Competències i objectius

 

Context de l'assignatura per al curs 2024-25

El aprendizaje automático es la rama de la inteligencia artificial que estudia cómo dotar a los computadores de la capacidad para aprender modelos de forma automática a partir de datos. En esta asignatura se pretende proporcionar una visión general de las técnicas más utilizadas en aprendizaje automático en sus tres paradigmas principales: aprendizaje supervisado, aprendizaje no supervisado y aprendizaje por refuerzo.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2024-25

Competències generals:>>Instrumentals

  • CG1 : Assessorament sobre elecció, adquisició i posada en marxa de sistemes robòtics o d'automatització en diferents aplicacions.
  • CG2 : Prendre decisions en el disseny i la planificació d'un projecte de robòtica o d'automatització tenint en compte criteris de qualitat i mediambientals.
  • CG3 : Posar en marxa i mantenir sistemes robòtics o d'automatització que satisfacen els requeriments d'aplicacions industrials o de serveis.
  • CG6 : Anàlisi, síntesi de problemes i presa de decisions.

 

Competències generals:>>Interpersonals

  • CG10 : Raonament crític.

 

Competències generals:>>Sistemàtiques

  • CG12 : Capacitat per a aplicar els coneixements a problemes reals.
  • CG13 : Capacitat per a treballar i aprendre de manera autònoma.
  • CG14 : Capacitat d'adaptació a noves situacions fomentant la creativitat i l'esperit emprenedor.

 

Competències específiques:>>robòtica

  • CER010 : Conèixer i saber aplicar les principals tècniques d'aprenentatge i Deep learning en sistemes robòtics.

 

Competències específiques:>>visió

  • CEVI5 : Conèixer i aplicar mètodes, tècniques i instruments d'aprenentatge automàtic i Deep learning en visió artificial.

 

Competències específiques:>>sensors

  • CESE4 : Analitzar i optimitzar el disseny d'un procés de presa de mesures per a obtenir la precisió i exactitud requerides.

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Conèixer i comprendre els diferents mètodes més utilitzats en intel·ligència artificial d'aprenentatge supervisat.
  • Interpretar el paradigma de la classificació i l'estructura convencional d'un classificador.
  • Conèixer i comprendre els diferents mètodes més utilitzats en intel·ligència artificial d'aprenentatge no supervisat.
  • Ser capaç de definir un projecte robòtic basat en l'aprenentatge per reforç.

 

 

Objectius específics indicats pel professorat per al curs 2024-25

  • Conocer y comprender los diferentes métodos más utilizados en inteligencia artificial para aprendizaje automático.
  • Conocer la estructura de un algoritmo de aprendizaje supervisado.
  • Conocer y comprender los diferentes métodos más utilizados de aprendizaje no supervisado.
  • Ser capaz de definir un proyecto basado en aprendizaje por refuerzo.
  • Identificar las fortalezas y limitaciones de los distintos paradigmas de aprendizaje automático.

 

 

Dades generals

Codi: 37818
Professor/a responsable:
Calvo Zaragoza, Jorge
Crèdits ECTS: 3,00
Crèdits teòrics: 0,44
Crèdits pràctics: 0,76
Càrrega no presencial: 1,80

Departaments amb docència

  • Dep.: LLENGUATGES I SISTEMES INFORMATICS
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 0,44
    Crèdits pràctics: 0,76
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix