| Competencias / Resultados do título |
| Código | Competencias / Resultados do título |
| A8 | ETI8 - Capacidade para deseñar e proxectar sistemas de produción automatizados e control avanzado de procesos. |
| B1 | CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación. |
| B2 | CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo. |
| B3 | CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos. |
| B4 | CB9 - Que os estudantes saiban comunicar as súas conclusións -e os coñecementos e razóns últimas que as sustentan- a públicos especializados e profanos dun modo claro e sen ambigüidades. |
| B5 | CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que terá que ser en boa medida autodirixido ou autónomo. |
| B6 | G1 - Ter coñecementos adecuados dos aspectos científicos e tecnolóxicos na Enxeñería Industrial. |
| B13 | G8 - Aplicar os coñecementos adquiridos e resolver problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos e multidisciplinares. |
| B14 | G9 - Ser capaz de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos. |
| B15 | G10 - Saber comunicar as conclusións –e os coñecementos e razóns últimas que as sustentan– a públicos especializados e non especializados dun modo claro e sen ambigüidades. |
| B16 | G11 - Posuír as habilidades de aprendizaxe que permitan continuar estudando dun modo autodirigido ou 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 aprendizaxe | |||
| Resultados de aprendizaxe | Competencias / Resultados do título | ||
| Coñecer as principais técnicas de clasificación supervisada e non supervisada, e o seu uso práctico | AP8 |
BP1 BP2 BP6 BP13 |
CP1 CP3 |
| Coñecer as principais técnicas de preparación dos datos e redución da dimensionalidade, e o seu uso práctico | AP8 |
BP1 BP4 BP6 BP13 BP14 |
CP1 CP3 CP11 |
| Coñecer as principais técnicas para a obtención de modelos de regresión / identificación de sistemas de estimación e predicción, e o seu uso práctico | AP8 |
BP1 BP4 BP6 BP13 BP14 |
CP1 CP3 CP11 |
| Coñecer as principais metodoloxías experimentais e analizar os resultados no campo da aprendizaxe automática | BP1 BP4 BP5 BP6 BP14 BP16 |
CP1 CP6 CP7 CP8 |
|
| Avalíar un problema de aprendizaxe de enxeñería que poida resolverse coas técnicas que se ven no temario e xustificar a elección das máis adecuadas, así como expoñer estas conclusións dun xeito fiable | BP1 BP2 BP3 BP13 BP14 BP15 |
CP3 CP6 CP7 CP8 CP9 CP11 |
|
| Contidos |
| Temas | Subtemas |
| Introducción ó aprendizaxe automático | Conceptos preliminares. Tipos de problemas: clasificación, regresión, agrupación, detección de anomalías, etc. Formas de aprendizaxe: supervisadas, non supervisadas, por reforzo, etc. |
| Métodos de clasificación e agrupamento | Introducción Algoritmos de clasificación supervisada Algoritmos de clasificación non supervisada (clustering) |
| Métodos para o procesado de datos | Preparación dos datos Reducción de dimensionalidade |
| Métodos de regresión para modelado e predicción | Introducción Modelos principais Redes de neuronas artificiais |
| Metodoloxía experimental e análise de resultados | Métodos para a estimación do erro Análise de resultados Comparación de modelos |
| Planificación | ||||
| Metodoloxías / probas | Competencias / Resultados | Horas lectivas (presenciais e virtuais) | Horas traballo autónomo | Horas totais |
| Traballos 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 |
| Análise de fontes documentais | B3 B5 B14 B6 C11 | 2 | 8 | 10 |
| Sesión maxistral | B1 B6 C6 C8 | 16 | 2 | 18 |
| Atención personalizada | 4 | 0 | 4 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Traballos tutelados | Prácticas de programación fora da aula nas que se implementarán, na linguaxe seleccionada polos profesores, algunhas das técnicas de aprendizaxe automática vistas nas clases teóricas. Estes traballos serán realizados polos alumnos de forma autónoma e o seu avance será tutorizado polos profesores |
| Presentación oral | Traballo (ou traballos) de teoría sobre algún tema proposto polos profesores da asignatura que deberá ser exposto diante dos compañeiros e entregado por escrito |
| Prácticas a través de TIC | Sesións presenciais co ordenador nas que os profesores explicarán o uso e programación das técnicas de aprendizaxe automática vistas en teoría, de modo que os alumnos obteñan as capacidades suficientes para utilizalas autónomamente. |
| Análise de fontes documentais | Técnica metodolóxica que supón a utilización de documentos audiovisuais e/ou bibliográficos relevantes para a temática da materia con actividades especificamente deseñadas para a análise dos mesmos. Neste caso, o profesor exporá a temática para revisar e os estudantes farán a análise de forma autónoma, presentando posteriormente os resultados de maneira oral. |
| Sesión maxistral | Exposición oral por parte dos profesores da materia do temario teórico |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias / Resultados | Descrición | Cualificación |
| Presentación oral | B1 B5 B15 B14 B6 C7 C9 C11 | A presentación oral do traballo/traballos teóricos, a presentación escrita dos mesmos e a participación activa nas presentacións dos compañeiros teñen un peso importante na calificación final. | 30 |
| Traballos tutelados | B2 B3 B4 B13 C1 C3 | Propoñeranse varios traballos prácticos ó longo do curso centrados na aplicación de técnicas de aprendizaxe automática en problemas de enxeñaría. Estes traballos serán desenvolvidos de forma autónoma por parte do alumno fora das clases e terán que ser defendidos posteriormente. | 60 |
| Análise de fontes documentais | B3 B5 B14 B6 C11 | Realizarase unha reunión con cada grupo fóra das horas presenciais para facer unha avaliación da comprensión das fontes documentais, que serán proporcionadas os polos docentes previamente para a súa consulta e comprensión. Estas avaliacións realizaranse mediante pequenos informes e presentacións que permitan coñecer de maneira obxectiva o grao de análise realizada. | 10 |
| Observacións avaliación | |||
|
Primeira oportunidade: Para obter o aprobado na primeira oportunidade deberase superar unha valoración mínima de 50 sumando todas as metodoloxías anteriores, sendo necesario conseguir un mínimo de 30 nos Traballos Tutelados e de 20 na suma da Presentación Oral e a Análise de fontes documentais. Segunda oportunidade: No caso de que o estudante non supere a materia na primeira oportunidade, deberá repetir as actividades que sexan necesarias da/das metodogía/ s que non foron superadas na segundo convocatoria. Como exemplo, se aprobou a parte da Presentación oral + Análise de fontes documentais, pero suspendeu os Traballos tutelados, deberá repetir os traballos prácticos necesarios para alcanzar o aprobado, normalmente aquel/aqueles que individualmente non foron aprobados. Na segunda oportunidade mantéñense os criterios de nota mínima establecidos na primeira convocatoria. Oportunidade adiantada Para esta oportunidade mantéñense os mesmos criterios que para a primeira, debendo o estudante concretar uns prazos de entrega cos profesores da materia. Estudantes con matrícula a tempo parcial ou dispensa académica Poderán acumular o 15% da nota correspondente á Análise de fontes documentais na presentación oral nas dúas convocatorias. Esta modificación deberá solicitarse aos profesores da materia ao comezo do cuadrimestre. Así mesmo, en caso de non poder realizar a presentación oral co resto do alumnado, deberán concretar unha data alternativa cos profesores en todas as convocatorias. Todos os aspectos normativos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académico” rexeranse de acordo coa normativa académica vixente da UDC (https://www.udc.es/es/normativa/academica/) |
|||
| Fontes de información |
| Bibliografía 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): |
|
| Bibliografía complementaria |
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 |
|
|
| Recomendacións | ||||
| Materias que se recomenda ter cursado previamente |
| Materias que se recomenda cursar simultaneamente | ||||
|
| Materias que continúan o temario |
| Observacións | |
|
1.- A entrega dos traballos documentais que se realicen nesta materia: • 1.1. Solicitarase en formato virtual e/ou soporte informático. • 1.2. Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos • 1.3. De se realizar en papel: - Non se empregarán plásticos. - Realizaranse impresións a dobre cara. - Empregarase papel reciclado. - Evitarase a impresión de borradores. 2.- Débese facer un uso sostible dos recursos e a prevención de impactos negativos sobre o medio natural. 3.- Débese ter en conta a importancia dos principios éticos relacionados cos valores da sostenibilidade nos comportamentos persoais e profesionais. 4.- Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (usarase linguaxe non sexista, utilizarase bibliografía de autores de ambos os sexos, propiciarase a intervención en clase de alumnos e alumnas...). 5.- Traballaráse para identificar e modificar prexuízos e actitudes sexistas, e influirase na contorna para modificalos e fomentar valores de respecto e igualdade. 6. Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas. 7. Facilitarase a plena integración do alumnado que por razón físicas, sensoriais, psíquicas ou socioculturais, experimenten dificultades a un acceso axeitado, igualitario e proveitoso á vida universitaria. |