Competències i objectius

 

Context de l'assignatura per al curs 2024-25

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. 

 

 

 

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

Competències transversals

  • 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.

 

Competències generals

  • 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.

 

Competències Específiques

  • 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.

 

Competències bàsiques

  • 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

 

 

 

Resultats d'aprenentatge (Objectius formatius)

- Entendre els conceptes fonamentals de l'aprenentatge profund.

- Entrenar una xarxa neuronal profunda seleccionant les característiques més adequades de la mateixa en funció de la mena de problema i optimitzant els hiperparámetros.

- Descriure les principals arquitectures utilitzades en aprenentatge profund, així com les aplicacions més típiques.

- Identificar el tipus d'algorisme d'aprenentatge profund més apropiat per a diversos tipus de problemes en diferents dominis.

- Implementar algorismes d'aprenentatge profund utilitzant diferents eines.

 

 

Objectius específics indicats pel professorat per al curs 2024-25

El aprendizaje profundo (deep learning) es un tipo de inteligencia artificial que permite entrenar un modelo computacional capaz de resolver tareas complejas. En esta asignatura se trabajará con modelos avanzados de aprendizaje profundo que presentan un gran número de parámetros como son los modelos convolucionales profundos o los modelos recurrentes, entre otros. Los principales objetivos son:

  • Aprender las principales arquitecturas neuronales profundas.
  • Conocer las estrategias para entrenar grandes modelos, como por ejemplo aumentado de datos o diseño de funciones de pérdida específicas.
  • Comprender distintas estrategias de entrenamiento tales como aprendizaje por transferencia, aprendizaje auto-supervisado, aprendizaje profundo por refuerzo, zero/few-shot learning, etc.

 

 

Dades generals

Codi: 43509
Professor/a responsable:
PERTUSA IBAÑEZ, ANTONIO JORGE
Crèdits ECTS: 4,50
Crèdits teòrics: 0,90
Crèdits pràctics: 0,90
Càrrega no presencial: 2,70

Departaments amb docència

  • Dep.: TECNOLOGIA INFORMATICA I COMPUTACIO
    Àrea: ARQUITECTURA I TECNOLOGIA DE COMPUTADORS
    Crèdits teòrics: 0,3
    Crèdits pràctics: 0,3
  • Dep.: LLENGUATGES I SISTEMES INFORMATICS
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 0,6
    Crèdits pràctics: 0,6
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix