Competencies and objectives

 

Course context for academic year 2024-25

Deep learning has revolutionized artificial intelligence techniques. Thanks to these methods, it has been possible to address problems that a few years ago were considered unfeasible. This subject delves into the fundamental concepts of deep learning. It is assumed that the students have taken the subject of Machine Learning Techniques and have acquired the knowledge and skills addressed there.

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2024-25

Transversal Competences

  • 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.

 

General Competences

  • 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.

 

Specific Competences

  • 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.

 

Basic Competences

  • 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

 

 

 

Learning outcomes (Training objectives)

- Understand the fundamental concepts of deep learning.

- Train a deep neural network by selecting the most appropriate characteristics of the same depending on the type of problem and optimising the hyperparameters.

- Describe the main architectures used in deep learning, as well as the most typical applications.

- Identify the most appropriate type of deep learning algorithm for various types of problems in different domains.

- Implement deep learning algorithms using different tools.

 

 

Specific objectives stated by the academic staff for academic year 2024-25

Deep learning is a type of artificial intelligence that allows us to train a computational model capable of solving complex tasks using raw data. In this subject we will work with advanced deep learning models that have a large number of parameters such as deep convolutional models or recurrent models, among others. The main objectives are:

- To know the main deep neural architectures.
- To understand the strategies to train large models, such as data augmentation or design of specific loss functions.
- To understand different training strategies such as transfer learning, self-supervised learning, deep reinforcement learning, zero/few-shot learning, etc.

 

 

General

Code: 43509
Lecturer responsible:
PERTUSA IBAÑEZ, ANTONIO JORGE
Credits ECTS: 4,50
Theoretical credits: 0,90
Practical credits: 0,90
Distance-base hours: 2,70

Departments involved

  • Dept: INFORMATION TECHNOLOGY AND COMPUTING
    Area: COMPUTER ARCHITECTURE
    Theoretical credits: 0,3
    Practical credits: 0,3
  • Dept: LANGUAGES AND COMPUTING SYSTEMS
    Area: LANGUAGES AND COMPUTING SYSTEMS
    Theoretical credits: 0,6
    Practical credits: 0,6
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught