Para superar a materia, o alumno deberá obter unha calificación mínima de 5 sobre 10 no resultado de combinar as calificacións da proba obxectiva, da aprendizaxe colaborativa, dos traballos tutelados e as prácticas de laboratorio. Ademáis, o alumno deberá obter unha nota mínima de 4 sobre 10 puntos na proba obxectiva. Se non obtén esta nota mínima, a nota da materia será a correspondente á nota da proba obxectiva.

O traballo entregado deberá ser orixinal do alumno. De acordo ao artigo 14, apartado 4, da normativa, a entrega de traballos non orixinais ou con partes duplicadas (sexa por copias entre compañeiros ou por obtención doutras fontes...) levará unha nota global de SUSPENSO NA CONVOCATORIA ANUAL, tanto para o/a estudante que presente material copiado como a quen o facilitase.

Sobre a responsabilidade compartida dos traballos en grupo.

Nas actividades que se levan a cabo en grupos, tales como as prácticas, todos os membros do grupo serán responsables solidarios do traballo realizado e entregado, así como das consecuencias que se deriven do incumprimento das normas de autoría do mesmo.

Na segunda oportunidade, mantense a nota obtida nas prácticas de laboratorio. Aqueles/as estudantes que teñan que incurrir a esta oportunidade deberán realizar a proba obxectiva cos mesmos criterios de avaliación que na primeira oportunidade. Opcionalmente, con respecto ás prácticas, habilitarase unha entrega adicional para un traballo. A cualificación deste traballo substituirá a nota dos traballos tutelados da primeira oportunidade. A entrega dun novo traballo implica a perda da cualificación anterior independentemente de que esta fora superior. A parte correspondente ás prácticas de laboratorio e de aprendizaxe colaborativa non se poderá recuperar xa que son froito da avaliación continua do traballo durante os créditos da materia.

Aqueles alumnos con matrícula a tempo parcial deberán entregar os traballos en data ao igual que os alumnos a tempo completo. É recomendable a súa asistencia ás clases de prácticas.

A maiores, as titorias considéranse unha parte importante dentro do desenvolvemento da asignatura. Están orientadas de tal maneira que os/as estudantes teñan e/ou poidan consultar distintas cuestións como:

1. Posibilidades de desenvolvemento profesional

2. Problemas no desenvolvemento das prácticas

3. Maneiras de enfocar/organizar as prácticas

4. Resolución de dubidas sobre as cuestións teóricas

Resultados de aprendizaxe	Competencias do título
Coñecer e saber aplicar técnicas avanzadas de preprocesado de datos, incluindo as de redución da dimensión ou de tratamiento de valores ausentes	A24	B3 B8 B9	C4
Coñecer as técnicas máis representativas de aprendizaxe para os problemas clásicos de clasificación, regresión e agrupación, e outros menos clásicos como problemas de ordenación, problemas de unha clase ou multitarea	A24	B3 B8 B9	C4
Coñecer as técnicas máis representativas e actuais de aprendizaxe non supervisado, semisupervisado e supervisado, con e sen reforzo	A24	B3 B8 B9	C4
Identificar as técnicas apropiadas de análise de datos segundo o problema	A25	B2 B3 B4 B7 B8 B10	C1
Manexar as ferramentas e contornas de traballo máis actuais no ámbito da aprendizaxe automática	A26		C1

Temas	Subtemas
1. Técnicas avanzadas de preprocesamento de datos	1.1. Tratamento de datos sesgados e ausentes 1.2. Métodos de redución da dimensión.
2. Modelos combinados (Ensemble)	2.1. Métodos de combinación de modelos: Voting, Bagging, Boosting... 2.2. Bosques Aleatorios
3. Aprendizaxe por reforzo	3.1. Baseada en modelos 3.2. Baseada en diferenzas temporais
4. Aprendizaxe semisupervisada	4.1. Modelos xenerativos 4.2. Modelos baseados en grafo
5. Métodos de clasificación dunha clase	5.1. Baseados en densidade 5.2. Baseados en reconstrución 5.3. Discriminativos
6. Outras aproximacións	6.1. Algoritmos de ranking 6.2. Cuantificación 6.3. Aprendizaxe multitarefa

Metodoloxías / probas	Competencias	Horas presenciais	Horas non presenciais / traballo autónomo	Horas totais
Sesión maxistral	A24 A25 B2 B3 B4 B8 C1 C4	21	21	42
Aprendizaxe colaborativa	A24 A25 B2 B3 B4 B7 B8 B10 C1 C4	0	21	21
Traballos 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
Proba obxectiva	A24 A25 B2 B3 B4 B7 B8 B9 C1 C4	2	20	22

Atención personalizada		2	0	2

*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías	Descrición
Sesión maxistral	Impartición teórica da materia da asignatura
Aprendizaxe colaborativa	Elaboración durante as horas de ensino non presenciais de traballos individuais e/ou en grupo para profundizar nos conceptos vistos nas sesións maxistrais. Empregaranse técnicas de gamificación.
Traballos tutelados	Elaboración, coa supervisión do profesor, dun proxecto no que se apliquen as técnicas aprendidas na asignatura para desenvolver un proxecto de análise de datos con aprendizaxe automática
Prácticas a través de TIC	Resolución de problemas prácticos mediante o uso das distintas técnicas que se explicarán nas clases de teoría
Proba obxectiva	Proba de avaliación escrita na que o alumno deberá demostrar os coñecementos adquiridos na asignatura

Metodoloxías	Competencias	Descrición	Cualificación
Proba obxectiva	A24 A25 B2 B3 B4 B7 B8 B9 C1 C4	Preguntas sobre os contidos da asignatura (que poden ser de tipo test ou problemas para resolver), baseada nas distintas técnicas avanzadas de aprendizaxe automática e as súas aplicacións.	40
Aprendizaxe colaborativa	A24 A25 B2 B3 B4 B7 B8 B10 C1 C4	Traballos en grupo e individuais que poderán facer nas horas de ensino non presencial para profundizar nos contidos da materia	10
Traballos tutelados	A24 A25 A26 B2 B3 B4 B7 B9 B10 C1	Esta parte correspóndese principalmente co traballo autónomo realizado polos alumnos que tomará a forma dun conxunto de proxectos ou traballos.	35
Prácticas a través de TIC	A24 A25 A26 B2 B3 B4 B7 B9 B10 C1	Esta parte corresponderase coa avaliación continua das prácticas. Na avaliación terase en conta a completitude dos traballos realizados durante as horas presencias, así como a sua entrega en tempo e forma.	15

Observacións avaliación
Para superar a materia, o alumno deberá obter unha calificación mínima de 5 sobre 10 no resultado de combinar as calificacións da proba obxectiva, da aprendizaxe colaborativa, dos traballos tutelados e as prácticas de laboratorio. Ademáis, o alumno deberá obter unha nota mínima de 4 sobre 10 puntos na proba obxectiva. Se non obtén esta nota mínima, a nota da materia será a correspondente á nota da proba obxectiva. O traballo entregado deberá ser orixinal do alumno. De acordo ao artigo 14, apartado 4, da normativa, a entrega de traballos non orixinais ou con partes duplicadas (sexa por copias entre compañeiros ou por obtención doutras fontes...) levará unha nota global de SUSPENSO NA CONVOCATORIA ANUAL, tanto para o/a estudante que presente material copiado como a quen o facilitase. Sobre a responsabilidade compartida dos traballos en grupo. Nas actividades que se levan a cabo en grupos, tales como as prácticas, todos os membros do grupo serán responsables solidarios do traballo realizado e entregado, así como das consecuencias que se deriven do incumprimento das normas de autoría do mesmo. Na segunda oportunidade, mantense a nota obtida nas prácticas de laboratorio. Aqueles/as estudantes que teñan que incurrir a esta oportunidade deberán realizar a proba obxectiva cos mesmos criterios de avaliación que na primeira oportunidade. Opcionalmente, con respecto ás prácticas, habilitarase unha entrega adicional para un traballo. A cualificación deste traballo substituirá a nota dos traballos tutelados da primeira oportunidade. A entrega dun novo traballo implica a perda da cualificación anterior independentemente de que esta fora superior. A parte correspondente ás prácticas de laboratorio e de aprendizaxe colaborativa non se poderá recuperar xa que son froito da avaliación continua do traballo durante os créditos da materia. Aqueles alumnos con matrícula a tempo parcial deberán entregar os traballos en data ao igual que os alumnos a tempo completo. É recomendable a súa asistencia ás clases de prácticas. A maiores, as titorias considéranse unha parte importante dentro do desenvolvemento da asignatura. Están orientadas de tal maneira que os/as estudantes teñan e/ou poidan consultar distintas cuestións como: 1. Posibilidades de desenvolvemento profesional 2. Problemas no desenvolvemento das prácticas 3. Maneiras de enfocar/organizar as prácticas 4. Resolución de dubidas sobre as cuestións teóricas

Bibliografía 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

Bibliografía complementaria

Observacións