|
Guía DocenteCurso Facultade de Informática |
| Grao en Intelixencia Artificial |
 Asignaturas |
| Fundamentos de Aprendizaxe Automática |
| Contidos |
| Datos Identificativos | 2023/24 | |||||||||||||
| Asignatura | Fundamentos de Aprendizaxe Automática | Código | 614G03018 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Grao | 2º cuadrimestre |
Segundo | Obrigatoria | 6 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| 1. Introducción | 1.1. Introducción ao Aprendizaxe automático 1.2. Paradigmas de aprendizaxe 1.3. Aprendizaxe Inductivo 1.4. Teoremas No Free Lunch |
| 2. Aprendizaxe supervisado | 2.1. Introducción 2.2. Redes de Neuronas Artificiais 2.3. Máquinas de Soporte Vectorial 2.4. Árbores de decisión 2.5. Árbores de regresión e árbores de modelos de regresión 2.6. Aprendizaxe baseado en instancias |
| 4. Metodoloxías no análise de datos | 4.1. Metodoloxías de adestramento, avaliación e selección de modelos 4.2. Metodoloxías dun proxecto de análise de datos |
| 3. Computación Evolutiva | 3.1. Algoritmos Xenéticos 3.2. Programación Xenética 3.3. Enxames e outras técnicas de Computación Evolutiva |
| 5. Clustering | 5.1. Métodos de clustering |
|
