OUTRAS NORMAS DE EVALUACIÓN DA ASIGNATURA

A asistencia regular ás clases prácticas, a entrega das mesmas e a súa presentación nas datas e horarios indicados, son condicións obrigatorias para aprobar a materia.

Sobre a responsabilidade compartida dos traballos en grupo

Nas actividades que se levan a cabo en grupos, tales como as prácticas, todos os membros do grupo serán responsables solidarios do traballo realizado e entregado, así como das consecuencias que se deriven do incumprimento das normas de autoría do mesmo.

* Normativa de avaliación, revisión e reclamación das cualificacións dos estudos de grao e máster universitario, aprobada polo Consello de Goberno da Universidade da Coruña o 19 de decembro de 2013.

Non presentado

O alumnado considerase presentado nunha convocatoria se fai entrega dalgunha das actividades de avaliación.

Avaliación na segunda oportunidade

Dado que a superación da materia se centra na superación dos traballos tutelados, para a segunda oportunidade só será posible reentregar e presentar os traballos que recibisen a cualificación de SUSPENSO ou NON PRESENTADO na primeira oportunidade, sempre dacordo ás instruccións facilitadas para a entrega na segunda oportunidade.

En canto aos criterios de avaliación, a segunda oportunidade estará sometida aos mesmos que a primeira.

Avaliación no caso da convocatoria adiantada

No caso de que o alumnado solicite e asista á convocatoria adiantada, o 100% da súa nota corresponderá cos traballos tutelados. A entrega realizarase como data límite dous días antes do exame oficial da convocatoria adiantada. No caso de requerirse unha presentación ou defensa dos traballos, terá lugar o día oficial do exame.

Matrícula a tempo parcial

En caso de matrícula a tempo parcial elimínase a obrigatoriedade da asistencia ás clases de prácticas, pero non a entrega de traballos nin a asistencia ás presentacións orais dos mesmos nas condicións e prazos específicos que se establecerán. Será obriga do alumnado comunicar a súa situación ao profesorado.

Resultados de aprendizaxe	Competencias / Resultados do título
Coñecer e comprender os paradigmas e aspectos máis relevantes do tratamento de datos en bioinformática
Coñecer e comprender os paradigmas e aspectos máis relevantes do tratamento de datos en bioinformática
Coñecer os principais métodos de aprendizaxe a partir de datos, saber qué tipos principais existen e saber cómo aplicalos.
Coñecer os principais métodos de aprendizaxe a partir de datos, saber qué tipos principais existen e saber cómo aplicalos.
Coñecer os métodos de redución da dimensionalidade
Coñecer os métodos de redución da dimensionalidade
Saber como debe avaliarse un modelo baseado en datos
Saber como debe avaliarse un modelo baseado en datos
Coñecer as plataformas e as ferramentas dispoñibles no campo da Intelixencia Computacional.
Coñecer as plataformas e as ferramentas dispoñibles no campo da Intelixencia Computacional.

Temas	Subtemas
TEMA 1: Introducción á aprendizaxe	1.1. Areas de aplicación e tipos de problemas 1.2. Características dos sistemas de aprendizaxe 1.3. Perspectiva xeral das distintas aproximacións 1.4. Tipos de aprendizaxe: supervisada, semisupervisada (aprendizaxe por reforzo), non supervisada
TEMA 2: Teoría da aprendizaxe computacional	2.1. O problema da precisión 2.2. A dimensión Vapnik-Chervonenkis 2.3. A maldición da dimensionalidade
TEMA 3: Aprendizaxe estatística	3.1. O discriminante lineal de Fisher 3.2. Outros tipos de discriminantes
TEMA 4: Aprendizaxe baseada en árboles e reglas de decisión	4.1. Obxetivo da IA simbólica 4.2. Xeneralidades dos algoritmos de aprendizaxe en IA simbólica 4.3. Listas de decisión 4.4. Inducción de reglas 4.5. Árboles de decisión 4.6. Medidas de rendimiento: entropía e información mutua
TEMA 5: Aprendizaxe baseada en kernels	5.1. Nomenclatura e definicións previas 5.2. SVMs lineais 5.3. SVMs non lineais 5.4. SVM Multiclase
TEMA 6: Redes de neuronas artificiais	6.1. Conceptos básicos 6.2. O Perceptrón multicapa 6.3. Outros modelos
TEMA 7: Métodos de reducción da dimensión	7.1. Extracción de características 7.2. Selección de características
TEMA 8: Metodoloxía experimental e análise de resultados	8.1. Diseño experimental 8.2. Preprocesado de datos 8.3. Métodos para a estimación do error 8.4. Métodos de selección de modelos 8.5. Análisis de sesgos

Metodoloxías / probas	Competencias / Resultados	Horas lectivas (presenciais e virtuais)	Horas traballo autónomo	Horas totais
Sesión maxistral		14	21	35
Traballos tutelados		0	39	39
Prácticas de laboratorio		29	27	56
Presentación oral		3	11	14

Atención personalizada		6	0	6

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Sesión maxistral	Exposición oral dos contidos que conforman o marco teórico da materia, complementada co uso de medios audiovisuais e a introdución dalgunhas preguntas dirixidas ao alumnado, co obxectivo de transmitir coñecemento así como de estimular o razoamento crítico.
Traballos tutelados	Realizaranse varios traballos relacionados cos bloques principais da materia: técnicas de aprendizaxe básicas, técnicas avanzadas e técnicas de selección e extracción de características. Consistirán en actividades de carácter práctico a través das cales se expoñen situacións que requiren ao alumnado identificar o problema obxecto de estudo, formulalo con precisión, desenvolver os procedementos pertinentes, aplicar as técnicas vistas en clase, interpretar os resultados e sacar as conclusións oportunas do traballo realizado. Inclúe sesións periódicas co profesorado para o seguimento.
Prácticas de laboratorio	Actividade que permitirá ao alumnado familiarizarse coas ferramentas, plataformas e conxuntos de datos máis comúns no ámbito da aprendizaxe computacional na bioinformática. O obxectivo é que apliquen e asimilen efectivamente os contidos teóricos a través da realización de actividades de carácter práctico, tales como exercicios, experimentos, simulacións e investigacións.
Presentación oral	Ao finalizar as prácticas e traballos tutelados, pode ser necesario que o alumnado prepare unha sinxela presentación cos principais resultados, conclusións e achegas e expor o traballo realizado na aula.

Metodoloxías	Competencias / Resultados	Descrición	Cualificación
Prácticas de laboratorio		Prácticas en grupo de realización OBRIGATORIA que abordarán cada un dos temas da materia. Son OBRIGATORIAS para poder aprobar e inflúen na cualificación final do traballo tutelado, pero non se puntúan á marxe deste.	0
Traballos tutelados		Traballo en grupo de realización OBRIGATORIA que abordará cada un dos temas da materia. Realizarase en diversas fases ao longo do curso e supón unha avaliación completa e continua sobre todos os aspectos teóricos e prácticos da materia. Inclúe tamén un seguimento de participación activa por parte do alumnado. Algún dos traballos podería plantexarse como de realización voluntaria e individual. As condicións e contido concreto detallaranse durante o curso. Dada a relación direita co contido das prácticas a nota deste apartado inclúe a avaliación das mesmas. Non se poderá aprobar a materia se se obtén unha puntuación inferior a 5 neste apartado.	100
Presentación oral		Poderanse establecer sesións de presentación e discusión dos detalles dos traballos tutelados (e as prácticas), os resultados obtidos e as conclusións extraídas. Nese caso, É OBRIGATORIA a realización da presentación para poder aprobar e inflúe na cualificación final do traballo tutelado, pero non se puntúa á marxe deste.	0

Observacións avaliación
OUTRAS NORMAS DE EVALUACIÓN DA ASIGNATURA A asistencia regular ás clases prácticas, a entrega das mesmas e a súa presentación nas datas e horarios indicados, son condicións obrigatorias para aprobar a materia. Sobre a responsabilidade compartida dos traballos en grupo Nas actividades que se levan a cabo en grupos, tales como as prácticas, todos os membros do grupo serán responsables solidarios do traballo realizado e entregado, así como das consecuencias que se deriven do incumprimento das normas de autoría do mesmo. * Normativa de avaliación, revisión e reclamación das cualificacións dos estudos de grao e máster universitario, aprobada polo Consello de Goberno da Universidade da Coruña o 19 de decembro de 2013. Non presentado O alumnado considerase presentado nunha convocatoria se fai entrega dalgunha das actividades de avaliación. Avaliación na segunda oportunidade Dado que a superación da materia se centra na superación dos traballos tutelados, para a segunda oportunidade só será posible reentregar e presentar os traballos que recibisen a cualificación de SUSPENSO ou NON PRESENTADO na primeira oportunidade, sempre dacordo ás instruccións facilitadas para a entrega na segunda oportunidade. En canto aos criterios de avaliación, a segunda oportunidade estará sometida aos mesmos que a primeira. Avaliación no caso da convocatoria adiantada No caso de que o alumnado solicite e asista á convocatoria adiantada, o 100% da súa nota corresponderá cos traballos tutelados. A entrega realizarase como data límite dous días antes do exame oficial da convocatoria adiantada. No caso de requerirse unha presentación ou defensa dos traballos, terá lugar o día oficial do exame. Matrícula a tempo parcial En caso de matrícula a tempo parcial elimínase a obrigatoriedade da asistencia ás clases de prácticas, pero non a entrega de traballos nin a asistencia ás presentacións orais dos mesmos nas condicións e prazos específicos que se establecerán. Será obriga do alumnado comunicar a súa situación ao profesorado.

Bibliografía básica	2nd Edition byBerthold R. (Editor), Hand D.J. (Editor) (1999). Intelligent Data Analysis . Springer. https://www.researchgate.net/publication/235945820_Intelligent_Data_Analysis_An_Introducti Alpaydin, E. (2004). Introduction to Machine Learning. The MIT Press Nilsson, N. J. (1996). Introduction to Machine Learning. Draft of Incomplete Notes. http://robotics.stanford.edu/people/nilsson/mlbook.html Mitchell, T. (1997). Machine Learning. WCB/McGraw-Hill Michie, D., Spiegelhalter, D. J., Taylor, C. C., (editores) (1994). Machine Learning: Neural and statistical classification. Ellis Horwood. https://www.researchgate.net/publication/2335004_Machine_Learning_Neural_and_Statisti Bishop, C. (1996). Neural Networks for Pattern Recognition. Oxford University Press

Bibliografía complementaria