|
Guía DocenteCurso Facultade de Informática |
| Grao en Ciencia e Enxeñaría de Datos |
 Asignaturas |
| Aprendizaxe Automática a Gran Escala |
| Resultados de aprendizaxe |
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Aprendizaxe Automática a Gran Escala | Código | 614G02032 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Grao | 1º cuadrimestre |
Cuarto | Optativa | 6 | ||||||||||
|
||||||||||||||
| Resultados de aprendizaxe | Competencias do título | ||
| Identificar e saber afrontar os problemas máis frecuentes relacionados coa explosión de datos, coñecidos como as "Vs do Big Data" e como algúns deles afectan á aplicación de técnicas de Aprendizaxe Automática. | A25 |
B2 B9 B10 |
C1 C4 |
| Coñecer os métodos e técnicas máis representativos e actuais de preprocesado de datos para tratar grandes volumes de datos. | A24 A25 A26 |
B9 |
C1 |
| Coñecer os métodos e técnicas máis representativas e actuais de Aprendizaxe Automática en contornas afectadas por problemas como o volume, a velocidade ou a privacidade dos datos. | A24 A25 A26 |
B3 B10 |
C1 C4 |
| Saber manexar as ferramentas e contornas de traballo máis actuais no ámbito da aprendizaxe automática para tratar grandes volumes de datos. | A24 |
B2 B4 B7 |
C1 |
| Coñecer técnicas para a representación visual de datos complexos e saber utilizar ferramentas de visualización de datos para poder comunicar eficazmente os resultados das análises realizadas. | A24 A26 |
B2 B3 B4 B7 B8 B9 B10 |
C1 |
| Coñecer técnicas analíticas e escalables baseadas en grafos. | A24 A26 |
B2 B8 B9 B10 |
C1 |
|
