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.

Evaluación de la convocatoria adelantada (Diciembre): los alumnos que opten por esta convocatoria deberán realizar las metodologías de trabajos tutelados y presentación oral, pero no la prueba objetiva. El valor de esta metodología se suma en la de trabajos tutelados, pasando a valer un 70%. Es necesario que los estudiantes contacten con lo profesores al comienzo del cuatrimestre para tener un plazo suficiente para la realización de los trabajos.

Los alumnos con matrícula a tiempo parcial, en caso de no poder realizar la presentación oral con el resto del alumnado ni en persona ni de forma online, deberán concretar una fecha alternativa con los profesores. Esta modificación deberá solicitarse a los profesores de la asignatura al comienzo del curso.

Resultados de aprendizaje	Competencias del título
Conocer las principales técnicas de preparación de los datos y reducción de la dimensionalidad, y su uso práctico	AP8	BP1 BP2 BP6 BP13	CP1 CP3
Conocer las principales técnicas clasificación supervisada y no supervisada, 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, y su uso práctico	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

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 para el procesado de datos	Preparación de los datos Reducción de dimensionalidad
Metodología experimental y análisis de resultados	Métodos para estimación del error Análisis de resultados Comparación de modelos
Métodos de regresión para modelado y predicción	Introducción Modelos principales Redes de neuronas artificiales

Metodologías / pruebas	Competéncias	Horas presenciales	Horas no presenciales / trabajo autónomo	Horas totales
Trabajos tutelados	B2 B3 B4 B13 C1 C3	0	37	37
Presentación oral	B1 B5 B15 B14 B6 C7 C9 C11	3	9	12
Prácticas a través de TIC	A8 B13 B14 B16 B6 C11	10.5	21	31.5
Prueba objetiva	B1 B14 B6	1	0	1
Sesión magistral	B1 B6 C6 C8	17	10	27

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	Descripción
Trabajos tutelados	Prácticas de programación fuera del aula 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 presenciales con el ordenador 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.
Prueba objetiva	Cuestionario tipo test o de respuesta múltiple que se realiza de forma online al finalizar las sesiones magistrales de teoría, con el objetivo de valorar el grado de participación, atención y comprensión de los conceptos explicados por el profesor. Se podrá utilizar moodle, Microsoft Forms, Kahoot u otras herramientas similares.
Sesión magistral	Exposición oral por parte de los profesores de la asignatura del temario teórico

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. Se establece una calificación mínima de 15 en esta parte para poder aprobar la asignatura.	30
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. Se establece una calificación mínima de 30 en esta parte para poder aprobar la asignatura.	60
Prueba objetiva	B1 B14 B6	La comprensión de los conceptos explicados por el profesor en las sesiones magistrales implica que los alumnos participen en las clases de manera activa, planteando dudas y aprovechando al máximo la interacción personal. Esta comprensión se valora en la nota final de la asignatura a través de los cuestionarios online que se realizan en los minutos finales de cada sesión magistral	10

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. Evaluación de la convocatoria adelantada (Diciembre): los alumnos que opten por esta convocatoria deberán realizar las metodologías de trabajos tutelados y presentación oral, pero no la prueba objetiva. El valor de esta metodología se suma en la de trabajos tutelados, pasando a valer un 70%. Es necesario que los estudiantes contacten con lo profesores al comienzo del cuatrimestre para tener un plazo suficiente para la realización de los trabajos. Los alumnos con matrícula a tiempo parcial, en caso de no poder realizar la presentación oral con el resto del alumnado ni en persona ni de forma online, deberán concretar una fecha alternativa con los profesores. Esta modificación deberá solicitarse a los profesores de la asignatura al comienzo del curso.

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): Libro en HTML Código fuente de los ejercicios
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

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.