Datos Identificativos 2020/21
Asignatura (*) Introdución á Aprendizaxe Automática Código 730497240
Titulación
Mestrado Universitario en Enxeñaría Industrial (plan 2018)
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Segundo Optativa 4.5
Idioma
Castelán
Galego
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Bellas Bouza, Francisco Javier
Correo electrónico
francisco.bellas@udc.es
Profesorado
Bellas Bouza, Francisco Javier
Mallo Casdelo, Alma María
Correo electrónico
francisco.bellas@udc.es
alma.mallo@udc.es
Web
Descrición xeral Nesta asignatura proporciónase unha introdución ás técnicas computacionales de aprendizaxe automática máis utilizadas no ámbito da enxeñería industrial. Proporcionarase unha visión xeral do campo para entender que tipos de problemas resólvense e con que técnicas, co obxectivo de dotar ao alumno dun coñecemento xeral sobre o ámbito de aplicación das mesmas. Esta é unha asignatura fundamentalmente práctica, de modo que as clases de teoría sirvan de introdución para comprender os conceptos que se traballarán de forma directa nas clases prácticas. Estas últimas realízanse utilizando a linguaxe de programación Python xunto con librerías específicas de aprendizaxe automática.
Plan de continxencia 1. Modificacións nos contidos

- Non se realizarán cambios

2. Metodoloxías
Metodoloxías docentes que se manteñen

- Traballos tutelados
- Proba obxectiva

Metodoloxías docentes que se modifican

- Presentación oral: realízase a través de Microsoft Teams ou aplicación institucional equivalente
- Prácticas a través de TIC: realízanse a través de Microsoft Teams ou aplicación institucional equivalente, utilizando un software de programación adecuado que lles proporcionará aos estudantes
- Sesión maxistral: realízanse a través de Microsoft Teams ou aplicación institucional equivalente, deixando ademais aos alumnos o seu contido en formato vídeo para a súa posterior visualización

3. Mecanismos de atención personalizada ao alumnado

- Correo electrónico: Diariamente. De uso para facer consultas, solicitar encontros virtuais para resolver dúbidas e facer o seguimento dos traballos tutelados.
– Moodle: Diariamente. Segundo a necesidade do alumnado, que disponde Foros nos que pode expor dúbidas de forma xeral ao resto do grupo.
– Teams: 1 sesión semanal en gran grupo para o avance dos contidos teóricos e das prácticas a través de TIC na franxa horaria que ten asignada a materia no calendario de aulas da Escola. Ademais, utilizarase esta ferramenta para a resolución de dúbidas personalizadas co alumnado, preferentemente en horas de titorías. Este contacto poderá ser mediante chat ou chamada, o que resulte máis adecuado para resolver a consulta.

4. Modificacines na avaliación

- Non se realizarán cambios nin na primeira nin na segunda oportunidade.

Observacións de avaliación:

- Mantéñense as porcentaxes de todas as metodoloxías na avaliación, incluíndo a proba obxectiva, que se realiza igualmente online nos minutos finais de cada clase de teoría online. Neste caso, a ligazón ao cuestionario proporciónase na reunión de Teams na que leva a cabo a clase maxistral.

5. Modificacións da bibliografía ou webgrafía

- Non se realizarán cambios

Competencias do título
Código Competencias do título
A8 ETI8 - Capacidade para deseñar e proxectar sistemas de produción automatizados e control avanzado de procesos.
B1 CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación.
B2 CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en ámbitos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo.
B3 CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos.
B4 CB9 - Que os estudantes saiban comunicar as súas conclusións -e os coñecementos e razóns últimas que as sustentan- a públicos especializados e profanos dun modo claro e sen ambigüidades.
B5 CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que terá que ser en boa medida autodirixido ou autónomo.
B6 G1 - Ter coñecementos adecuados dos aspectos científicos e tecnolóxicos na Enxeñería Industrial.
B13 G8 - Aplicar os coñecementos adquiridos e resolver problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos e multidisciplinares.
B14 G9 - Ser capaz de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos.
B15 G10 - Saber comunicar as conclusións –e os coñecementos e razóns últimas que as sustentan– a públicos especializados e non especializados dun modo claro e sen ambigüidades.
B16 G11 - Posuír as habilidades de aprendizaxe que permitan continuar estudando dun modo autodirigido ou 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 aprendizaxe
Resultados de aprendizaxe Competencias do título
Desenvolver un sistema de control autónomo para a súa operación nun contorno real AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Coñecer as principais técnicas de redución da dimensionalidade e o seu uso práctico AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Coñecer as principais técnicas para a obtención de modelos de regresión / identificación de sistemas de estimación e predicción AP8
BP1
BP4
BP6
BP13
BP14
CP1
CP3
CP11
Coñecer as principais metodoloxías experimentais e analizar os resultados no campo da aprendizaxe automática BP1
BP4
BP5
BP6
BP14
BP16
CP1
CP6
CP7
CP8
Avalíar un problema de aprendizaxe de enxeñería que poida resolverse coas técnicas que se ven no temario e xustificar a elección das máis adecuadas, así como expoñer estas conclusións dun xeito fiable BP1
BP2
BP3
BP13
BP14
BP15
CP3
CP6
CP7
CP8
CP9
CP11

Contidos
Temas Subtemas
Introducción ó aprendizaxe automático Conceptos preliminares.
Tipos de problemas: clasificación, regresión, agrupación, detección de anomalías, etc.
Formas de aprendizaxe: supervisadas, non supervisadas, por reforzo, etc.
Métodos de clasificación e agrupamento Introducción
Algoritmos de clasificación supervisada
Algoritmos de clasificación non supervisada (clustering)
Métodos para o procesado de datos Preparación dos datos
Reducción de dimensionalidade
Métodos de regresión para modelado e predicción Introducción
Modelos principais
Redes de neuronas artificiais
Metodoloxía experimental e análise de resultados Métodos para a estimación do erro
Análise de resultados
Comparación de modelos

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Traballos 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 16 36 52
Proba obxectiva B1 B14 B6 1 0 1
Sesión maxistral B1 B6 C6 C8 11 2.5 13.5
 
Atención personalizada 4 0 4
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Traballos tutelados Prácticas de programación fora da aula nas que se implementarán, na linguaxe seleccionada polos profesores, algunhas das técnicas de aprendizaxe automática vistas nas clases teóricas. Estes traballos serán realizados polos alumnos de forma autónoma e o seu avance será tutorizado polos profesores
Presentación oral Traballo (ou traballos) de teoría sobre algún tema proposto polos profesores da asignatura que deberá ser exposto diante dos compañeiros e entregado por escrito
Prácticas a través de TIC Sesións presenciais co ordenador nas que os profesores explicarán o uso e programación das técnicas de aprendizaxe automática vistas en teoría, de modo que os alumnos obteñan as capacidades suficientes para utilizalas autónomamente.
Proba obxectiva Cuestionario tipo test ou de resposta múltiple que se realiza dende o ordenador na parte final das sesións maxistrais de teoría, co obxectivo de valorar o grao de participación, atención e comprensión dos conceptos explicados polo profesor. Poderase utilizar moodle, Microsoft Forms, Kahoot ou outras ferramentas semellantes.
Sesión maxistral Exposición oral por parte dos profesores da materia do temario teórico

Atención personalizada
Metodoloxías
Presentación oral
Prácticas a través de TIC
Traballos tutelados
Descrición
Durante as prácticas a través de TIC, o alumno poderá consultar ó profesor todas as dudas que teña sobre a programación dos métodos de aprendizaxe.

Traballos tutelados: é recomendable o uso de atención personalizada nestas actividades para resolver dúbidas conceptuais ou procedementais que poidan xurdir durante a resolución dos problemas prácticos. Ademais, a atención personalizada centrarase tamén na explicación, por parte do alumno, da solución proposta.

Presentación oral: os alumnos deberán acudir aos profesores para resolver as dúbidas que lles xurdan sobre a preparación dos trabajos que deben ser expostos, tanto do contido como da propia presentación

Avaliación
Metodoloxías Competencias Descrición Cualificación
Presentación oral B1 B5 B15 B14 B6 C7 C9 C11 A presentación oral do traballo/traballos teóricos, a presentación escrita dos mesmos e a participación activa nas presentacións dos compañeiros teñen un peso importante na calificación final. É imprescindible obter unha calificación de aprobado nesta metodoloxía de forma independente (nota mínima de 5 considerando que se valora de 0 a 10) para poder aprobar a asignatura. 30
Traballos tutelados B2 B3 B4 B13 C1 C3 Propoñeranse varios traballos prácticos ó longo do curso centrados na aplicación de técnicas de aprendizaxe automática en problemas de enxeñaría. Estes traballos serán desenvolvidos de forma autónoma por parte do alumno fora das clases e terán que ser defendidos posteriormente. É imprescindible obter unha calificación de aprobado nesta metodoloxía de forma independente (nota mínima de 5 considerando que se valora de 0 a 10) para poder aprobar a asignatura. 60
Proba obxectiva B1 B14 B6 A comprensión dos conceptos explicados polo profesor nas sesións maxistrais implica que os alumnos participen nas clases de maneira activa, expondo dúbidas e aproveitando ao máximo a interacción persoal. Esta comprensión valórase na nota final da materia a través dos cuestionarios online que se realizan nos minutos finais de cada sesión maxistral 10
 
Observacións avaliación
A avaliación desta asignatura baséase na superación das dúas principais metodoloxías, traballos tutelados e presentación oral, de forma independente. A primeira céntrase na demostración práctica de coñecementos e habilidades adquiridas para resolver problemas de enxeñaría a través de técnicas de aprendizaxe automática, e a segunda sobre a realización e presentación dun traballo sobre un tema específico no programa teórico. Polo tanto, no caso de que o alumno non supere a materia na convocatoria ordinaria, debe repetir, na convocatoria extraordinaria, as actividades necesarias das metodoloxías que non foron aprobadas. Por exemplo, se un estudante aproba a parte da presentación oral pero está suspendido nos traballos tutelados, deberá repetir o traballo/s práctico necesario para acadar o aprobado, xeralmente aquel/es que non foron aprobados.

Os alumnos con matrícula a tempo parcial poden acumular o 10% da nota correspondente á asistencia ás clases nas outras actividades, tanto na teoría como na práctica, no caso de que non poidan asistir ás clases en persoa. Esta modificación debe solicitarse aos profesores da materia ao comezo do curso. Asimesmo, en caso de non poder realizar a presentación oral co resto do alumnado, deberán concretar unha data alternativa cos profesores.

Fontes de información
Bibliografía 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

  A Whirlwind Tour of Python by Jake VanderPlas (O’Reilly):

Bibliografía complementaria 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

A Whirlwind Tour of Python by Jake VanderPlas (O’Reilly):


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente
Visión Artificial na Industria/730497239
Proxecto de Deseño e Optimización dun Proceso Industrial/730497236
Deseño e Construción de Máquinas/730497226
Cinemática e Dinámica de Robots Industriais/730497228

Materias que continúan o temario

Observacións
A entrega dos traballos documentais que se realicen nesta materia:
- Solicitarase en formato virtual e/ou soporte informático.
- Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos

De se realizar en papel:
- Non se empregarán plásticos.
- Realizaranse impresións a dobre cara. 
- Empregarase papel reciclado.
- Evitarase a impresión de borradores.


(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías