Datos Identificativos 2020/21
Asignatura (*) Aprendizaxe Automática Avanzada para Visión por Computador Código 614535008
Titulación
Máster Universitario en Visión por Computador
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
 Primeiro Obrigatoria 6
Idioma
Inglés
Modalidade docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
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
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.
Plan de continxencia 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 do título
Código Competencias do título
A2 CE2 - Coñecer e aplicar técnicas de aprendizaxe automática e recoñecemento de patróns aplicadas a visión por computador
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 contornas novas ou pouco coñecidas dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
B5 CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo
B6 CG1 - Capacidade de análise e síntese de coñecementos
B8 CG3 - Capacidade para desenvolver sistemas de visión por computador dependendo das necesidades existentes e aplicar as ferramentas tecnolóxicas máis axeitadas
B10 CG5 - Capacidade para identificar problemas sen resolver e achegar solucións innovadoras
B11 CG6 - Capacidade para identificar resultados teóricos ou novas tecnoloxías con potencial innovador e convertelos en produtos e servizos de utilidade para a sociedade
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 aprendizaxe
Resultados de aprendizaxe Competencias 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 Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A2 B1 B2 B5 B6 B8 B10 B11 C2 C1 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 C2 C1 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 Descrición Cualificación
Investigación (Proxecto de investigación) A2 B1 B2 B5 B6 B8 B10 B11 C2 C1 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


(*)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