Datos Identificativos 2019/20
Asignatura (*) Introducción al Aprendizaje Automático Código 730497240
Titulación
Mestrado Universitario en Enxeñaría Industrial (plan 2018)
Descriptores Ciclo Periodo Curso Tipo Créditos
Máster Oficial 2º cuatrimestre
Segundo Optativa 4.5
Idioma
Castellano
Gallego
Inglés
Modalidad docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinador/a
Bellas Bouza, Francisco Javier
Correo electrónico
francisco.bellas@udc.es
Profesorado
Bellas Bouza, Francisco Javier
Correo electrónico
francisco.bellas@udc.es
Web
Descripción general Na materia de Robótica estúdanse os principais conceptos de robótica autónoma, facendo énfase no deseño automático de estratexias de control. Para iso, o contido da materia parte das estratexias clásicas de control para chegar ás máis actuais baseadas en conceptos da intelixencia computacional, tales como as redes neuronais, os algoritmos evolutivos e a aprendizaxe por reforzo.

Competencias del título
Código Competencias del título
A8 ETI8 - Capacidad para diseñar y proyectar sistemas de producción automatizados y control avanzado de procesos.
B1 G1 Tener conocimientos adecuados de los aspectos científicos y tecnológicos en la Ingeniería Industrial.
B2 G2 Proyectar, calcular y diseñar productos, procesos, instalaciones y plantas.
B3 G3 Dirigir, planificar y supervisar equipos multidisciplinares.
B4 G4 Realizar investigación, desarrollo e innovación en productos, procesos y métodos.
B5 G5 Realizar la planificación estratégica y aplicarla a sistemas tanto constructivos como de producción, de calidad y de gestión medioambiental.
B6 CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
B13 G8 Aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios y multidisciplinares.
B14 G9 Ser capaz de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
B15 G10 Saber comunicar las conclusiones –y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades.
B16 G11 Poseer las habilidades de aprendizaje que permitan continuar estudiando de un modo autodirigido o autónomo.
C1 ABET (a) - An ability to apply knowledge of mathematics, science, and engineering.
C3 ABET (c) - An ability to design a system, component, or process to meet desired needs within realistic constraints such as economic, environmental, social, political, ethical, health and safety, manufacturability, and sustainability.
C6 ABET (f) - An understanding of professional and ethical responsibility.
C7 ABET (g) - An ability to communicate effectively.
C8 ABET (h) - The broad education necessary to understand the impact of engineering solutions in a global, economic, environmental, and societal context.
C9 ABET (i) - A recognition of the need for, and an ability to engage in life-long learning.
C11 ABET (k) - An ability to use the techniques, skills, and modern engineering tools necessary for engineering practice.

Resultados de aprendizaje
Resultados de aprendizaje Competencias del título
Coñecer o ámbito de aplicación das técnicas de aprendizaxe supervisadas e non supervisadas e o seu uso práctico AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Conocer las principales técnicas de reducción de dimensionalidad y su uso práctico AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Conocer las principales técnicas para la obtención de modelos para regresión/identificación de sistemas para estimación y predicción AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Conocer las principales metodologías experimentales y de análisis de resultados en el campo del aprendizaje automático BP1
BP4
BP5
BP6
BP14
BP16
CP1
CP6
CP7
CP8
Evaluar un problema de aprendizaje en ingeniería que se pueda resolver mediante las técnicas vistas en la asignatura, y justificar la elección de la más adecuada, así como exponer dichas conclusiones de manera fiable BP1
BP2
BP3
BP13
BP14
BP15
CP3
CP6
CP7
CP8
CP9
CP11

Contenidos
Tema Subtema
Introducción al aprendizaje automático Conceptos preliminares.
Tipos de problemas: clasificación, regresión, clustering, detección de anomalías, etc.
Formas de aprendizaje: supervisado, no supervisado, por refuerzo, etc.
Métodos de clasificación y agrupamiento Introducción
Algoritmos de clasificación supervisada
Algoritmos de clasificación no supervisada (clustering)
Métodos de regresión para modelado y predicción Introducción
Modelos principales
Métodos para el procesado de datos Preparación de los datos
Reducción de dimensionalidad
Metodología experimental y análisis de resultados Métricas para la evaluación de modelos
Métodos para estimación del error
Métodos gráficos para la comparación de resultados
Optimización y búsqueda Técnicas heurísticas y metaheurísticas
Algoritmos evolutivos

Planificación
Metodologías / pruebas Competéncias Horas presenciales Horas no presenciales / trabajo autónomo Horas totales
Trabajos tutelados B2 B3 B4 B13 C1 C3 0 30 30
Presentación oral B1 B5 B15 B14 B6 C7 C9 C11 2 10 12
Prácticas a través de TIC A8 B13 B14 B16 B6 C11 18 36 54
Sesión magistral B1 B6 C8 C6 10 2.5 12.5
 
Atención personalizada 4 0 4
 
(*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos

Metodologías
Metodologías Descripción
Trabajos tutelados Prácticas de programación en las que se implementarán, en el lenguaje de programación seleccionado por los profesores de la asignatura, algunas de las técnicas vistas en las clases de teoría sobre problemas reales de ingeniería. Estos trabajos serán realizados por los alumnos de forma autónoma y su avance será tutorizado por los profesores
Presentación oral Trabajo o trabajos de teoría sobre algún tema propuesto por los profesores de la asignatura que deberán ser expuestos delante de los compañeros y entregados también por escrito
Prácticas a través de TIC Sesiones en el aula de informática en las que los profesores explicarán el uso y programación de las técnicas de aprendizaje automático vistas en teoría, de modo que los alumnos adquieran las capacidades suficientes para utilizarlas autónomamente.
Sesión magistral Exposición oral por parte de los profesores de la asignatura del temario teórico

Atención personalizada
Metodologías
Presentación oral
Prácticas a través de TIC
Trabajos tutelados
Descripción
Durante las prácticas a través de TIC, el alumno podrá consultar al profesor todas las dudas que le surjan sobre la programación de los métodos de aprendizaje.

Trabajos tutelados: es recomendable el uso de atención personalizada en estas actividades para resolver dudas conceptuales o procedimentales que puedan surgir durante la resolución de los problemas prácticos. Además, la atención personalizada se centrará también en la explicación, por parte del alumno, de la solución propuesta.

Presentación oral: los alumnos deberán acudir a los profesores para resolver las dudas que les surjan sobre la preparación de los trabajos que deben ser expuestos, tanto del contenido como de la propia presentación

Evaluación
Metodologías Competéncias Descripción Calificación
Presentación oral B1 B5 B15 B14 B6 C7 C9 C11 La presentación oral del trabajo/trabajos teóricos, la versión escrita de los mismos y la participación activa en las presentaciones de los compañeros tienen un peso importante en la nota final de la asignatura. Es imprescindible obtener una calificación de aprobado en esta metodología de forma independiente (nota mínima de 5 considerando que se valora de 0 a 10) para poder aprobar la asignatura 40
Prácticas a través de TIC A8 B13 B14 B16 B6 C11 Se valorará la asistencia y la participación activa en las prácticas a través de TIC 5
Sesión magistral B1 B6 C8 C6 Se valorará la asistencia y la participación activa en las clases de teoría 5
Trabajos tutelados B2 B3 B4 B13 C1 C3 Se propondrán varios trabajos prácticos a lo largo del curso centrados en la resolución de problemas de ingeniería mediante técnicas de aprendizaje automático. Estos trabajos serán desarrollados de forma autónoma por parte del alumno fuera de las clases y que deberán ser defendidos delante de los profesores. Es imprescindible obtener una calificación de aprobado en esta metodología de forma independiente (nota mínima de 5 considerando que se valora de 0 a 10) para poder aprobar la asignatura. 50
 
Observaciones evaluación

La evaluación de esta asignatura está basada en la superación de las dos metodologías principales, Trabajos Tutelados y Presentación Oral, de forma independiente. La primera está centrada en la demostración práctica de los conocimientos y habilidades adquiridos para resolver problemas de ingeniería mediante técnicas de aprendizaje automático, y la segunda en la realización y exposición de un trabajo sobre un tema concreto dentro del temario teórico. Así, en caso de que el alumno no supere la asignatura en la convocatoria ordinaria, deberá repetir las actividades que sean necesarias de la/de las metodogía/s que no fueron superadas en la convocatoria extraordinaria. Como ejemplo, si un alumno aprobó la parte de la Presentación oral pero suspendió en los Trabajos tutelados, deberá repetir los trabajos prácticos necesarios para alcanza el aprobado, normalmente aquel/aquellos que individualmente no fueron aprobados.

Los alumnos con matrícula a tiempo parcial podrán acumular el 10% de la nota correspondiente a la asistencia a clase en las otras actividades, tanto en la parte teórica como en la práctica en caso de no poder asistir regularmente a las clases de forma presencial. Esta modificación deberá solicitarse a los profesores de la asignatura al comienzo del curso. Asimismo, en caso de no poder realizar la presentación oral con el resto del alumnado, deberán concretar una fecha alternativa con los profesores.


Fuentes de información
Básica Gonzalo Pajares Martínez, Jose Manuel de la Cruz García (2010). Aprendizaje automático : un enfoque práctico. Ra-Ma
Ethem Alpaydin (2014). Introduction to Machine Learning. MIT Press
Marsland, Stephen (2014). Machine Learning: An Algorithmic Perspective. Chapman and Hall/CRC Press
Christopher M. Bishop (2010). Pattern Recognition and Machine Learning. Springer

 

Complementária Aurelien Geron (2017). Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media
Andreas C. Müller, Sarah Guido (2016). Introduction to Machine Learning with Python: A Guide for Data Scientists. O'Reilly Media
Kevin P. Murphy (2010). Machine Learning, a probabilistic perspective. MIT Press
Sebastian Raschka, Vahid Mirjalili (2019). Python machine learning : aprendizaje automático y aprendizaje profundo con Python, scikit-learn y TensorFlow. Marcombo

 


Recomendaciones
Asignaturas que se recomienda haber cursado previamente

Asignaturas que se recomienda cursar simultáneamente
Visión Artificial en la Industria/730497239
Proyecto de Diseño y Optimización de un Proceso Industrial/730497236
Diseño y Construcción de Máquinas/730497226
Cinemática y Dinámica de Robots Industriales/730497228

Asignaturas que continúan el temario

Otros comentarios

La entrega de los trabajos documentales que se realicen en esta materia:

- Se solicitará en formato virtual y/o soporte informático
-  Se realizará a través de Moodle, en formato digital sin necesidad de imprimirlos.

 De realizarse en papel:
- No se emplearán plásticos.
- Se realizarán impresiones a doble cara.
- Se empleará papel reciclado.
-  Se evitará la impresión de borradores.


(*) La Guía Docente es el documento donde se visualiza la propuesta académica de la UDC. Este documento es público y no se puede modificar, salvo cosas excepcionales bajo la revisión del órgano competente de acuerdo a la normativa vigente que establece el proceso de elaboración de guías