Última actualización: 01/04/2024


Curso Académico: 2024/2025

Métodos Probabilísticos en IA
(19201)
Máster Universitario en Inteligencia Artificial Aplicada (Plan: 475 - Estudio: 378)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: JIMENEZ RECAREDO, RAUL JOSE

Departamento asignado a la asignatura: Departamento de Estadística

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Objetivos
El objetivo del curso es ofrecer una introducción completa a la teoría de probabilidades necesaria para el campo de la inteligencia artificial, combinando amplitud y profundidad, ofrece el material básico así como la discusión de los desarrollos recientes en el campo.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
Revisión de fundamentos de teoría de probabilidades. Modelos multivariados: Distribución conjunta de varias variables. Distribución normal multivariada. Sistemas gaussianos lineales. Modelos de mixtura. Máxima Verosimilitud. Regresión y clasificación con MV. Algoritmo esperanza-maximización. Criterios de selección de modelos. Teoría de información: Entropía y entropía relativa. Modelos lineales: Regresión logística, lineal y modelos lineales generalizados. Modelos no paramétricos: Clasificación y agrupamiento con KNN. Clasificadores probabilísticos. Métodos Kernel. Bagging, random forest, boosting
Actividades formativas, metodología a utilizar y régimen de tutorías
Clase teórica Clases prácticas Prácticas de laboratorio Tutorías Trabajo en grupo Trabajo individual del estudiante Exámenes parciales y finales
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100

Calendario de Evaluación Continua


Bibliografía básica
  • Jason Brownlee . Probability for Machine Learning . Machine Learning Mastery . 2020
  • Kevin Patrick Murphy . Machine Learning: A Probabilistic Perspective . MIT Press. 2012

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.