Competències i objectius

Informació provisional. Pendent d'aprovació.

 

Context de l'assignatura per al curs 2023-24

Sense dades

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2023-24

Competències transversals

  • CT01 : Utilitzar de manera habitual les eines informàtiques, així com les tecnologies de la informació i les comunicacions, en tot el seu acompliment professional.
  • CT02 : Comunicar de manera oral i escrita transmetent informació, idees, problemes i solucions a un públic tant especialitzat com no especialitzat.

 

Competències generals

  • CG2 : Conéixer, seleccionar i aplicar mètodes dels diferents camps de la intel·ligència artificial per a la resolució de problemes d'enginyeria.
  • CG4 : Obtindre solucions eficients, òptimes i/o probables aplicant els principis propis de l'enginyeria i el mètode científic, descrivint de forma adequada el problema i realitzant una avaluació sòlida de la proposta
  • CG8 : Concebre, desenvolupar i implantar sistemes d'intel·ligència artificial tenint en compte aspectes de qualitat i seguretat, dins del marc normatiu, a més d'atendre criteris mediambientals i d'ús racional, ètic i eficient de recursos i informacióndas

 

Competències Específiques

  • CE29 : Diferenciar els diferents tipus de paradigmes d'aprenentatge automàtic i aplicar-los a tasques d'agrupament, classificació i regressió.
  • CE30 : Avaluar la qualitat i rendiment d'un sistema d'aprenentatge automàtic per a així determinar les seues fortaleses i febleses, determinar la seua aplicabilitat real i proposar vies de millora

 

Competències bàsiques

  • CB3 : Que els estudiants tinguen la capacitat de reunir i interpretar dades rellevants (normalment dins de la seua àrea d'estudi) per a emetre judicis que incloguen una reflexió sobre temes rellevants d'índole social, científica o ètica
  • CB5 : Que els estudiants hagen desenvolupat aquelles habilitats d'aprenentatge necessàries per a emprendre estudis posteriors amb un alt grau d'autonomia

 

 

 

Resultats d'aprenentatge (Objectius formatius)

 

1. Determinar els contextos d'aplicació dels diferents estils d'aprenentatge: supervisat, semisupervisado, no supervisat i per reforç.

2. Explorar algorismes d'agrupament i avaluar-los sobre tasques concretes.

3. Implementar, entrenar i avaluar regresores lineals.

4. Implementar, entrenar i avaluar tant classificadors bayesians ingenus com basats en regressió multinomial logística (softmax) i en perceptrones multicapa.

5. Avaluar i reduir l'impacte dels biaixos i el sobreaprendizaje en models d'aprenentatge automàtic.

6. Validar l'acompliment dels models mitjançant tècniques com la validació creuada o la representació de matrius de confusió.

7. Caracteritzar les perspectiva històrica i l'estat de la qüestió en el camp de l'aprenentatge automàtic, inclosos els seus assoliments i les seues limitacions.

8. Explorar algorismes de veïns més pròxims en tasques de regressió i classificació.

9. Integrar les solucions existents en llibreries i frameworks d'aprenentatge automàtic en problemes concrets

1. Determinar els contextos d'aplicació dels diferents estils d'aprenentatge: supervisat, semisupervisado, no supervisat i per reforç.

2. Explorar algorismes d'agrupament i avaluar-los sobre tasques concretes.

3. Implementar, entrenar i avaluar regresores lineals.

4. Implementar, entrenar i avaluar tant classificadors bayesians ingenus com basats en regressió multinomial logística (softmax) i en perceptrones multicapa.

5. Avaluar i reduir l'impacte dels biaixos i el sobreaprendizaje en models d'aprenentatge automàtic.

6. Validar l'acompliment dels models mitjançant tècniques com la validació creuada o la representació de matrius de confusió.

7. Caracteritzar les perspectiva històrica i l'estat de la qüestió en el camp de l'aprenentatge automàtic, inclosos els seus assoliments i les seues limitacions.

8. Explorar algorismes de veïns més pròxims en tasques de regressió i classificació.

9. Integrar les solucions existents en llibreries i frameworks d'aprenentatge automàtic en problemes concrets

 

 

 

Objectius específics indicats pel professorat per al curs 2023-24

Sense dades

 

 

Dades generals

Codi: 33675
Professor/a responsable:
Sense dades
Crèdits ECTS: 6,00
Crèdits teòrics: 1,20
Crèdits pràctics: 1,20
Càrrega no presencial: 3,60

Departaments amb docència

  • Dep.: Llenguatges i Sistemes Informàtics
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 1,2
    Crèdits pràctics: 1,2
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix