Guia docenteCurso Escuela Universitaria Politécnica |
Máster Universitario en Informática Industrial e Robótica |
Asignaturas |
Aprendizaje Automático I |
Contenidos |
|
|
Datos Identificativos | 2020/21 | |||||||||||||
Asignatura | Aprendizaje Automático I | Código | 770538016 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
Máster Oficial | 2º cuatrimestre |
Primero | Optativa | 3 | ||||||||||
|
Tema | Subtema |
Tema 1: Fundamentos de aprendizaje automático | - Características de los sistemas de aprendizaje. - Tipos de aprendizaje. - Áreas de aplicación e tipos de problemas. - Capacidad de generalización y sobreajuste. - Preparación y limpieza de los datos. |
Tema 2: Modelos lineales de aprendizaje supervisado | - Algoritmos de regresión lineal. - Algoritmos de clasificación lineal. |
Tema 3: Modelos no lineales de aprendizaje supervisado | - K vecinos más cercanos. - Árboles de decisión. - Redes de neuronas artificiales. - Modelos basados en kernels: máquinas de vectores soporte. - Mezcla de expertos. - Aproximaciones para problemas multiclase. |
Tema 4: Funciones y medidas de error | - Métricas de error para los problemas de clasificación. - Métricas de error para los problemas de regresión. |
Tema 5: Metodología de entrenamiento, evaluación y selección de modelos | - Diseño experimental. - Técnicas de validación para la estimación no sesgada del error. - Métodos para la selección de modelos y análisis de resultados. |
|