Competències i objectius

 

Context de l'assignatura per al curs 2011-12

La asignatura optativa ADEBS forma parte de la materia Técnicas de Reconocimiento de Formas e Inteligencia Artificial. Se imparte en el segundo cuatrimestre de primer curso del Máster y sus contenidos son una especialización de los vistos en la asignatura obligatoria Reconocimiento de Formas y Aprendizaje Automático.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2011-12

Competències generals del títol (CG)

  • B1 : Capacitat d'investigar en el disseny d'arquitectures de sistemes d'informació.
  • B10 : Capacitat per a identificar la informació rellevant en les tasques d'aprenentatge automàtic.
  • B2 : Capacitat per a gestionar i dissenyar bases de dades no tradicionals (documentals, textuals, magatzems de dades, etc.).
  • B3 : Capacitat de produir eficientment la documentació tècnica associada al treball de recerca i de desenvolupament dut a terme.
  • B4 : Capacitat d'investigar la manera d'integrar sistemes informàtics.
  • B5 : Capacitat d'especificar i desenvolupar interfícies adequades en tecnologies informàtiques.
  • B6 : Coneixements bàsics de les tècniques estadístiques més rellevants per a la investigació en les tecnologies informàtiques.
  • B7 : Capacitat de modificar algorismes clàssics per a adaptar-los a cada situació.
  • B8 : Avaluar la qualitat dels models per a l'elaboració d'un projecte d'investigació.
  • B9 : Capacitat per a desenvolupar heurístiques per a la resolució de problemes.

 

Habilitats/Destreses

  • A1 : Capacidad de análisis y síntesis.
  • A10 : Capacidad de razonamiento y extracción de conclusiones.
  • A11 : Compromiso ético y respeto por la propiedad intelectual.
  • A12 : Habilidad de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • A13 : Habilidad de adaptación al ambiente cambiante propio de la disciplina, sabiendo aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • A14 : Capacidad de creatividad.
  • A15 : Capacidad de dirección de proyectos de desarrollo de investigación.
  • A16 : Motivación por la calidad.
  • A17 : Habilidad para transferir resultados de investigación.
  • A18 : Capacidad de autonomía científica y técnica.
  • A2 : Capacidad de organización y planificación.
  • A3 : Capacidad de comunicación oral y escrita (en la lengua nativa e inglesa) de los conocimientos y conclusiones (y razones últimas que las sustentan) a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • A4 : Capacidad de gestión de la información y de los recursos disponibles.
  • A5 : Capacidad de resolver problemas e 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.
  • A6 : Capacidad de trabajar en equipo con iniciativa y espíritu emprendedor.
  • A7 : Capacidad de trabajar en un equipo de carácter interdisciplinar.
  • A9 : Habilidades en las relaciones interpersonales.

 

Competències Específiques:>>de Tecnologies de Reconeixement de Formes i d'Intel·ligència Artificial

  • C1.1 : Capacitat de dissenyar i avaluar sistemes que prenguen decisions.
  • C1.2 : Capacitat de dissenyar un sistema robotitzat per a automatitzar un procés industrial.
  • C1.3 : Capacitat de programar un robot perquè interactue amb el seu entorn utilitzant dades sensorials.
  • C1.4 : Habilitats en la manipulació (anàlisi, descripció, recuperació, etc.) de continguts multimèdia.
  • C1.5 : Capacitat de dissenyar i implementar solucions a problemes de visió artificial.
  • C1.6 : Coneixement de tècniques d'optimització.

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Comprendre i saber com aplicar les tècniques estàndard per a construir programes que milloren amb l'experiència.
  • Avaluar la qualitat del model après per a una tasca donada.
  • Comparar diversos algorismes d'aprenentatge amb dades estructurades.
  • Justificar l'ús d'un determinat algorisme d'aprenentatge donada la naturalesa de les dades, el problema d'aprenentatge i un mesurament de rendiment.
  • Usar, adaptar i estendre algorismes d'aprenentatge a diferents tipus de dades.
  • Comprendre i comparar algorismes de recerca per similitud.
  • Justificar l'ús d'un determinat algorisme de recerca per similitud en una tasca donada.

 

 

Objectius específics indicats pel professorat per al curs 2011-12

- Comprender y saber como aplicar las técnicas estándar para construir programas que mejoran con la experiencia.
- Evaluar la calidad del modelo aprendido con datos estructurados.
- Comparar varios algoritmos de aprendizaje con datos estructurados.
- Justificar el uso de un determinado algoritmo de aprendizaje dada la naturaleza de los datos, el problema de aprendizaje y una medida de rendimiento.
- Usar, adaptar y extender algoritmos de aprendizaje a diferentes tipos de datos.
- Comprender y comparar algoritmos de búsqueda por similitud.
- Justificar el uso de un determinado algoritmo de búsqueda por similitud en una tarea dada.

 

 

Dades generals

Codi: 11803
Professor/a responsable:
Calera Rubio, Jorge
Crèdits ECTS: 3,00
Crèdits teòrics: 0,70
Crèdits pràctics: 0,50
Càrrega no presencial: 1,80

Departaments amb docència

  • Dep.: Llenguatges i Sistemes Informàtics
    Àrea: LLENGUATGES I SISTEMES INFORMATICS
    Crèdits teòrics: 0,7
    Crèdits pràctics: 0,5
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix