendizaxe automática, e capacidade para seleccionar a máis axeitad para a resolución dun problema |
| B2 | CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial |
| B3 | CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo |
| B4 | CG04 - Elaborar axeitadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo |
| B5 | CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións |
| B6 | CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
| B7 | CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo |
| B8 | CB03 - Que os estudantes sexan capaces de integrar coñecementos e enfrentarse á complexidade de formular xuízos a partiren dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociáis e éticas vinculadas á aplicación dos seus coñecementos e xuízos |
| B9 | CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades |
| C3 | CT03 - Utilizar as ferramientas 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 |
| C4 | CT04 - Desenvolverse para o exercicio dunha una cidadanía respetuosa coa cultura democrática, os dereitos humáns e la perspectiva de xénero |
| C7 | CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social |
| C8 | CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade |
| C9 | CT09 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer plazos e cumplilos |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Capacidade para identificar se un problema se pode resolver mediante unha técnica de aprendizaxe automática. | AM12 |
BM2 BM3 BM4 BM8 |
CM4 CM7 CM8 CM9 |
| Obter a capacidade de escoller a técnica de aprendizaxe máis adecuada para un problema en función da natureza dos datos. | AM11 AM15 |
BM2 BM6 BM7 BM9 |
CM3 CM8 |
| Capacidade para deseñar e desenvolver un modelo de aprendizaxe nun entorno de programación real. | AM10 AM15 |
BM5 BM6 BM7 BM8 BM9 |
CM3 CM7 CM9 |
| Dominar os diferentes modelos de aprendizaxe e ser capaz de aplicalos a problemas do mundo real. | AM11 AM15 |
BM2 BM3 BM7 |
CM3 CM8 |
| Coñecer e comprender a diferenza entre problemas de clasificación e regresión. | AM10 AM11 |
BM3 BM6 BM8 |
|
| Comprender como comparar os resultados de diferentes tipos de aprendizaxe automática. | AM10 AM12 AM15 |
BM7 BM9 |
CM4 CM8 CM9 |
| Contidos |
| Temas | Subtemas |
| Aprendizaje supervisado | Introducción ao Aprendizaxe Redes de Neuronas Artificiais Máquinas de Soporte Vectorial Árbores de decisión Regresión Aprendizaxe baseado en instancias |
| Aprendizaje no supervisado | Aprendizaxe non supervisado: agrupación Redes de neuronas non supervisadas |
| Aprendizaje por refuerzo | Procesos de Decisión de Markov Aprendizaxe por Reforzo |
| Combinación de modelos | Técnicas básicas e avanzadas de combinación de modelos. |
| Preprocesado y técnicas de extracción de características, regularización, creación de modelos y evaluación | Preprocesado de datos. Regularización. Evaluación de modelos. |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A11 A12 C4 C8 C9 | 21 | 42 | 63 |
| Prácticas de laboratorio | A13 A16 B2 B3 B5 B6 B7 C3 C7 | 12 | 24 | 36 |
| Traballos tutelados | B2 B3 B4 B5 B8 B9 C4 C8 C9 | 7 | 19 | 26 |
| Proba obxectiva | B3 B8 C4 C8 C9 | 2 | 20 | 22 |
| Atención personalizada | 3 | 0 | 3 | |
| *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 |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Prácticas de laboratorio | A13 A16 B2 B3 B5 B6 B7 C3 C7 | 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 |
| Proba obxectiva | B3 B8 C4 C8 C9 | Preguntas tipo test sobre os contenidos teóricos da asignatura. | 50 |
| Traballos tutelados | B2 B3 B4 B5 B8 B9 C4 C8 C9 | 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 |
| Observacións avaliación | |||
|
O alumnado deberá acadar polo menos o 40% da nota máxima de cada parte (teoría, práctica) e, en todo caso, a suma de ambas partes deberá superar un 5 para superar a materia. De non cumprirse algún dos requisitos anteriores, a cualificación da convocatoria establecerase en función da nota máis baixa obtida. Na segunda oportunidade a avaliación realizarase cos mesmos criterios, e abrirase un novo prazo para entregar dous traballos prácticos. Non se gardarán as cualificacións entre cursos académicos. As entregas das prácticas deberán realizarse no prazo establecido no campus virtual e deberán seguir as especificacións sinaladas no escrito tanto para a súa presentación como para a súa defensa. Terá a condición de "Presentado" o alumnado que asista á proba teórica no período oficial de avaliación. No caso de realización fraudulenta de exercicios ou probas, aplicarase o Regulamento de avaliación do rendemento académico do alumnado e revisión de cualificacións. En aplicación da normativa correspondente en materia de plaxio, a copia total ou parcial de calquera exercicio práctico ou teórico suporá o suspenso na actividade na que se detectou plaxio, cunha nota de 0. |
|||
| Fontes de información |
| Bibliografía básica |
D. Borrajo, J. González, P. Isasi (2006). Aprendizaje automático. Sanz y Torres
Basilio Sierra Araujo (2006). Aprendizaje automático: conceptos básicos y avanzados. Aspectos prácticos utilizando el software WEKA. Pearson Education
Ethem Alpaydin (2004). Introduction to Machine Learning. MIT Press
David Aha (). Lazy Learning. Kluwer Academics Publishers
T.M. Mitchell (1997). Machine Learning. McGraw Hill
Richard Sutton, Andrew Barto (). Reinforcement Learning. An Introduction. MIT Press
Saso Dzeroski, Nada Lavrac (). Relational Data Mining. Springer
Andrew Webb (2002). Statistical Pattern Recognition. Wiley |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | |||
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario | |||
|
| Observacións | |