|
Guía DocenteCurso Escola Técnica Superior de Enxeñeiros de Camiños, Canais e Portos |
| Máster Universitario en Xestión Sostible da Auga |
 Asignaturas |
| Aprendizaxe Automática |
| Contidos |
|
|
| Datos Identificativos | 2023/24 | |||||||||||||
| Asignatura | Aprendizaxe Automática | Código | 632549028 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 2º cuadrimestre |
Primeiro | Optativa | 3 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| 1.- Introducción á aprendizaxe | 1.1.- Ámbitos e tipos de problemas 1.2.- Características xerais. 1.3.- Precisión e dimensionalidade |
| 2.- Aprendizaxe Estatística | 2.1.- Discriminantes lineais 2.2.- Outros discriminantes |
| 3.- Árbores de decisión | 3.1.- Obxectivo da IA simbólica 3.2.- Xeneralidades 3.3.- Árbores de decisión 3.4.- Medidas de rendemento |
| 4.- Redes Neuronais Artificiais | 4.1.- Conceptos básicos 4.2.- O perceptrón 4.3.- Redes profundas e outros modelos |
| 5.- Kernels | 5.1.- Nomenclatura e definicións 5.2.- SVMs lineais 5.3.- SVMs non lineais |
| 6.- Aprendizaxe non supervisado e semisupervisado | 6.1.- Análise clúster 6.2.- Aprendizaxe por reforzo |
| 7.- Metodoloxía experimental e análise de datos e resultados | 7.1.- Extracción e selección de características 7.2.- Preprocesado de datos 7.3.- Deseño experimental 7.4.- Estimación do erro 7.5.- Selección de modelos |
|
