Conocimientos básicos de estadística y programación

En este curso se cubren los fundamentos principales del aprendizaje automático, desde un enfoque muy práctico se va a programar a un ordenador para que sea capaz de construir modelos que le permitan aprender conceptos o reconocer patrones, y que sea capaz de clasificarlos y/o predecir otros a partir de nuevos datos, y todo ello sin ser programado de manera explícita.

1. Introducción al aprendizaje automático y al aprendizaje inductivo 2. Aprendizaje supervisado I: árboles y reglas de decisión 3. Evaluación y validación de modelos de aprendizaje 4. Metodología del aprendizaje automático 5. Aprendizaje supervisado II: árboles de regresión, aprendizaje basado en instancias y conjuntos de clasificadores 6. Técnicas de aprendizaje no supervisado y semi-supervisado 7. Aprendizaje relacional

Actividades formativas AF1 - Clase teórica AF2 - Clases prácticas AF3 - Clases teórico prácticas AF5 - Tutorías AF6 - Trabajo en grupo AF7 - Trabajo individual del estudiante AF8 - Exámenes parciales y finales -> Presentaciones y/o defensas parciales y finales Metodología docente 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, videos, tutoriales, etc., bien para su posterior discusión en clase, bien para ampliar y consolidar los conocimientos de la asignatura. MD3 Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo MD5 Elaboración de trabajos e informes de manera individual o en grupo