Datos Identificativos 2020/21
Asignatura (*) Aprendizaje Automático Avanzado para Visión por Computador Código 614535008
Titulación
Máster Universitario en Visión por Computador
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
 Primero Obligatoria 6
Idioma
Inglés
Modalidad docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinador/a
Rouco Maseda, Jose
 Correo electrónico
jose.rouco@udc.es
Profesorado
Novo Bujan, Jorge
Rouco Maseda, Jose
 Correo electrónico
j.novo@udc.es
jose.rouco@udc.es
Web
Descripción general 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.
Plan de contingencia 1. Modificacións nos contidos

Sen cambios

2. Metodoloxías

Mantéñense todas as actividades. O ensino será telemático e as clases desenvolveranse sincrónicamente no horario oficial de clases. Pode ser que, por razóns de sobrevidas, algunhas das clases se realicen de forma asincrónica, o que se lle comunicará ao alumnado con anticipación.

3. Mecanismos de atención personalizada ao alumnado

As titorias serán telemáticas e requirirán cita previa.

4. Modificacións na avaliación

Sen cambios na avaliación. As actividades de avaliación que non se poidan levar a cabo en persoa, realizaránse telemáticamente a través das ferramentas institucionais en Office 365 e Moodle. Neste caso, requirirase a adopción dunha serie de medidas de validación que requirirán que o alumnado teña un dispositivo cun micrófono e unha cámara, mentres non se dispoña dun software de validación axeitado. Pódese concertar unha entrevista con cada estudante para comentar ou explicar parte ou a totalidade das probas realizadas. Nestes escenarios, poderán modificarse algunhas das actividades plantexadas en cada epígrafe, adaptándoas á situación, pero non a súa contribución xeral á cualificación final (a porcentaxe de ponderación)

5. Modificacións da bibliografía ou webgrafía

Sen cambios

Competencias del título
Código Competencias del título
A2 CE2 - Conocer y aplicar técnicas de aprendizaje automático y reconocimiento de patrones aplicadas a visión por computador
B1 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
B2 CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
B5 CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
B6 CG1 - Capacidad de análisis y síntesis de conocimientos
B8 CG3 - Capacidad para desarrollar sistemas de visión por computador dependiendo de las necesidades existentes y aplicar las herramientas tecnológicas más adecuadas
B10 CG5 - Capacidad para identificar problemas sin resolver y aportar soluciones innovadoras
B11 CG6 - Capacidad para identificar resultados teóricos o nuevas tecnologías con potencial innovador y convertirlos en productos y servicios de utilidad para la sociedad
C1 CT1 - Ejercer la profesión con conciencia clara de su dimensión humana, económica, legal y ética y con un claro compromiso de calidad y mejora continua
C2 CT2 - Capacidad de trabajo en equipo, organización y planificación

Resultados de aprendizaje
Resultados de aprendizaje Competencias del 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 el uso de datos etiquetados. AM2
 BM1
BM2
BM5
BM6
BM8
BM10
BM11
 CM1
CM2
Resolver aplicaciones de visión por computador usando métodos avanzados de aprendizaje automático. AM2
 BM1
BM2
BM5
BM6
BM8
BM10
BM11
 CM1
CM2

Contenidos
Tema Subtema
Perceptrón multicapa y retropropagación.
Redes convolucionales y recurrentes
Principios de deep learning
Aprendizaje auto-supervisado y autoencoders.
Modelos neuronales avanzados para visión por computador.
Paradigmas avanzados de supervisión
Temas seleccionados en aprendizaje máquina para visión por computador
Aplicaciones avanzadas en visión por computador.

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Sesión magistral A2 B1 B2 B5 B6 B8 B10 B11 C2 C1 10 20 30
Estudio de casos A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 4 16 20
Prueba objetiva 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 (Proyecto de investigación) A2 B1 B2 B5 B6 B8 B10 B11 C2 C1 10 40 50
 
Atención personalizada 0 0 0
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Sesión magistral Lecciones magistrales participativas con el objetivo de aprender los contenidos teóricos de la materia
Estudio de casos Elaboración y presentación de trabajos sobre metodologías del estado del arte seleccionadas y relacionados con la materia.
Prueba objetiva Tests de evaluación continua durante el curso. Evaluación mediante examen al final del curso como alternativa.
Prácticas de laboratorio Análisis y resolución de casos prácticos con el objetivo de afianzar la aplicación práctica de los contenidos teóricos. Prácticas en aulas de informática, aprendizaje basado en la resolución de casos prácticos, trabajo autónomo y estudio independiente del alumnado, y trabajo en grupo y aprendizaje cooperativo.
Investigación (Proyecto de investigación) Aprendizaje basado en la resolución de casos prácticos, trabajo autónomo y estudio independiente del alumnado, y trabajo en grupo y aprendizaje cooperativo.

Atención personalizada
Metodologías
Investigación (Proyecto de investigación)
Estudio de casos
Prácticas de laboratorio
Descripción
< br>Resolución de dudas durante las prácticas de laboratorio. Asesoramiento individualizado durante la realización de los proyectos de investigación y el estudio de casos.

Evaluación
Metodologías Competéncias Descripción Calificación
Investigación (Proyecto de investigación) A2 B1 B2 B5 B6 B8 B10 B11 C2 C1 Resolución de casos prácticos de aplicación de la materia mediante trabajo autónomo del alumno, y usando las técnicas aprendidas durante lo curso 20
Estudio de casos A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Elaboración y presentación de trabajos sobre metodologías de la estado del arte seleccionadas 15
Prácticas de laboratorio A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Análisis y resolución de casos prácticos con el objetivo de afianzar la aplicación práctica de los contenidos teóricos 40
Prueba objetiva A2 B1 B2 B5 B6 B8 B10 B11 C1 C2 Tests de evaluación continua durante el curso. Evaluación mediante examen al final del curso como alternativa 25
 
Observaciones evaluación

La evaluación correspondiente a la prueba objetiva se podrá superar
mediante la realización de los tests programados durante lo curso o
mediante el examen final.

Fuentes de información
Básica

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

  • Artículos recientes en revistas y conferencias científicas relevantes:NIPS, ICML, IJCAI, AAAI, ECML, CVPR, ICDM, IEEE PAMI, IEEE TKDE, etc.

Recomendaciones
Asignaturas que se recomienda haber cursado previamente
Fundamentos de Aprendizaje Automático para Visión por Computador/614535007
Descripción y Modelado de Imagen/614535004

Asignaturas que se recomienda cursar simultáneamente
Reconocimiento Visual/614535005

Asignaturas que continúan el temario

Otros comentarios


(*) 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