| Grao en Intelixencia Artificial |
 Asignaturas |
| Fundamentos de Aprendizaje Automático |
| Contenidos |
| Datos Identificativos | 2023/24 | |||||||||||||
| Asignatura | Fundamentos de Aprendizaje Automático | Código | 614G03018 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
| Grado | 2º cuatrimestre |
Segundo | Obligatoria | 6 | ||||||||||
|
||||||||||||||
| Tema | Subtema |
| 1. Introducción | 1.1. Introducción al Aprendizaxe automático 1.2. Paradigmas de aprendizaje 1.3. Aprendizaje Inductivo 1.4. Teoremas No Free Lunch |
| 2. Aprendizaje supervisado | 2.1. Introducción 2.2. Redes de Neuronas Artificiales 2.3. Máquinas de Soporte Vectorial 2.4. Árboles de decisión 2.5. Árboles de regresión y árboles de modelos de regresión 2.6. Aprendizaje basado en instancias |
| 4. Metodologías en el análisis de datos | 4.1. Metodologías de entrenamiento, evaluación y selección de modelos 4.2. Metodologías de un proyecto de análisis de datos |
| 3. Computación Evolutiva | 3.1. Algoritmos Genéticos 3.2. Programación Genética 3.3. Enjambres y otras técnicas de Computación Evolutiva |
| 5. Clustering | 5.1. Métodos de clustering |
|
