|
Guía DocenteCurso Facultade de Informática |
| Mestrado Universitario en Bioinformática para Ciencias da Saúde |
 Asignaturas |
| Intelixencia computacional para bioinformática |
| Contidos |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Intelixencia computacional para bioinformática | Código | 614522012 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 2º cuadrimestre |
Primeiro | Obrigatoria | 6 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| TEMA 1: Introducción á aprendizaxe | 1.1. Areas de aplicación e tipos de problemas 1.2. Características dos sistemas de aprendizaxe 1.3. Perspectiva xeral das distintas aproximacións 1.4. Tipos de aprendizaxe: supervisada, semisupervisada (aprendizaxe por reforzo), non supervisada |
| TEMA 2: Teoría da aprendizaxe computacional | 2.1. O problema da precisión 2.2. A dimensión Vapnik-Chervonenkis 2.3. A maldición da dimensionalidade |
| TEMA 3: Aprendizaxe estatística | 3.1. O discriminante lineal de Fisher 3.2. Outros tipos de discriminantes |
| TEMA 4: Aprendizaxe baseada en árboles e reglas de decisión | 4.1. Obxetivo da IA simbólica 4.2. Xeneralidades dos algoritmos de aprendizaxe 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: Aprendizaxe baseada en kernels | 5.1. Nomenclatura e definicións previas 5.2. SVMs lineais 5.3. SVMs non lineais 5.4. SVM Multiclase |
| TEMA 6: Redes de neuronas artificiais | 6.1. Conceptos básicos 6.2. O Perceptrón multicapa 6.3. Outros modelos |
| TEMA 7: Métodos de reducción da dimensión | 7.1. Extracción de características 7.2. Selección de características |
| TEMA 8: Metodoloxía experimental e análise de resultados | 8.1. Diseño experimental 8.2. Preprocesado de datos 8.3. Métodos para a estimación do error 8.4. Métodos de selección de modelos 8.5. Análisis de sesgos |
|
