|
Guía DocenteCurso Escola Universitaria Politécnica |
| Máster Universitario en Informática Industrial e Robótica |
 Asignaturas |
| Aprendizaxe Automática I |
| Contidos |
|
|
| Datos Identificativos | 2020/21 | |||||||||||||
| Asignatura | Aprendizaxe Automática I | Código | 770538016 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Período | Curso | Tipo | Créditos | |||||||||
| Mestrado Oficial | 2º cuadrimestre |
Primeiro | Optativa | 3 | ||||||||||
|
||||||||||||||
| Temas | Subtemas |
| Tema 1: Fundamentos da aprendizaxe automática | - Características dos sistemas de aprendizaxe. - Tipos de aprendizaxe. - Areas de aplicación e tipos de problemas. - Capacidade de xeneralización e sobreaxuste. - Preparación e limpeza dos datos. |
| Tema 2: Modelos lineais de aprendizaxe supervisada | - Algoritmos de regresión lineal. - Algoritmos de clasificación lineal. |
| Tema 3: Modelos non lineais de aprendizaxe supervisada | - K veciños máis próximos. - Árbores de decisión. - Redes de neuronas artificiais. - Modelos baseados en kernels: máquinas de vectores soporte. - Mestura de expertos. - Aproximacións para problemas multiclase. |
| Tema 4: Funcións e medidas de erro | - Métricas de erro para os problemas de clasificación. - Métricas de erro para os problemas de regresión. |
| Tema 5: Metodoloxía de entrenamento, avaliación e selección de modelos | - Deseño experimental. - Técnicas de validación para a estimación non sesgada do erro. - Métodos para a selección de modelos e análise de resultados. |
|
