Temas Subtemas
TEMA 1: Introducción á aprendizaxe 1.1. Areas de aplicación e tipos de problemas
1.2. Características dos sistemas de aprendizaxe
1.3. Perspectiva xeral das distintas aproximacións
1.4. Tipos de aprendizaxe: supervisada, semisupervisada (aprendizaxe por reforzo), non supervisada
TEMA 2: Teoría da aprendizaxe computacional 2.1. O problema da precisión
2.2. A dimensión Vapnik-Chervonenkis
2.3. A maldición da dimensionalidade
TEMA 3: Aprendizaxe estatística 3.1. O discriminante lineal de Fisher
3.2. Outros tipos de discriminantes
TEMA 4: Aprendizaxe baseada en árboles e reglas de decisión 4.1. Obxetivo da IA simbólica
4.2. Xeneralidades dos algoritmos de aprendizaxe en IA simbólica
4.3. Listas de decisión
4.4. Inducción de reglas
4.5. Árboles de decisión
4.6. Medidas de rendimiento: entropía e información mutua
TEMA 5: Aprendizaxe baseada en kernels 5.1. Nomenclatura e definicións previas
5.2. SVMs lineais
5.3. SVMs non lineais
5.4. SVM Multiclase
TEMA 6: Redes de neuronas artificiais 6.1. Conceptos básicos
6.2. O Perceptrón multicapa
6.3. Outros modelos
TEMA 7: Métodos de reducción da dimensión 7.1. Extracción de características
7.2. Selección de características
TEMA 8: Metodoloxía experimental e análise de resultados 8.1. Diseño experimental
8.2. Preprocesado de datos
8.3. Métodos para a estimación do error
8.4. Métodos de selección de modelos