Competencias y objetivos

 

Contexto de la asignatura para el curso 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. 

 

 

 

Competencias de la asignatura (verificadas por ANECA en grados y másteres oficiales) para el curso 2024-25

Competencias Transversales

  • CT1 : Ser capaz de liderar proyectos relacionados con la inteligencia artificial, así como dirigir equipos de trabajo.
  • CT2 : Demostrar destrezas informáticas e informacionales en el ámbito de la inteligencia artificial.
  • CT3 : Demostrar habilidades en comunicación oral y escrita.

 

Competencias Generales

  • CG1 : Aplicar los conocimientos adquiridos a problemas reales relacionados con la inteligencia artificial.
  • CG10 : Ser capaz de utilizar los principios de la ingeniería y las modernas tecnologías informáticas para investigar, diseñar, implementar nuevas aplicaciones de la inteligencia artificial.
  • CG2 : Ser capaz de desarrollar y aprender de forma auto-dirigida o autónoma temas relacionados con la inteligencia artificial
  • CG3 : Saber desenvolverse en contextos multidisciplinares y/o internacionales aportando soluciones desde el punto de vista de la inteligencia artificial.
  • CG5 : Saber gestionar la información y los recursos disponibles relacionados con inteligencia artificial.
  • CG6 : Ser capaz de adaptarse a entornos relacionados con la inteligencia artificial, fomentando el trabajo en equipo, la creatividad, la capacidad crítica y el espíritu emprendedor.
  • CG7 : Ser capaz de adaptarse a la constante evolución de la disciplina y de comprender y aplicar los nuevos avances técnicocientíficos relacionados con la inteligencia artificial.
  • CG8 : Saber proyectar, diseñar, desarrollar, implantar y mantener productos, aplicaciones y servicios relacionados con la inteligencia artificial, teniendo en cuenta aspectos técnicos, económicos y de eficiencia.

 

Competencias Específicas

  • CE08 : Conocer en profundidad tecnologías de aprendizaje automático, algoritmos y herramientas (incluido el aprendizaje supervisado, no supervisado o reforzado).
  • CE23 : Capacidad para concebir y desplegar soluciones integrales de aprendizaje profundo para aplicaciones de distintos ámbitos.

 

Competencias Básicas

  • CB10 : Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • CB6 : Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
  • CB7 : Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
  • CB8 : Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
  • CB9 : Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

 

 

 

Resultados de aprendizaje (Objetivos formativos)

- Entender los conceptos fundamentales del aprendizaje profundo.

- Entrenar una red neuronal profunda seleccionando las características más adecuadas de la misma en función del tipo de problema y optimizando los hiperparámetros.

- Describir las principales arquitecturas utilizadas en aprendizaje profundo, así como las aplicaciones más típicas.

- Identificar el tipo de algoritmo de aprendizaje profundo más apropiado para varios tipos de problemas en diferentes dominios.

- Implementar algoritmos de aprendizaje profundo utilizando diferentes herramientas.

 

 

Objetivos específicos indicados por el profesorado para el curso 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.

 

 

Datos generales

Código: 43509
Profesor/a responsable:
PERTUSA IBAÑEZ, ANTONIO JORGE
Crdts. ECTS: 4,50
Créditos teóricos: 0,90
Créditos prácticos: 0,90
Carga no presencial: 2,70

Departamentos con docencia

  • Dep.: TECNOLOGIA INFORMATICA Y COMPUTACION
    Área: ARQUITECTURA Y TECNOLOGIA DE COMPUTADORES
    Créditos teóricos: 0,3
    Créditos prácticos: 0,3
  • Dep.: LENGUAJES Y SISTEMAS INFORMATICOS
    Área: LENGUAJES Y SISTEMAS INFORMATICOS
    Créditos teóricos: 0,6
    Créditos prácticos: 0,6
    Este dep. es responsable de la asignatura.
    Este dep. es responsable del acta.

Estudios en los que se imparte