|
Guia docenteCurso Escuela Universitaria Politécnica |
| Máster Universitario en Informática Industrial e Robótica |
 Asignaturas |
| Aprendizaje Automático II |
| Contenidos |
|
|
| Datos Identificativos | 2022/23 | |||||||||||||
| Asignatura | Aprendizaje Automático II | Código | 770538017 | |||||||||||
| Titulación |
|
|||||||||||||
| Descriptores | Ciclo | Periodo | Curso | Tipo | Créditos | |||||||||
| Máster Oficial | 2º cuatrimestre |
Primero | Optativa | 3 | ||||||||||
|
||||||||||||||
| Tema | Subtema |
| Tema 1: Técnicas de reducción de la dimensión | - La maldición de la dimensión. - Técnicas de selección de características. - Técnicas de extracción de características. |
| Tema 2: Aprendizaje no supervisado (agrupamiento) | - Introducción al aprendizaje no supervisado: análisis clúster. - Medidas de similitud. - Tipos de métodos de agrupamiento (clustering): jerárquico, por particiones (k-medias), por densidad (DBSCAN). |
| Tema 3: Detección de anomalías | - Definición de anomalía. - Aplicaciones de la detección de anomalías. - Tipos de anomalías. - Técnicas: métodos estadísticos, métodos basados en distancias, métodos basados en árboles de decisión y métodos basados redes de neuronas. - Evaluación de resultados. |
| Tema 4: Aprendizaje por refuerzo y control. | - Aplicaciones del aprendizaje por refuerzo. - Elementos del aprendizaje por refuerzo. - Tipos de aprendizaje por refuerzo. - Procesos de decisión de Markov (MDP). - Dilema exploración-explotación. - Aprendizaje por diferencia temporal. - Q-learning. - Deep Q-learning. |
|
