P4131206 - Análise intelixente de datos (ESPECIALIDADE: SISTEMAS INTELIXENTES) - Curso 2013/2014

Información

• Créditos ECTS
• Créditos ECTS: 6.00
• Total: 6.0
• Horas ECTS
• Clase Expositiva: 15.00
• Clase Interactiva Laboratorio: 30.00
• Clase Interactiva Seminario: 10.00
• Horas de Titorías: 6.00
• Total: 61.0

Outros Datos

• Tipo: Materia Ordinaria Máster RD 1393/2007
• Departamentos: Electrónica e Computación
• Áreas: Ciencia da Computación e Intelixencia Artificial
• Centro: Escola Técnica Superior de Enxeñaría
• Convocatoria: 2º Semestre de Titulacións de Grao/Máster
• Docencia e Matrícula: Primeiro Curso (1º 1ª vez)

Profesores

Nome	Coordinador
Felix Lamas, Paulo.	SI
IGLESIAS RODRIGUEZ, ROBERTO.	NON

Horarios

Nome	Tipo Grupo	Tipo Docencia	Horario Clase	Horario exames
Grupo /CLE_01	Ordinario	Clase Expositiva	SI	SI
Grupo /CLIL_01	Ordinario	Clase Interactiva Laboratorio	SI	SI
Grupo /CLIS_01	Ordinario	Clase Interactiva Seminario	SI	SI
Grupo /TI-ECTS01	Ordinario	Horas de Titorías	NON	NON

Programa

Existen programas da materia para os seguintes idiomas:

Castelán

Galego

Inglés

Obxectivos da materia
O obxectivo principal desta materia é que o alumno desenvolva as capacidades necesarias para abordar aqueles problemas nos que se dispón dunha colección de datos, posiblemente extensa, e deséxase extraer información nova e útil para a toma de decisións.
Contidos
1. Introdución ao descubrimento científico.
2. Preparación dos datos.
3. Tarefas da análise intelixente de datos.
4. Indución a partir de exemplos: árbores de decisión.
5. Combinación de modelos.
6. Avaliación.
7. Análise de datos complexos.
Bibliografía básica e complementaria
BIBLIOGRAFÍA BÁSICA

J. Hernández, M.J. Ramírez, C. Ferri. Introducción a la minería de datos. Pearson Educación, 2004.

BIBLIOGRAFÍA COMPLEMENTARIA

E. Alpaydin, Introduction to Machine Learning. The MIT Press, 2004.

S. Russell, P. Norvig, Inteligencia Artificial. Un enfoque moderno. Prentice Hall, 2003.

J. R. Quinlan, C4.5: programs for machine learning. Morgan Kaufmann, 1993.

Cao, R. y otros. Introducción a la Estadística y sus Aplicaciones. Pirámide, 2005.

Competencias
A materia contribúe ao desenvolvemento das seguintes competencias xerais recollidas na Memoria do Máster en Tecnoloxías da Información:

CG1. Capacidade para proxectar, calcular e deseñar produtos, procesos e instalacións en todos os ámbitos da enxeñaría informática.
CG4. Capacidade para o modelado matemático, cálculo e simulación en Centros Tecnolóxicos e de Enxeñaría de Empresa, particularmente en tarefas de investigación, desenvolvemento e innovación en todos os ámbitos relacionados coa enxeñaría informática.
CG8. Capacidade para a aplicación dos coñecementos adquiridos, e de resolver en contornas novas ou poucos coñecidas, dentro de contextos máis amplos e multidisciplinares, sendo capaces de integrar estes coñecementos.

A materia tamén contribúe ao desenvolvemento da seguinte competencia específica do Módulo de Tecnoloxías Informáticas recollido na citada Memoria:

CTI9. Capacidade para aplicar métodos matemáticos, estatísticos e de intelixencia artificial para modelar, deseñar e desenvolver aplicacións, servizos, sistemas intelixentes e sistemas baseados en coñecemento.

Entre as competencias transversais da Memoria enumeramos as seguintes: CT1, CT2, CT4, CT5, CT6, CT8, CT10, CT11 e CT13.

Das competencias de calidade de servizo citamos: CCS1, CCS5, CCS8 e CCS9.
Metodoloxía da ensinanza
Os contidos teóricos da materia explicaranse en aulas nas que se fará uso da pizarra e de materiais audiovisuais, e apoiaranse na realización de exercicios e na análise de casos prácticos. Durante estas clases exporase un conxunto de problemas que se resolverán no laboratorio de informática, coa axuda dunha computadora. Utilizarase o Campus Virtual da USC como repositorio de documentación, como apoio á acción tutorial, e para a xestión das entregas correspondentes aos problemas propostos.

Sistema de evaluación
CONVOCATORIA ORDINARIA
A avaliación da materia realizarase dun modo continuado ao longo do cuadrimestre, en base á participación do alumno e á entrega dos exercicios propostos para a súa resolución. Será un requisito imprescindible para a superación da materia a asistencia ás distintas actividades expostas.

Terán a condición de Presentado todos aqueles alumnos que entregasen máis dun terzo dos exercicios propostos.

SEGUNDA OPORTUNIDADE
A avaliación da materia realizarase mediante a elaboración dun proxecto de análise de datos.
Tempo de estudo e traballo persoal
Tal e como recolle a ficha da materia na Memoria de Máster, o tempo total de traballo persoal do alumno (aparte das horas presenciais da mateira) é de 90 horas. A desagregación deste tempo corresponde a 25 horas de estudo autónomo, 15 horas para a escritura de exercicios e outros traballos, 45 horas para programación/experimentación con axuda do computador, e 5 horas para preparar a avaliación de traballos e proxectos.


Recomendacións para o estudo da materia
Recoméndase levar o estudo teórico e a realización de prácticas e problemas ao día. Igualmente, consideramos importante facer un bo aproveitamento das tutorías para a resolución máis inmediata das dúbidas.

Observacións
Parte dos contidos docentes desta materia vanse impartir en idioma inglés.

Aconséllase cursar o resto das optativas do Módulo de Sistemas Intelixentes para obter unha especialización neste ámbito.