Competencies and objectives

 

Course context for academic year 2023-24

El aprendizaje profundo ha supuesto una revolución en las técnicas de inteligencia artificial. Gracias a estos métodos se han podido abordar problemas que hace unos pocos años se consideraban inviables. Esta asignatura se adentra en los conceptos fundamentales del aprendizaje profundo. Se asume que el alumnado ha cursado la asignatura de Técnicas de Aprendizaje Automático y que ha adquirido los conocimientos y competencias que allí se abordan. 

 

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2023-24

Transversal Competences

  • CT1 : Ser capaç de liderar projectes relacionats amb la intel·ligència artificial, així com dirigir equips de treball.
  • CT2 : Demostrar destreses informàtiques i informacionals en l'àmbit de la intel·ligència artificial.
  • CT3 : Demostrar habilitats en comunicació oral i escrita.

 

General Competences

  • CG1 : Aplicar els coneixements adquirits a problemes reals relacionats amb la intel·ligència artificial.
  • CG10 : Ser capaç d'utilitzar els principis de l'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la intel·ligència artificial.
  • CG2 : Ser capaç de desenvolupar i aprendre de forma acte-dirigida o autònoma temes relacionats amb la intel·ligència artificial
  • CG3 : Saber desembolicar-se en contextos multidisciplinaris i/o internacionals aportant solucions des del punt de vista de la intel·ligència artificial.
  • CG5 : Saber gestionar la informació i els recursos disponibles relacionats amb intel·ligència artificial.
  • CG6 : Ser capaç d'adaptar-se a entorns relacionats amb la intel·ligència artificial, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
  • CG7 : Ser capaç d'adaptar-se a la constant evolució de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la intel·ligència artificial.
  • CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la intel·ligència artificial, tenint en compte aspectes tècnics, econòmics i d'eficiència.

 

Specific Competences

  • CE08 : Conèixer en profunditat tecnologies d'aprenentatge automàtic, algorismes i eines (inclòs l'aprenentatge supervisat, no supervisat o reforçat).
  • CE23 : Capacitat per a concebre i desplegar solucions integrals d'aprenentatge profund per a aplicacions de diferents àmbits.

 

Basic Competences

  • CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
  • CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats

 

 

 

Learning outcomes (Training objectives)

- Understand the fundamental concepts of deep learning.

- Train a deep neural network by selecting the most appropriate characteristics of the same depending on the type of problem and optimising the hyperparameters.

- Describe the main architectures used in deep learning, as well as the most typical applications.

- Identify the most appropriate type of deep learning algorithm for various types of problems in different domains.

- Implement deep learning algorithms using different tools.

 

 

Specific objectives stated by the academic staff for academic year 2023-24

No data

 

 

General

Code: 43509
Lecturer responsible:
PERTUSA IBAÑEZ, ANTONIO JORGE
Credits ECTS: 4,50
Theoretical credits: 0,90
Practical credits: 0,90
Distance-base hours: 2,70

Departments involved

  • Dept: INFORMATION TECHNOLOGY AND COMPUTING
    Area: COMPUTER ARCHITECTURE
    Theoretical credits: 0,3
    Practical credits: 0,3
  • Dept: LANGUAGES AND COMPUTING SYSTEMS
    Area: LANGUAGES AND COMPUTING SYSTEMS
    Theoretical credits: 0,6
    Practical credits: 0,6
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught