| Competencias do título |
| Código | Competencias do título |
| A11 | CE10 - capacidade para a construcción, validación e aplicación dun modelo estocástico dun sistema real a partir dos datos observados e o análisis crítico dos resultados obtidos para seleccionar as máis axeitadas para a resolución de problemas |
| A12 | CE11 - Comprensión e dominio das principáis técnicas e ferramentas de análisis de datos, tanto dende o punto de vista estatístico como da aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volúmenes de datos, e capacidade para seleccioar as máis axeitadas para a resolución de problemas |
| A13 | CE12 - capacidade para plantexar, formular e resolver todas as etapas dun proxecto de datos, incluíndo a compresión e dominio de fundamentos e técnicas básicas para a búsqueda e o filtrado de información en grandes coleccións de datos |
| A16 | CE15 - coñecemento das ferramentas informáticas no campo da aprendizaxe automática, e capacidade para seleccionar a máis axeitad para a resolución dun problema |
| B2 | CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial |
| B3 | CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo |
| B4 | CG04 - Elaborar axeitadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo |
| B5 | CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións |
| B6 | CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
| B7 | CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo |
| B8 | CB03 - Que os estudantes sexan capaces de integrar coñecementos e enfrentarse á complexidade de formular xuízos a partiren dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociáis e éticas vinculadas á aplicación dos seus coñecementos e xuízos |
| B9 | CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades |
| C3 | CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida |
| C4 | CT04 - Desenvolverse para o exercicio dunha una cidadanía respetuosa coa cultura democrática, os dereitos humáns e la perspectiva de xénero |
| C7 | CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social |
| C8 | CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade |
| C9 | CT09 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer plazos e cumplilos |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Adquirir os coñecementos sobre o funcionamento das principais técnicas de aprendizaxe incremental | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Aplicar técnicas de aprendizaxe incremental para a análise de datos en tempo real en contornas estacionarios e non estacionarios | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Coñecer o principio de funcionamento das principais paradigmas de aprendizaxe con preservación da privacidade | AM10 AM11 AM12 AM15 |
BM2 BM3 BM4 BM5 BM6 BM7 BM8 BM9 |
CM3 CM4 CM7 CM8 CM9 |
| Contidos |
| Temas | Subtemas |
| 1. Aprendizaxe en liña e incremental | 1.1. Algoritmos incrementáis para aprendizaxe supervisada e non supervisada 1.2 Detección e tratamento da obsolescencia dos datos e do "concept drift" |
| 2. Paradigmas de aprendizaxe con preservación da privacidade dos datos | 2.1. Aprendizaxe Federada |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Sesión maxistral | A11 A12 A13 A16 B3 B6 B7 B8 B9 C3 C4 C8 | 10 | 10 | 20 |
| Seminario | A11 A12 A13 A16 B2 B4 B5 C7 C9 | 4 | 20 | 24 |
| Prácticas a través de TIC | A11 A12 A13 A16 B3 B6 B7 B8 C3 C4 C8 | 7 | 21 | 28 |
| Proba mixta | A11 A12 A13 A16 B4 B6 B7 | 1 | 0 | 1 |
| Atención personalizada | 2 | 0 | 2 | |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado | ||||
| Metodoloxías |
| Metodoloxías | Descrición |
| Sesión maxistral | Os contidos da materia impartiranse de maneira indistinta entre as clases expositivas as clases interactivas. A realización de todas as actividades propostas é necesaria, do mesmo xeito que a asistencia a todas as clases (expositivas e interactivas) para superar a materia. Clases Expositivas (teoría): consistirán na exposición e explicación dos diferentes apartados do programa da materia, coa axuda de medios electrónicos (presentacións, vídeos, etc.). |
| Seminario | Estudo de casos: poderanse expor ao alumnado escenarios de traballo, reais ou ficticios, que presenten determinadas problemáticas. O alumnado deberá aplicar os coñecementos teórico-prácticos da materia para buscar unha solución á cuestión ou cuestións expostas. Como norma xeral, o estudo de casos realizarase en grupos. Os distintos grupos de traballo expoñerán e poñerán en común as súas solucións. |
| Prácticas a través de TIC | Clases interactivas (prácticas): exporanse diferentes problemas prácticos relacionados co contido da materia para que o alumno resolva de forma individual ou en grupos. Aprendizaxe por proxectos: poderase expor ao alumnado proxectos prácticos cuxo alcance requira que se lle dedique un parte importante da dedicación total do alumno á materia. Traballo autónomo: o alcance e obxectivos dos proxectos, casos de uso e/ou problemas prácticos poderán requirir do traballo autónomo por parte de alumnado, aínda que coa tutela do profesorado. |
| Proba mixta | Unha proba mixta que pode conter preguntas tipo test, preguntas de resposta curta ou preguntas de desenvolvemento. Vai a evaluar l parte teórica de la asignatura e pode conter preguntas sobre o conido dos seminarios ou exercicios práticos |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Proba mixta | A11 A12 A13 A16 B4 B6 B7 | Prob obxetiva que pode ser un modelo mixto con preguntas tipo test e algunhas preguntas de resposta curta ou de desenvolvemento. | 60 |
| Prácticas a través de TIC | A11 A12 A13 A16 B3 B6 B7 B8 C3 C4 C8 | Esta calificación incluirá a avaliación das leccións práticas e o proxecto desenvolvido. | 30 |
| Seminario | A11 A12 A13 A16 B2 B4 B5 C7 C9 | Se incluirá a avaliación das lección e traballos realizados nos seminarios | 10 |
| Observacións avaliación | |||
|
A asistencia ás clases interactivas e expositivas é obrigatoria e terase en conta para a avaliación da materia. Será obrigatorio a asistencia polo menos ao 80% das sesións (salvo causas moi xustificadas, segundo normativa). Para superar a materia, o alumno terá que realizar todas as actividades que se propoñan e superar os exames correspondentes. Primeira oportunidade: Para superar a materia, o alumno deberá asistir ás clases, entregar e superar as actividades propostas (40% da cualificación final) nos seminarios e prácticas através de TIC,e aprobar o exame final (60% da cualificación). Exames parciais: non se realizará ningún exame parcial. Segunda oportunidade: Mantense a nota conseguida nas prácticas durante o curso e tamén o seu peso na nota final. Os alumnos que non alcanzasen a nota de corte nas actividades propostas durante a convocatoria anterior, poderán entregar, en data previa ao exame final de segunda oportunidade, actividades similares ás non superadas que serán propostas por os docentes. Unha vez aprobadas ambas as partes por separado, o exame será o 60% da nota final e as prácticas o 40%. Dispensa de asistencia: En caso de dispensa de asistencia os alumnos estarán exentos do cumprimento do deber de asistencia ás clases presenciais, pero seguirá sendo obrigatorio a realización e superación das actividades propostas, así como superar o exame final. Unha vez superadas ambas as partes por separado, o exame será o 60% da nota final e as prácticas o 40%. Alumnos repetidores: Os alumnos repetidores de anos anteriores estarán exentos do cumprimento do deber de asistencia ás clases presenciais. Para aprobar a materia é obrigatorio a realización e entrega das actividades propostas nas mesmas datas establecidas para o resto dos alumnos, así como superar o exame final. Unha vez superadas ambas as partes por separado, o exame será o 60% da nota final e as prácticas o 40%. Non presentado: O alumno recibirá a cualificación de "non-presentado" cando non faga o examen final Realización fraudulenta de exercicios ou probas: Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recolleito en la normativa de la UDC al respecto. Avaliación das competencias: En xeral o desenvolvemento das actividades prácticas, proxectos e casos de uso, así como a preparación dos temas teóricos permitirá ao alumnado traballar as competencias básicas, xerais e transversais da materia. En concreto, a través dos proxectos e casos de uso valoraranse as competencias CT7, CT9, CG5 CG4, CG2 O desenvolvemento das prácticas, así como a proba final permitirá avaliar as competencias específicas: CE10, CE11, CE12, CE15 |
|||
| Fontes de información |
| Bibliografía básica |
WANG, Jianyu, et al. (2021). A field guide to federated optimization. arXiv preprint
Géron, Aurélien (2022). Hands-on Machine Learning with Scikit-Learn & TensorFlow : Concepts, Tools, and Techniques to build Intelligent Systems. 2nd Edition. O'Reilly
GEPPERTH, Alexander; HAMMER, Barbara (2016). Incremental learning algorithms and applications. European symposium on artificial neural networks (ESANN) |
|
|
|
| Bibliografía complementaria |
Quian Yangt et al (2019). Federated Learning. Morgan & Claypool
HE, Haibo, et al (2011). Incremental learning from stream data. IEEE Transactions on Neural Networks, vol. 22, no 12, p. 1901-1914.
BONAWITZ, Keith, et al. (2019). Towards federated learning at scale: System design. Proceedings of Machine Learning and Systems, 2019, vol. 1, p. 374-388
Emily Glanz, Nova Fallen (2021). What Is Federated Learning?. O'Reilly |
|
|
| Recomendacións | |
| Materias que se recomenda ter cursado previamente | |
|
| Materias que se recomenda cursar simultaneamente |
| Materias que continúan o temario |
| Observacións | |
|
Os e as estudiantes deben estar familiarizados con conceptos de programación de nivel medio, álgebra lineal, cálculo e estadística. Tamén é útil o coñecemento da concurrencia básica e a arquitectura paralela |