Guía DocenteCurso Escola Universitaria Politécnica |
Máster Universitario en Informática Industrial e Robótica |
Asignaturas |
Aprendizaxe Automática I |
Contidos |
|
|
Datos Identificativos | 2022/23 | |||||||||||||
Asignatura | Aprendizaxe Automática I | Código | 770538016 | |||||||||||
Titulación |
|
|||||||||||||
Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
Mestrado Oficial | 2º cuadrimestre |
Primeiro | Optativa | 3 | ||||||||||
|
Temas | Subtemas |
Tema 1: Fundamentos da aprendizaxe automática | - Características dos sistemas de aprendizaxe. - Tipos de aprendizaxe. - Areas de aplicación e tipos de problemas. - Capacidade de xeneralización e sobreaxuste. - Preparación e limpeza dos datos. - Metodoloxías para proxectos de análise de datos. |
Tema 2: Modelos lineais de aprendizaxe supervisada | - Algoritmos de regresión lineal. - Algoritmos de clasificación lineal. |
Tema 3: Funcións e medidas de erro | - Métricas de erro para os problemas de clasificación. - Métricas de erro para os problemas de regresión. |
Tema 4: Metodoloxía para a análise de resultados | - Métodos de estimación de erros. - Métodos de comparación de dous modelos. - Métodos de comparación de múltiples modelos. |
Tema 5: Modelos non lineais de aprendizaxe supervisada | - K veciños máis próximos. - Árbores de decisión e bosques aleatorios. - Modelos baseados en kernels: máquinas de vectores soporte. - Redes de neuronas artificiais. - Aprendizaxe profunda con redes de neuronas convolucionais. |
|