Datos Identificativos 2024/25
Asignatura (*) Aprendizaxe Automática Avanzada para Visión por Computador Código 614535008
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Obrigatoria 6
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Rouco Maseda, Jose
 Correo electrónico
jose.rouco@udc.es
Profesorado
De Moura Ramos, Jose Joaquim
Rouco Maseda, Jose
 Correo electrónico
Web http://www.imcv.eu/guide/2024-2025/amlcv/
Descrición xeral O obxectivo desta materia é coñecer e aplicar modelos neuronais avanzados, coñecer as técnicas da estado da arte de aprendizaxe profunda, con formulacións de adestramento end-to-end, e minimizando el uso de datos etiquetados, para resolver aplicacións de visión por computador usando as metodoloxías cubertas na materia.

Competencias / Resultados do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Conocer, aplicar y evaluar modelos neuronales avanzados. AM2
 BM1
BM2
BM5
BM6
BM8
BM10
BM11
 CM1
CM2
Conocer técnicas de aprendizaje profundo, con planteamientos de entrenamiento end- to- end, y minimizando él uso de datos etiquetados. AM2
 BM1
BM2
BM5
BM6
BM8
BM10
BM11
 CM1
CM2
Resolver aplicaciones de visión por ordenador usando métodos avanzados de aprendizaje automático. AM2
 BM1
BM2
BM5
BM6
BM8
BM10
BM11
 CM1
CM2

Contidos
Temas Subtemas
Perceptrón multicapa e retropropagación.
Redes convolucionais e recurrentes
Principios de deep learning
Aprendizaje auto-supervisado e autoencoders.
Modelos neuronais avanzados para visión por computador.
Paradigmas avanzados de supervisión
Temas seleccionados en aprendizaxe máquina para visión por computador
Aplicacións avanzadas en visión por computador.

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 10 20 30
Estudo de casos A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 4 16 20
Proba obxectiva A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 2 0 2
Prácticas de laboratorio A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 16 32 48
Investigación (Proxecto de investigación) A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 10 40 50
 
Atención personalizada 0 0 0
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Leccións maxistrais participativas co obxectivo de aprender os contidos teóricos da materia
Estudo de casos Elaboración e presentación de traballos sobre metodoloxías do estado da arte seleccionados e relacionados coa materia.
Proba obxectiva Tests de avaliación continua durante o curso. Avaliación mediante exame ao final do curso como alternativa.
Prácticas de laboratorio Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos. Prácticas en aulas de informática, aprendizaxe baseada na resolución de casos prácticos, traballo autónomo e estudo independente do alumnado, e traballo en grupo e aprendizaxe cooperativo.
Investigación (Proxecto de investigación) Aprendizaxe baseada na resolución de casos prácticos, traballo autónomo e estudo independente do alumnado, e traballo en grupo e aprendizaxe cooperativo.

Atención personalizada
Metodoloxías
Investigación (Proxecto de investigación)
Estudo de casos
Prácticas de laboratorio
Descrición

Resolución de dúbidas durante as prácticas de laboratorio. Asesoramento individualizado durante a realización dos proxectos de investigación e o estudo de casos.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Investigación (Proxecto de investigación) A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Resolución de casos prácticos de aplicación da materia mediante traballo autónomo do alumno, e usando as técnicas aprendidas durante o curso 20
Estudo de casos A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Elaboración e presentación de traballos sobre metodoloxías da estado da arte seleccionados 15
Prácticas de laboratorio A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos 40
Proba obxectiva A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Tests de avaliación continua durante o curso. Avaliación mediante exame ao final do curso como alternativa 25
 
Observacións avaliación

A avaliación correspondente á proba obxectiva poderase superar
mediante a realización dos tests programados durante o curso ou mediante
o exame final.

Fontes de información
Bibliografía básica

Bibliografía complementaria
  • Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press. 2017.

  • Artigos recentes en revistas e conferencias científicas relevantes: NIPS, ICML, IJCAI, AAAI, ECML, CVPR, ICDM, IEEE PAMI, IEEE TKDE, etc.

Recomendacións
Materias que se recomenda ter cursado previamente
Fundamentos de Aprendizaxe Automática para Visión por Computador/614535007
Descrición e Modelaxe de Imaxe/614535004

Materias que se recomenda cursar simultaneamente
Recoñecemento Visual/614535005

Materias que continúan o temario

Observacións

-Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria incorporarase a perspectiva de xénero nesta materia

-Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade.

-Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas



(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías