Competencias / Resultados do título |
Código
|
Competencias / Resultados do título
|
A24 |
CE24 - Comprensión e dominio dás principais técnicas básicas e avanzadas de aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volumes de datos. |
A25 |
CE25 - Capacidade para identificar a adecuación de cada unha das técnicas de aprendizaxe automática á resolución dun problema, incluíndo os aspectos relacionados coa súa complexidade computacional ou a súa capacidade explicativa, de acordo aos requisitos establecidos. |
A26 |
CE26 - Coñecemento das ferramentas informáticas actuais no campo da aprendizaxe automática, e capacidade para seleccionar a máis adecuada para a resolución dun problema. |
B2 |
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
B3 |
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
B7 |
CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
B8 |
CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
B9 |
CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
B10 |
CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
C1 |
CT1 - Utilizar as ferramentas 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. |
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. |
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 |
Introducción |
Introducción ao Aprendizaxe automático
Paradigmas de aprendizaxe
Aprendizaxe Inductivo
Teoremas No Free Lunch |
Aprendizaxe supervisado |
Introdución
Redes de Neuronas Artificiais
Regresión Loxística
Máquinas de Vectores de Soporte
Árbores de Decisión
Aprendizaxe baseada en instancias
Modelos ML para Regresión |
Computación Evolutiva |
Algoritmos Xenéticos
Programación Xenética
Enxames e outras técnicas de Computación Evolutiva |
Metodoloxías no análise de datos |
Metodoloxías de adestramento, avaliación e selección de modelos
Metodoloxías dun proxecto de análise de datos |
Aprendizaxe non supervisado |
Métodos de clustering
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 |
38 |
68 |
Prácticas de laboratorio |
A26 B2 B3 B10 C1 |
15 |
24 |
39 |
Traballos tutelados |
B2 B3 B7 B9 B10 |
15 |
24 |
39 |
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 |
Desenvolvemento de código relacionado co contido da materia
|
Traballos tutelados |
Resolución dun problema do mundo real e redacción da memoria na que se expliquen a resolución deste
|
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 |
Desenvolvemento de código relacionado co contido da materia. |
25 |
Traballos tutelados |
B2 B3 B7 B9 B10 |
Resolución dun problema 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 deste problema. Redacción da memoria relativa á resolución do problema real realizado nas prácticas de laboratorio. A redacción da memoria 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. |
50 |
|
Observacións avaliación |
Para superar a materia, deberase 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, deberase obter unha nota mínima de 4.5 puntos sobre 10 (2.25 puntos sobre 5) 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. Poderase voltar a facer o exame da proba obxectiva, sendo os criterios para obter a nota total os indicados ó principio deste apartado.
Aqueles estudantes con matrícula a tempo parcial deberán entregar os traballos en data al igual que os de 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.
O/A estudante recibirá a cualificación de "non presentado" cando non realice o exame final.
Todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC.
|
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 |
|
|