Competències i objectius
Context de l'assignatura per al curs 2025-26
L'aprenentatge automàtic representa la disciplina dins del camp de la intel·ligència artificial que busca desenvolupar mètodes capaços d'inferir coneixement de manera automàtica a partir de fonts de dades. Aquesta generació de coneixement depén notablement del tipus de tasca a realitzar (per exemple, etiquetar elements o realitzar agrupaments dels mateixos segons les seues característiques), així com de la preparació de les dades disponibles (per exemple, aprenentatge supervisat si es disposa d'un objectiu clar a modelar o aprenentatge no supervisat quan la inferència de coneixement té un caràcter exploratori).
El curs "Fonaments de l'aprenentatge automàtic", que s'imparteix al tercer curs del Grau en Enginyeria en Intel·ligència Artificial, introdueix els principis estadístics, computacionals i algorítmics que sustenten aquesta disciplina. A més, aquest mòdul representa la base per a altres més avançats en la titulació com són "Aprenentatge avançat" i "Xarxes neuronals i aprenentatge profund".
Quant a la seua estructura, durant el desenvolupament del programa l'alumnat adquirirà una comprensió profunda de conceptes fonamentals com la inferència estadística, l'avaluació de models, els mètodes supervisats i no supervisats, així com tècniques de regularització i selecció de models. A més, s'aborden aspectes clau com el preprocessament de dades, l'anàlisi de la complexitat dels models i la interpretació de resultats.
Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2025-26
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
Objectius específics indicats pel professorat per al curs 2025-26
- Comprendre els principis bàsics de l’aprenentatge automàtic, incloent els principals enfocaments, aplicacions i evolució històrica.
- Formalitzar problemes d’aprenentatge automàtic des d’una perspectiva matemàtica i estadística, aplicant conceptes com risc, pèrdua, versemblança i regularització.
- Seleccionar, entrenar i avaluar models d’aprenentatge supervisat i no supervisat, identificant-ne els punts forts i les limitacions segons el context.
- Aplicar tècniques de preprocesament de dades i escollir mètriques d’avaluació adequades, també en casos amb dades incompletes.
- Utilitzar i interpretar mètodes d’avaluació i validació de models, incloent la comparació estadística rigorosa del seu rendiment.
- Analitzar críticament els resultats obtinguts amb diferents algoritmes i justificar les decisions de disseny i selecció de models.
Dades generals
Codi:
33675
Professor/a responsable:
Valero Mas, José Javier
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
-
GRAU EN ENGINYERIA EN INTEL·LIGÉNCIA ARTIFICIAL
Tipus d'assignatura: OBLIGATÒRIA (Curs: 3)