P4131207 - Aprendizaxe automática (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: 3.00
• Total: 58.0

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: 1º Semestre de Titulacións de Grao/Máster
• Docencia e Matrícula: null

Profesores

Nome	Coordinador
IGLESIAS RODRIGUEZ, ROBERTO.	SI
LOSADA CARRIL, DAVID E..	NON
RODRIGUEZ GONZALEZ, MIGUEL ANGEL.	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
Este curso abordará os paradigmas mais importantes relativos ao deseño de estratexias que permitan a aprendizaxe automática en máquinas e sistemas, enfocado ás tarefas básicas do tratamento da información (regras, clasificación e regresión).
Contidos
Aprendizaxe a partir de exemplos: Aprendizaxe supervisado, xeneralización e sobre-aprendizaxe. Árbores de decisión; clasificación e regresión mediante aprendizaxe supervisado. Métodos non paramétricos, Redes neuronais artificiais. Máquinas de soporte vectorial.

Aprendizaxe non supervisado: Clustering. Aprendizaxe estatístico. Aprendizaxe Bayesiano. Modelos de linguaxe estatísticos. Algoritmos de Expectation-Maximization e Gaussian Mixture Models, redes neuronais artificiais.

Aprendizaxe por reforzo: Procesos de Markov, programación dinámica, diferencias temporais.
Bibliografía básica e complementaria
E. Alpaydin, Introduction to Machine Learning. The MIT Press, 2004.

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

R. S. Sutton, A. G. Barto. Reinforcement Learning, An introduction. The MIT Press. 1998
Competencias
Ao final da materia o alumno deberá ter adquirido as seguintes competencias:

Capacidade para definir, deseñar, aplicar e validar a técnica da aprendizaxe automática mais apropiada para un problema dado

Destreza para aplicar técnicas de Aprendizaxe Automático en dominios de aplicación (por exemplo, Robótica, Clasificación Automática de Textos, Recuperación de Información, Web Intelixente, etc.)

A materia contribúe o 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 tódolos ámbitos da enxeñería informática.
CG4. Capacidade para o modelado matemático, cálculo e simulación en Centros Tecnolóxicos e de Enxeñería da Empresa, particularmente en tarefas de investigación, desenvolvemento e innovación en tódolos ámbitos relacionados coa enxeñería informática.
CG8. Capacidade para a aplicación dos coñecementos adquiridos e de resolver en entornos novos ou pouco coñecidos, dentro de contextos mais amplos e multidisciplinais, sendo quen 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: Dominio da xestión do tempo.
CT2: Capacidade para traballar baixo presión.
CT4: Dominio da expresión oral e escrita na lingua materna.
CT5: Coñecemento de outras linguas, sobre todo a inglesa.
CT6: Capacidade de traballo autónomo e toma de decisións.
CT8: Capacidade analítica, crítica e de síntese.
CT10: Capacidade de adaptación a situacións cambiantes. Flexibilidade. Predisposición ao cambio.
CT11:Creatividade.
CT13: Motivación pola calidade.

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 do encerado e de materiais audiovisuais, e apoiaranse na realización de exercicios e no análise de casos prácticos. Perante estas clases expoñerase un conxunto de problemas cuxa resolución levarase a cabo no laboratorio de informática, coa axuda dunha computadora. Utilizaremos o Campus Virtual da USC como repositorio de documentación, como apoio á acción tutorial, e para a xestión das entregas correspondentes ós problemas propostos.
Sistema de evaluación
AVALIACIÓN CONTINUA
A avaliación da materia realizarase dun xeito continuado ao longo do cuadrimestre, tendo en conta a participación do alumno, cuestionarios, e a entrega de exercicios propostos para a súa resolución.


AVALIACIÓN ALTERNATIVA
No caso daqueles alumnos que non teñan realizado ou superado a avaliación continua, a avaliación da materia realizarase mediante un exame e a elaboración dun proxecto de aprendizaxe automático.
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 materia) é de 90 horas. O detalle deste tempo corresponde a: 25 horas de estudio autónomo, 15 horas para a escritura de exercicios e outros traballos, 45 horas para programación/experimentación con axuda do ordenador, e 5 horas para preparar a avaliación de traballos e proxectos.
Recomendacións para o estudo da materia
Requisitos previos obrigatorios: Web Intelixente (Materia do propio Máster)
Requisitos previos aconsellados: Competencia en Enxeñería do Coñecemento. Aconsellable cursar o resto de optativas do módulo para obter unha especialización no ámbito dos sistemas intelixentes.
Certo coñecemento en estatística básica sería moi útil.