Para superar la materia, el alumno deberá obtener una calificación mínima de 5 sobre 10 en el resultado de combinar las calificaciones de la prueba objetiva, del aprendizaje colaborativo, de los trabajos tutelados y las prácticas de laboratorio. Además, el alumno deberá obtener una nota mínima de 4 sobre 10 puntos en la prueba objetiva. Si no obtiene esta nota mínima, la nota de la materia será la correspondente a la nota de la prueba objetiva.

El trabajo entregado deberá ser original del alumno. De acuerdo al artículo 14, apartado 4, de la normativa, la entrega de trabajos no originales o con partes duplicadas (sea por copias entre compañeros o por obtención de otras fuentes...) llevará una nota global de SUSPENSO EN LA CONVOCATORIA ANUAL, tanto para el/la estudante que presente material copiado como a quien lo facilitase.

Sobre la responsabilidad compartida de los trabajos en grupo.

En las actividades que se llevan a cabo en grupos, tales como las prácticas, todos los miembros del grupo serán responsables solidarios do¡el trabajo realizado y entregado, así como de las consecuencias que se deriven del incumplimiento de las normas de autoría del mismo.

En la segunda oportunidad, se mantiene la nota obtenida en las prácticas de laboratorio. Aquellos/as estudiantes que tengan que incurrir en esta oportunidad deberán realizar la prueba objetiva con los mismos criterios de evaluación que en la primera oportunidad. Opcionalmente, con respecto a las prácticas, se habilitará una entrega adicional para un trabajo. La calificación de este trabajo sustituirá a la nota de los trabajos tutelados de la primera oportunidad. La entrega de un nuevo trabajo implica la pérdida de la calificación anterior independientemente de que ésta fuera superior. La parte correspondiente a las prácticas de laboratorio y del aprendizaje colaborativo no se podrá recuperar ya que son fruto de la evaluación continua del trabajo durante los créditos de la materia.

Aquellos alumnos con matrícula a tiempo parcial deberán entregar los trabajos en fecha al igual que los alumnos a tiempo completo. Es recomendable su asistencia a las clases de prácticas.

A mayores, las tutorias se considerarán una parte importante dentro del desarrollo de la asignatura. Están orientadas de tal manera que los/las estudantes tengan y/o puedan consultar distintas cuestiones como:

1. Posibilidades de desarrollo profesional

2. Problemas en el desarrollo de las prácticas

3. Maneras de enfocar/organizar las prácticas

4. Resolución de dudas sobre las cuestiones teóricas

Resultados de aprendizaje	Competencias del título
Conocer y saber aplicar técnicas avanzadas de preprocesado de datos, incluyendo las de reducción de la dimensión o de tratamiento de valores ausentes	A24	B3 B8 B9	C4
Conocer las técnicas más representativas de aprendizaje para los problemas clásicos de clasificación, regresión y agrupación, y otros menos clásicos como problemas de ordenación, problemas de una clase o multitarea	A24	B3 B8 B9	C4
Conocer las técnicas más representativas y actuales de aprendizaje no supervisado, semisupervisado y supervisado, con y sin refuerzo	A24	B3 B8 B9	C4
Identificar las técnicas apropiadas de análisis de datos según el problema	A25	B2 B3 B4 B7 B8 B10	C1
Manejar las herramientas y entornos de trabajo más actuales en el ámbito del aprendizaje automático	A26		C1

Tema	Subtema
1. Técnicas avanzadas de preprocesamiento de datos	1.1. Tratamiento de datos sesgados y ausentes 1.2. Métodos de reducción de la dimensionalidad
2. Modelos combinados (Ensemble)	2.1. Métodos de combinación de modelos: Voting, Bagging, Boosting... 2.2. Bosques Aleatorios
3. Aprendizaje por refuerzo	3.1. Basado en modelos 3.2. Basado en diferencias temporales
4. Aprendizaje semisupervisado	4.1. Modelos generativos 4.2. Modelos basados en grafo
5. Métodos de clasificación de una clase	5.1. Basados en densidad 5.2. Basados en reconstrucción 5.3. Discriminativos
6. Otras aproximaciones	6.1. Algoritmos de ranking 6.2. Cuantificación 6.3. Aprendizaje multitarea

Metodologías / pruebas	Competéncias	Horas presenciales	Horas no presenciales / trabajo autónomo	Horas totales
Sesión magistral	A24 A25 B2 B3 B4 B8 C1 C4	21	21	42
Aprendizaje colaborativo	A24 A25 B2 B3 B4 B7 B8 B10 C1 C4	0	21	21
Trabajos tutelados	A24 A25 A26 B2 B3 B4 B7 B9 B10 C1	3	24	27
Prácticas a través de TIC	A24 A25 A26 B2 B3 B4 B7 B9 B10 C1	18	18	36
Prueba objetiva	A24 A25 B2 B3 B4 B7 B8 B9 C1 C4	2	20	22

Atención personalizada		2	0	2

(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías	Descripción
Sesión magistral	Impartición teórica de la materia de la asignatura
Aprendizaje colaborativo	Elaboración durantel as horas de enseñanza no presencial de trabajos individuales y/o en grupo para profundizar en los conceptos vistos en las sesiones magistrales. Se emplearán técnicas de gamificación.
Trabajos tutelados	Elaboración, con la supervisión del profesor, de un proyecto en el que se apliquen las técnicas aprendidas en la asignatura para desarrollar un proyecto de análisis de datos con aprendizaje automático
Prácticas a través de TIC	Resolución de problemas prácticos mediante el uso de las distintas técnicas que se explicarán en las clases de teoría
Prueba objetiva	Prueba de evaluación escrita en la que el alumno deberá demostrar los conocimientos adquiridos en la asignatura

Metodologías	Competéncias	Descripción	Calificación
Prueba objetiva	A24 A25 B2 B3 B4 B7 B8 B9 C1 C4	Preguntas sobre los contenidos de la asignatura (que pueden ser de tipo test o problemas para resolver), basada en las distintas técnicas avanzadas de aprendizaje automático y sus aplicaciones.	40
Aprendizaje colaborativo	A24 A25 B2 B3 B4 B7 B8 B10 C1 C4	Trabajos en grupo e individuales que se podrán hacer en las horas de enseñanza no presencial para profundizar en los contenidos de la materia	10
Trabajos tutelados	A24 A25 A26 B2 B3 B4 B7 B9 B10 C1	Esta parte se corresponde principalmente con el trabajo autónomo realizado por los alumnos que tomará la forma de un conjunto de proyectos o trabajos.	35
Prácticas a través de TIC	A24 A25 A26 B2 B3 B4 B7 B9 B10 C1	Esta parte se corresponderá con la evaluación continua de las prácticas. En la evaluación se tendrá en cuenta la completitud de los trabajos realizados durante las horas presenciales, así como su entrega en tiempo y forma.	15

Observaciones evaluación
Para superar la materia, el alumno deberá obtener una calificación mínima de 5 sobre 10 en el resultado de combinar las calificaciones de la prueba objetiva, del aprendizaje colaborativo, de los trabajos tutelados y las prácticas de laboratorio. Además, el alumno deberá obtener una nota mínima de 4 sobre 10 puntos en la prueba objetiva. Si no obtiene esta nota mínima, la nota de la materia será la correspondente a la nota de la prueba objetiva. El trabajo entregado deberá ser original del alumno. De acuerdo al artículo 14, apartado 4, de la normativa, la entrega de trabajos no originales o con partes duplicadas (sea por copias entre compañeros o por obtención de otras fuentes...) llevará una nota global de SUSPENSO EN LA CONVOCATORIA ANUAL, tanto para el/la estudante que presente material copiado como a quien lo facilitase. Sobre la responsabilidad compartida de los trabajos en grupo. En las actividades que se llevan a cabo en grupos, tales como las prácticas, todos los miembros del grupo serán responsables solidarios do¡el trabajo realizado y entregado, así como de las consecuencias que se deriven del incumplimiento de las normas de autoría del mismo. En la segunda oportunidad, se mantiene la nota obtenida en las prácticas de laboratorio. Aquellos/as estudiantes que tengan que incurrir en esta oportunidad deberán realizar la prueba objetiva con los mismos criterios de evaluación que en la primera oportunidad. Opcionalmente, con respecto a las prácticas, se habilitará una entrega adicional para un trabajo. La calificación de este trabajo sustituirá a la nota de los trabajos tutelados de la primera oportunidad. La entrega de un nuevo trabajo implica la pérdida de la calificación anterior independientemente de que ésta fuera superior. La parte correspondiente a las prácticas de laboratorio y del aprendizaje colaborativo no se podrá recuperar ya que son fruto de la evaluación continua del trabajo durante los créditos de la materia. Aquellos alumnos con matrícula a tiempo parcial deberán entregar los trabajos en fecha al igual que los alumnos a tiempo completo. Es recomendable su asistencia a las clases de prácticas. A mayores, las tutorias se considerarán una parte importante dentro del desarrollo de la asignatura. Están orientadas de tal manera que los/las estudantes tengan y/o puedan consultar distintas cuestiones como: 1. Posibilidades de desarrollo profesional 2. Problemas en el desarrollo de las prácticas 3. Maneras de enfocar/organizar las prácticas 4. Resolución de dudas sobre las cuestiones teóricas

Básica	Kuncheva L.I. (2014). Combining pattern classifiers: methods and algorithms. John Wiley & Sons Guyon, I., Gunn, S., Nikravesh, M., & Zadeh, L. A. (Eds.) (2008). Feature extraction: foundations and applications. Springer Tax, D. (2001). One-class classification: Concept-learning in the absence of counter-examples (Ph.D. thesis). The Netherlands: University of Delft (http://homepage.tudelft.nl/n9d04/thesis.pdf) Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction.. MIT Press Chapelle, O., Scholkopf, B., & Zien, A. (Eds.) (2006). Semi-Supervised learning. MIT Press

Complementária

Otros comentarios