| Mestrado Universitario en Bioinformática para Ciencias da Saúde |
 Asignaturas |
| Inteligencia computacional para bioinformática |
| Contenidos |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Inteligencia computacional para bioinformática | Código | 614522012 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
| Máster Oficial | 2º cuatrimestre |
Primero | Obligatoria | 6 | ||||||||||
|
||||||||||||||
| Tema | Subtema |
| TEMA 1: Introducción al aprendizaje | 1.1. Areas de aplicación y tipos de problemas 1.2. Características de los sistemas de aprendizaje 1.3. Perspectiva general de las distintas aproximaciones 1.4. Tipos de aprendizaje: supervisado, semisupervisado (aprendizaje por refuerzos), no supervisado |
| TEMA 2: Teoría del aprendizaje computacional | 2.1. El problema de la precisión. 2.2. La dimensión Vapnik-Chervonenkis 2.3. La maldición de la dimensionalidad |
| TEMA 3: Aprendizaje estadístico | 3.1. El discriminante lineal de Fisher 3.2. Otros tipos de discriminantes |
| TEMA 4: Aprendizaje basado en árboles y reglas de decisión | 4.1. Objetivo de la IA simbólica 4.2. Generalidades de los algoritmos de aprendizaje en IA simbólica 4.3. Listas de decisión 4.4. Inducción de reglas 4.5. Árboles de decisión 4.6. Medidas de rendimiento: entropía e información mutua |
| TEMA 5: Aprendizaje basado en kernels | 5.1. Nomenclatura y definiciones previas 5.2. SVMs lineales 5.3. SVMs no lineales 5.4 SVM Multiclase |
| TEMA 6: Redes de neuronas artificiales | 6.1. Conceptos básicos 6.2. El Perceptrón multicapa 6.3. Otros modelos |
| TEMA 7: Métodos de reducción de la dimensión | 7.1. Extracción de características 7.2. Selección de características |
| TEMA 8: Metodología experimental y análisis de resultados | 8.1. Diseño experimental 8.2. Preprocesado de datos 8.3. Métodos para la estimación del error 8.4. Métodos de selección de modelos |
|
