Datos Identificativos 2023/24
Asignatura (*) Introducción al Aprendizaje Automático Código 730497240
Titulación
Mestrado Universitario en Enxeñaría Industrial (plan 2018)
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Segundo Optativa 4.5
Idioma
Castellano
Gallego
Modalidad docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinador/a
Bellas Bouza, Francisco Javier
Correo electrónico
francisco.bellas@udc.es
Profesorado
Bellas Bouza, Francisco Javier
Mallo Casdelo, Alma María
Correo electrónico
francisco.bellas@udc.es
alma.mallo@udc.es
Web
Descripción general Nesta asignatura proporciónase unha introdución ás técnicas computacionais de aprendizaxe automática máis utilizadas no ámbito da intelixencia artificial aplicada. Os estudantes recibirán unha visión xeral do campo para entender que tipos de problemas se resolven e con que técnicas, co obxectivo de dotar ao alumno dun coñecemento básico sobre o ámbito de aplicación das mesmas. Esta é unha asignatura fundamentalmente práctica, de modo que as clases de teoría sirvan de introdución para comprender os conceptos que se traballarán de forma directa nas clases prácticas. Estas últimas realízanse utilizando a linguaxe de programación Python xunto con librerías específicas de aprendizaxe automática.

Competencias del título
Código Competencias del título
A8 ETI8 - Capacidad para diseñar y proyectar sistemas de producción automatizados y control avanzado de procesos.
B1 G1 Tener conocimientos adecuados de los aspectos científicos y tecnológicos en la Ingeniería Industrial.
B2 G2 Proyectar, calcular y diseñar productos, procesos, instalaciones y plantas.
B3 G3 Dirigir, planificar y supervisar equipos multidisciplinares.
B4 G4 Realizar investigación, desarrollo e innovación en productos, procesos y métodos.
B5 G5 Realizar la planificación estratégica y aplicarla a sistemas tanto constructivos como de producción, de calidad y de gestión medioambiental.
B6 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.
B13 G8 Aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares.
B14 G9 Ser capaz 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.
B15 G10 Saber comunicar las conclusiones –y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades.
B16 G11 Poseer las habilidades de aprendizaje que permitan continuar estudiando de un modo autodirigido o 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 aprendizaje
Resultados de aprendizaje Competencias del título
Conocer las principales técnicas de preparación de los datos y reducción de la dimensionalidad, y su uso práctico AP8
BP1
BP2
BP6
BP13
CP1
CP3
Conocer las principales técnicas clasificación supervisada y no supervisada, y su uso práctico AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Conocer las principales técnicas para la obtención de modelos para regresión/identificación de sistemas para estimación y predicción, y su uso práctico AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Conocer las principales metodologías experimentales y de análisis de resultados en el campo del aprendizaje automático BP1
BP4
BP5
BP6
BP14
BP16
CP1
CP6
CP7
CP8
Evaluar un problema de aprendizaje en ingeniería que se pueda resolver mediante las técnicas vistas en la asignatura, y justificar la elección de la más adecuada, así como exponer dichas conclusiones de manera fiable BP1
BP2
BP3
BP13
BP14
BP15
CP3
CP6
CP7
CP8
CP9
CP11

Contenidos
Tema Subtema
Introducción al aprendizaje automático Conceptos preliminares.
Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc.
Formas de aprendizaje: supervisado, no supervisado, por refuerzo, etc.
Métodos de clasificación y agrupamiento Introducción
Algoritmos de clasificación supervisada
Algoritmos de clasificación no supervisada (clustering)
Métodos para el procesado de datos Preparación de los datos
Reducción de dimensionalidad
Metodología experimental y análisis de resultados Métodos para estimación del error
Análisis de resultados
Comparación de modelos
Métodos de regresión para modelado y predicción Introducción
Modelos principales
Redes de neuronas artificiales

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Trabajos tutelados B2 B3 B4 B13 C1 C3 0 37 37
Presentación oral B1 B5 B15 B14 B6 C7 C9 C11 3 9 12
Prácticas a través de TIC A8 B13 B14 B16 B6 C11 10.5 21 31.5
Análisis de fuentes documentales B3 B5 B14 B6 C11 2 8 10
Sesión magistral B1 B6 C6 C8 16 2 18
 
Atención personalizada 4 0 4
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Trabajos tutelados Prácticas de programación fuera del aula en las que se implementarán, en el lenguaje de programación seleccionado por los profesores de la asignatura, algunas de las técnicas vistas en las clases de teoría sobre problemas reales de ingeniería. Estos trabajos serán realizados por los alumnos de forma autónoma y su avance será tutorizado por los profesores
Presentación oral Trabajo o trabajos de teoría sobre algún tema propuesto por los profesores de la asignatura que deberán ser expuestos delante de los compañeros y entregados también por escrito
Prácticas a través de TIC Sesiones presenciales con el ordenador en las que los profesores explicarán el uso y programación de las técnicas de aprendizaje automático vistas en teoría, de modo que los alumnos adquieran las capacidades suficientes para utilizarlas autónomamente.
Análisis de fuentes documentales Técnica metodológica que supone la utilización de documentos audiovisuales y/o bibliográficos relevantes para la temática de la materia con actividades específicamente diseñadas para el análisis de los mismos. En este caso, se utilizará en un contexto de "clase invertida" en la que los conceptos teóricos serán revisados por los estudiantes de forma autónoma previamente a la sesión magistral, en la que se hará una actividad de evaluación de su comprensión.
Sesión magistral Exposición oral por parte de los profesores de la asignatura del temario teórico

Atención personalizada
Metodologías
Presentación oral
Prácticas a través de TIC
Trabajos tutelados
Análisis de fuentes documentales
Descripción
Durante las prácticas a través de TIC, el alumno podrá consultar al profesor todas las dudas que le surjan sobre la programación de las diferentes técnicas.

Trabajos tutelados: es recomendable el uso de atención personalizada en estas actividades para resolver dudas conceptuales o procedimentales que puedan surgir durante la resolución de los problemas prácticos. Además, la atención personalizada se centrará también en la explicación, por parte del alumno, de la solución propuesta.

Presentación oral: los alumnos deberán acudir a los profesores para resolver las dudas que les surjan sobre la preparación de los trabajos que deben ser expuestos, tanto del contenido como de la propia presentación.

Análisis de fuentes documentales: los estudiantes podrán consultar a los profesores sobre los materiales de consulta previamente a las sesiones magistrales

Los alumnos con matrícula a tiempo parcial tendrán una atención personalizada en todas las metodologías anteriores mediante tutorización online.

Evaluación
Metodologías Competéncias Descripción Calificación
Presentación oral B1 B5 B15 B14 B6 C7 C9 C11 La presentación oral del trabajo/trabajos teóricos, la versión escrita de los mismos y la participación activa en las presentaciones de los compañeros tienen un peso importante en la nota final de la asignatura. Se establece una calificación mínima de 15 en esta parte para poder aprobar la asignatura. 25
Trabajos tutelados B2 B3 B4 B13 C1 C3 Se propondrán varios trabajos prácticos a lo largo del curso centrados en la resolución de problemas de ingeniería mediante técnicas de aprendizaje automático. Estos trabajos serán desarrollados de forma autónoma por parte del alumno fuera de las clases y que deberán ser defendidos delante de los profesores. Se establece una calificación mínima de 30 en esta parte para poder aprobar la asignatura. 60
Análisis de fuentes documentales B3 B5 B14 B6 C11 Se utilizará parte de las sesiones magistrales para hacer una evaluación de la comprensión de las fuentes documentales, que serán proporcionadas los por los docentes previamente a la clase para su consulta y comprensión. Estas evaluaciones se realizarán mediante trabajos en grupo, pequeños informes, cuestionarios, u otras metodologías que permitan conocer de manera objetiva el grado de análisis realizado. 15
 
Observaciones evaluación

Para obtener el aprobado en esta materia se deberá superar una valoración mínima de 50 sumando todas las metodologías anteriores, siendo necesario conseguir un mínimo de 30 en los Trabajos Tutelados y de 25 en la suma de la Presentación Oral y el Análisis de fuentes documentales.

En caso de que el alumno no supere la materia en la primera convocatoria, deberá repetir las actividades que sean necesarias de la/de las metodogía/ s que no fueron superadas en la segunda convocatoria. Como ejemplo, si un alumno aprobó la parte de la Presentación oral + Análisis de fuentes documentales, pero suspendió los Trabajos tutelados, deberá repetir los trabajos prácticos necesarios para alcanzar el aprobado, normalmente aquel/aquellos que individualmente no fueron aprobados.

Evaluación de la convocatoria extraordinaria: los alumnos que opten por esta convocatoria deberán realizar las metodologías de trabajos tutelados y presentación oral, pero no el Análisis de fuentes documentales. El valor de esta metodología se suma en la de Presentación Oral, pasando a valer un 40%. Y necesario que se pongan en contacto con los profesores al comienzo del cuatrimestre (Enero) para tener uno plazo suficiente de entrega.

Los alumnos con matrícula a tiempo parcial podrán acumular el 15% de la nota correspondiente al Análisis de fuentes documentales en la presentación oral en todas las convocatorias. Esta modificación deberá solicitarse a los profesores de la materia al inicio del cuatrimestre. Asimismo, en caso de no poder realizar la presentación oral con el resto del alumnado, deberán concretar una fecha alternativa con los profesores en todas las convocatorias.

En el caso de plagio en prácticas o trabajos docentes entregados, si tendrá en cuenta el artículo 11, apartado 4 b), del Reglamento disciplinar del estudiante de la UDC:

b) Calificación de suspenso en la convocatoria en que se cometa la falta y respecto de la materia en que se cometiera: lo/la estudiante será calificado con “suspenso” (nota numérica 0) en la convocatoria correspondiente del curso académico, tanto si la comisión de la falta se produce en la primera oportunidad como en la segunda. Para esto, se procederá a modificar su calificación en el acta de primera oportunidad, si fuera necesario.


Fuentes de información
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

  A Whirlwind Tour of Python by Jake VanderPlas (O’Reilly):

Complementária 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

Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente
Visión Artificial en la Industria/730497239
Proyecto de Diseño y Optimización de un Proceso Industrial/730497236
Diseño y Construcción de Máquinas/730497226
Cinemática y Dinámica de Robots Industriales/730497228

Asignaturas que continúan el temario

Otros comentarios

-Según se recoge en las distintas normativas de aplicación para la docencia universitaria se deberá incorporar la perspectiva de género en esta materia

-Se trabajará para identificar y modificar perjuicios y actitudes sexistas y se influirá en el entorno para modificarlos y fomentar valores de respeto e igualdad.

-Se deberán detectar situaciones de discriminación por razón de género y se propondrán acciones y medidas para corregirlas.

Para ayudar a conseguir un entorno sostenible y cumplir con el objetivo del Plan de Acción Green Campus, la entrega de los trabajos documentales que se realicen en esta materia:

- Se solicitará en formato virtual y/o soporte informático

- Se realizará a través de Moodle, en formato digital sin necesidad de imprimirlos.

De realizarse en papel:

- No se emplearán plásticos.

- Se realizarán impresiones a doble cara.

- Se empleará papel reciclado.

- Se evitará la impresión de borradores.



(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías