| Competencias do título |
|
Código
|
Competencias do título
|
| A24 |
CE24 - Comprensión e dominio dás principais técnicas básicas e avanzadas de aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volumes de datos. |
| A25 |
CE25 - Capacidade para identificar a adecuación de cada unha das técnicas de aprendizaxe automática á resolución dun problema, incluíndo os aspectos relacionados coa súa complexidade computacional ou a súa capacidade explicativa, de acordo aos requisitos establecidos. |
| A26 |
CE26 - Coñecemento das ferramentas informáticas actuais no campo da aprendizaxe automática, e capacidade para seleccionar a máis adecuada para a resolución dun problema. |
| B2 |
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
| B3 |
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
| B7 |
CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
| B8 |
CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
| B9 |
CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
| B10 |
CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
| C1 |
CT1 - Utilizar as ferramentas 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. |
| Resultados de aprendizaxe |
| Resultados de aprendizaxe |
Competencias do título |
| Comprender a relación entre a complexidade dos modelos de aprendizaxe, as características dos datos de aprendizaxe e o sobrexuste, e coñecer os mecanismos para evitalo. |
A24
A25
|
|
|
| Desenvolver capacidades para deseñar as etapas dun proceso completo de análise de datos baseado en técnicas de aprendizaxe automática. |
|
B2
B7
B9
B10
|
C1
|
| Saber aplicar correctamente as técnicas de aprendizaxe automática para obter resultados fiables e significativos. |
A24
|
B3
B8
|
|
| Coñecer as técnicas máis representativas e actuais de aprendizaxe non supervisadas, semisupervisadas e supervisadas, con e sen reforzo. |
A24
|
B8
|
|
| Conocer as técnicas máis representativas de aprendizaxe para os problemas clásicos de clasificación, regresión e agrupación, e outros menos clásicos como problemas de ordenación, problemas dunha clase ou multitarea. |
A24
|
B8
|
|
| Identificar as técnicas apropiadas de análise de datos segundo o problema. |
A25
|
B3
B8
|
|
| Manexar as ferramentas e contornos de traballo máis actuais no ámbito da aprendizaxe automática. |
A26
|
B2
B10
|
|
| Contidos |
| Temas |
Subtemas |
| 1. Introducción |
1.1. Introducción ao Aprendizaxe Automático
1.2. Aprendizaxe Inductivo |
| 2. Aprendizaxe supervisado |
2.1. Introducción
2.2. Redes de Neuronas Artificiais
2.3. Máquinas de Soporte Vectorial
2.4. Árbores de decisión
2.5. Árbores de regresión e árbores de modelos de regresión
2.6. Aprendizaxe baseado en instancias |
| 3. Computación Evolutiva |
3.1. Algoritmos Xenéticos
3.2. Programación Xenética
3.3. Enxames e outras técnicas de Computación Evolutiva |
| 4. Metodoloxías no análise de datos |
4.1. Metodoloxías de adestramento, avaliación e selección de modelos
4.2. Metodoloxías dun proxecto de análise de datos |
| 5. Aprendizaxe non supervisado |
5.1. Métodos de clustering
5.2. Redes autoorganizadas |
| Planificación |
| Metodoloxías / probas |
Competencias |
Horas presenciais |
Horas non presenciais / traballo autónomo |
Horas totais |
| Sesión maxistral |
A24 A25 B3 B8 B9 |
30 |
60 |
90 |
| Prácticas de laboratorio |
A26 B2 B3 B10 C1 |
18 |
18 |
36 |
| Traballos tutelados |
B2 B3 B7 B9 B10 |
10 |
10 |
20 |
| Proba obxectiva |
A24 A25 B8 B9 |
2 |
0 |
2 |
| |
| 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 |
Impartición teórica da materia da asignatura |
| Prácticas de laboratorio |
Resolver problemas prácticos mediante o uso das distintas técnicas que se explicarán nas clases de teoría |
| Traballos tutelados |
Redacción, baixo a tutela do profesor, das memorias nas que se expliquen as resolucións dos problemas realizados nas prácticas de laboratorio |
| Proba obxectiva |
Proba de avaliación escrita na que o alumno deberá demostrar os coñecementos adquiridos na asignatura |
| Atención personalizada |
|
Metodoloxías
|
| Prácticas de laboratorio |
| Traballos tutelados |
|
| Descrición |
Realización do traballo práctico co asesoramiento do profesor.
Redacción das memorias explicativas baixo a tutela do profesor. |
|
| Avaliación |
|
Metodoloxías
|
Competencias |
Descrición
|
Cualificación
|
| Prácticas de laboratorio |
A26 B2 B3 B10 C1 |
Resolución de problemas do mundo real utilizando a metodoloxía, para o cal se utilizarán varias técnicas explicadas en teoría, e estimularase ao alumno a xerar novas ideas para a resolución destes problemas. |
25 |
| Traballos tutelados |
B2 B3 B7 B9 B10 |
Redacción das memorias relativas á resolución dos problemas reais realizados nas prácticas de laboratorio. A redacción das memorias incluirá a realización dunha revisión bibliográfica dos traballos máis importantes relacionados, escritos na súa inmensa maioría en inglés, documentación sobre o problema a resolver, metodoloxía utilizada, e comparación dos resultados atopados na aplicación das distintas técnicas, así como unha valoración crítica tanto dos resultados obtidos como da información utilizada. |
25 |
| Proba obxectiva |
A24 A25 B8 B9 |
Preguntas de tipo test sobre os contenidos da asignatura, baseada nas distintas técnicas de aprendizaxe computacional e as súas sus aplicacións. |
50 |
| |
|
Observacións avaliación |
Para superar a materia, o alumno deberá obter unha calificación mínima de 5 sobre 10 no resultado de combinar as calificaciòns da proba obxectiva, as prácticas de laboratorio e os traballos tutelados. Ademáis, o alumno deberá obter unha nota mínima de 2 sobre 5 puntos na proba obxectiva. Se non obtén esta nota mínima, a nota da materia será a correspondente á nota da proba obxectiva.
Na segunda oportunidade, mantense a nota obtida nas prácticas de laboratorio, e traballos tutelados, non podendo volver a obter nota xa que resulta da evaluación continua do traballo durante os créditos de práctica da materia. O alumno pode voltar a facer o exame da proba obxectiva, sendo os criterios para obter a nota total os indicados ó principio deste apartado.
Aqueles alumnos con matrícula a tempo parcial deberán entregar os traballos en data al igual que os alumnos a tiempo completo, e asistir a os TGR nos que se correxirán os mesmos. De igual manera, é recomendable a súa asistencia ás clases de prácticas. |
| Recomendacións |
| Materias que se recomenda ter cursado previamente |
| Deseño e Análise de Algoritmos/614G02011 | | Modelos de Regresión/614G02012 | | Modelización Estatística de Datos de Alta Dimensión/614G02013 | | Sinais e Sistemas/614G02014 | | Fundamentos de Programación II/614G02009 | | Fundamentos de Programación I/614G02004 | | Inferencia Estatística/614G02007 |
|
| Materias que se recomenda cursar simultaneamente |
| Teoría da Información/614G02018 | | Optimización Matemática/614G02020 |
|
| Materias que continúan o temario |
| Aprendizaxe Automática a Gran Escala/614G02032 | | Métodos Numéricos para Ciencia de Datos/614G02033 | | Aprendizaxe Automática III/614G02026 | | Procesamento de Imaxe, Vídeo e Audio/614G02028 | | Aprendizaxe Automática II/614G02021 |
|
|
D. Borrajo, J. González, P. Isasi (2006). Aprendizaje automático. Sanz y Torres