Esta asignatura se basa en los conocimientos dados en la asignatura previa del mismo máster: - Análisis de datos en la IC4.0

Los objetivos de la asignatura son: 1. Profundizar en el conocimiento de modelos de aprendizaje automático que permiten convertir la información en entornos de industria conectada 4.0 en conocimiento. 2. Adquirir destreza en el manejo de herramientas en Python para desplegar los modelos aprendidos en la resolución de casos concretos 3. Conocer las capacidades y limitaciones que los entornos de ejecución de modelos de aprendizaje automático presentan.

Los contenidos de la asignatura se dividen en los siguientes apartados del programa: - Pre-procesado de los datos: Técnicas, métodos, herramientas y aplicaciones de detección de valores atípicos - Programación y herramientas para el análisis de datos - Análisis de datos en la nube - Métodos avanzados de clasificación con SVM y redes neuronales poco profundas - Clasificación avanzada y regresión con métodos de aprendizaje profundo. Máquinas de Boltzmann restringidas y autocodificadores. - Clasificación avanzada y regresión con métodos de aprendizaje profundo. Redes neuronales convolucionales y recurrentes profundas. - Manejo de datos en la nube. Herramientas y arquitecturas.

El reparto de las horas por actividad formativa es el siguiente: AF1 Clase teórica (12 horas) AF2 Clases prácticas (6 horas) AF4 Prácticas de laboratorio (3 horas) AF5 Tutorías (2 horas) AF6 Trabajo en grupo (25 horas) AF7 Trabajo individual del estudiante (25 horas) AF8 Exámenes parciales y finales (2 horas) Las metodologías formativas utilizadas son: MD1 Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD2 Lectura crítica de textos recomendados por el profesor de la asignatura: artículos, informes, manuales y/o artículos académicos para ampliar y consolidar los conocimientos de la asignatura. MD3 Resolución de casos prácticos y problemas planteados por el profesor de manera individual y en grupo en relación con la industria conectada MD4 Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos