Competencies and objectives
Course context for academic year 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.
Course content (verified by ANECA in official undergraduate and Master’s degrees)
General Competences (CG)
- B1 : Capacidad de investigar en el diseño de arquitecturas de sistemas de información.
- B10 : Capacidad para la identificación de la información relevante en las tareas de aprendizaje automático.
- B2 : Capacidad para gestionar y diseñar bases de datos no tradicionales (documentales, textuales, almacenes de datos, etc.).
- B3 : Capacidad de producir eficientemente la documentación técnica asociada al trabajo de investigación y desarrollo realizado.
- B4 : Capacidad de investigar la forma de integrar sistemas informáticos.
- B5 : Capacidad de especificar y desarrollar interfaces adecuados en tecnologías informáticas.
- B6 : Conocimientos básicos de las técnicas estadísticas más relevantes para la investigación en las tecnologías informáticas.
- B7 : Capacidad de modificar algoritmos clásicos para adaptarlos a cada situación.
- B8 : Evaluar la calidad de los modelos para la elaboración de un proyecto de investigación.
- B9 : Capacidad de desarrollo de heurísticas para la resolución de problemas.
Basic Competences and Competences included under the Spanish Qualifications Framework for Higher Education (MECES)
- 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.
Specific Competences:>>Shape Recognition and AI Technologies
- C1.1 : Capacidad de diseñar y evaluar sistemas que tomen decisiones.
- C1.2 : Capacidad de diseñar un sistema robotizado para automatizar un proceso industrial.
- C1.3 : Capacidad de programar un robot para que interactúe con su entorno utilizando datos sensoriales.
- C1.4 : Habilidades en la manipulación (análisis, descripción, recuperación, etc.) de contenidos multimedia.
- C1.5 : Capacidad de diseñar e implementar soluciones a problemas de visión artificial.
- C1.6 : Conocimiento de técnicas de optimización.
Learning outcomes (Training objectives)
No data
Specific objectives stated by the academic staff for academic year 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.
General
Code:
11803
Lecturer responsible:
CALERA RUBIO, JORGE
Credits ECTS:
3,00
Theoretical credits:
0,70
Practical credits:
0,50
Distance-base hours:
1,80
Departments involved
-
Dept:
LANGUAGES AND COMPUTING SYSTEMS
Area: LANGUAGES AND COMPUTING SYSTEMS
Theoretical credits: 0,7
Practical credits: 0,5
This Dept. is responsible for the course.
This Dept. is responsible for the final mark record.
Study programmes where this course is taught
-
UNIVERSITY MASTER'S DEGREE IN INFORMATION AND COMMUNICATION TECHNOLOGY
Course type: OPTIONAL (Year: 1)