Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones
Tipo: Optativa
Créditos: 3.0 ECTS
Curso: 1º
Cuatrimestre: 1º
Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
El curso requiere los siguientes conocimientos básicos:
- Cálculo
- Programación
- Métodos Numéricos
Objetivos
El objetivo fundamental es que el alumno aprenda a diseñar máquinas de decisión basas en redes neuronales para problemas básicos de aprendizaje en datos tabulares y multimedia, atendiendo especialmente a técnicas de regularización y validación. Asimismo, el alumno aprenderá a utilizar paquetes software de diferenciación automática para el entrenamiento de los modelos y la simulación experimenta.
1. Redes neuronales y algoritmo backpropagation.
2. Optimización de redes neuronales y regularización para datos masivos. Explicabilidad.
3. Arquitecturas profundos y métodos para datos correlados: imágenes, series temporales y grafos
Actividades formativas, metodología a utilizar y régimen de tutorías
MD1 Clase teórica
MD3 Clases prácticas
MD3 Prácticas de laboratorio
MD5 Trabajo en grupo
Examenes individuales y tutorías
Cristopher Bishop. Pattern Recognition and Machine Learning. Springer . 2006
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. 2017
Kevin Murphy. Machine Learning A Probabilistic Perspective. MIT Press. 2012
Bibliografía complementaria
Aston Zhang (Author), Zachary C. Lipton (Author), Mu Li (Author), Alexander J. Smola. Dive into Deep Learning. Cambridge University Press.
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press.
El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.
