Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 21 Clase Interactiva: 21 Total: 43
Linguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación, Departamento externo vinculado ás titulacións
Áreas: Ciencia da Computación e Intelixencia Artificial, Área externa M.U en Intelixencia Artificial
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
A materia introduce ao estudante na extracción, avaliación e análise de información presente na Web mediante o uso de tecnoloxías que interpretan a semántica subxacente ao formato dos seus contidos. Neste contexto, capacitaráselle na súa explotación como fonte global de datos, independentemente de cal sexa a súa localización e o dispositivo ou plataforma de acceso, tanto se están expresados en linguaxe natural como en linguaxes directamente interpretables por axentes intelixentes. Trátase en definitiva de facilitar o acceso, compartición e integración de información entre usuarios Web.
Aprendizaxe supervisada. Aprendizaxe non supervisada. Aprendizaxe por reforzo. Combinación de modelos. Preprocesado e técnicas de extracción de características, regularización, creación de modelos e avaliación
Básica:
C.M. Bishop. Pattern recognition and machine learning, Springer, 2006, ISBN: 978-0387310732
R.O. Duda, P.E. Hart, D.G. Stork. Pattern classification. Wiley Interscience, 2000. ISBN: 978-0471056690
R.S. Sutton, A.G. Barton. Reinforcement learning: an introduction. MIT Press, 2nd Edition, 2018. ISBN: ISBN: 978-0262039246
Complementaria:
H. Daume. A course in machine learning. Autopublicado, 2017
P. Harrington. Machine learning in action. O'Reilly, 2012. ISBN 978-1617290183
J. Hurwitz, D. Kirsch. Machine learning for dummies. John Wiley & Sons, Inc., 2018. ISBN 9781119454953
BÁSICAS E XENERAIS
CG2 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial.
CG3 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo.
CG4 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables no campo.
CG5 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións.
CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
CB8 - Que os estudantes sexan capaces de integrar coñecementos e enfrontarse á complexidade de formular xuízos a partir dunha información que, sendo incompleta ou limitada, inclúa reflexións sobre as responsabilidades sociais e éticas vinculadas á aplicación dos seus coñecementos e xuízos
CB9 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun modo claro e sen ambigüidades
TRANSVERSAIS
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida.
CT4 - Desenvolverse para o exercicio dunha cidadanía respectuosa coa cultura democrática, os dereitos humanos e a perspectiva de xénero.
CT7 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenvolvemento sostible ambiental, económico, político e social.
CT8 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.
CT9 - Ter a capacidade de xestionar tempos e recursos: desenvolver plans, priorizar actividades, identificar as críticas, establecer prazos e cumprilos.
ESPECÍFICAS
CE10 - Capacidade para a construción, validación e aplicación dun modelo estocástico dun sistema real a partir dos datos observados e a análise crítica dos resultados obtidos.
CE11 - Comprensión e dominio das principais técnicas e ferramentas de análises de datos, tanto desde o punto de vista estatístico como da aprendizaxe automática, incluíndo as dedicadas ao tratamento de grandes volumes de datos, e capacidade para seleccionar as máis adecuadas para a resolución de problemas.
CE12 - Capacidade para expor, formular e resolver todas as etapas dun proxecto de datos, incluíndo a compresión e dominio de fundamentos e técnicas básicas para a procura e o filtrado de información en grandes coleccións de datos.
CE15 - Coñecemento das ferramentas informáticas no campo da aprendizaxe automática, e capacidade para seleccionar a máis adecuada para a resolución dun problema.
A metodoloxía Inclúe o Método expositivo / lección maxistral, prácticas de laboratorio, titorías, traballo autónomo, estudo de casos e aprendizaxe por proxectos. levará a cabo coas seguintes actividades formativas:
1) Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: trátase de sesións cuxo obxectivo é que o alumnado adquira determinadas competencias en base á resolución de exercicios, estudo de casos e realización de proxectos que requiran ao alumno a aplicación dos coñecementos e competencias desenvolvidas durante a materia. Estas sesións poden requirir do alumno a presentación oral da súa solución aos problemas expostos. Os traballos realizados polo alumnado pódense realizar de forma individual ou en grupos de traballo.
2) Clases de teoría: Exposición oral complementada co uso de medios audiovisuais e a introdución dalgunhas preguntas dirixidas aos estudantes, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe. Ademais do tempo de exposición oral por parte do profesor, esta actividade formativa require do alumno a dedicación dun tempo para preparar e revisar por conta propia o materiais obxecto da clase.
3) Clases prácticas de laboratorio: clases dedicadas a que o alumnado desenvolva traballos prácticos que impliquen abordar a resolución de problemas complexos, e a análise e deseño de solucións que constitúan un medio para a súa resolución. Esta actividade pode requirir dos alumnos a presentación oral dos traballos realizados. Os traballos realizados polo alumnado pódense realizar de forma individual ou en grupos de traballo.
A avaliación constará de dúas partes:
- Exame final, con ponderación do 50% da nota final.
- Avaliación de traballos prácticos, con ponderación do 50% da nota final.
Será necesario alcanzar un 40% da puntuación en cada parte.
A calificación será de non presentado cando non se entregue ningún traballo práctico nin exame final.
Segunda oportunidade
A avaliación realizarase cós mesmos criterios anteriormente descritos. Abrirase un novo prazo para a entrega dos traballos prácticos, no caso de que non se entregaran na primeira oportunidade.
A1: Clases de teoría: 21 horas presenciais, 42 horas en total de dedicación.
A2: Clases prácticas de laboratorio: 14 horas presenciais, 60 horas en total de dedicación.
A3: Aprendizaxe baseada en problemas, seminarios, estudo de casos e proxectos: 7 horas presenciais, 48 horas en total de dedicación.
Recoméndase estudo semanal da materia.
Nicolas Vila Blanco
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881815509
- Correo electrónico
- nicolas.vila [at] usc.es
- Categoría
- Profesor/a: Profesor Interino/a substitución IT e outros
Lara María Vázquez González
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- laram.vazquez [at] usc.es
- Categoría
- Predoutoral Xunta
Olinda Nelly Condori Fernandez
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- n.condori.fernandez [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
| Martes | |||
|---|---|---|---|
| 17:30-19:00 | CLIL_01 | Inglés | IA.02 |
| 19:00-20:30 | CLE_01 | Inglés | IA.02 |
| 13.01.2023 17:00-20:45 | CLIL_01 | IA.02 |
| 13.01.2023 17:00-20:45 | CLE_01 | IA.02 |
| 21.06.2023 17:00-20:45 | CLIL_01 | Aula A2 |
| 21.06.2023 17:00-20:45 | CLE_01 | Aula A2 |