Máster Universitario en Aprendizaje Automático para la Salud (Plan: 480 - Estudio: 359)
Escuela de Ingeniería y Ciencias Básicas
Coordinador/a: LANCHO SERRANO, ALEJANDRO
Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones
Tipo: Optativa
Créditos: 6.0 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 del curso es la descripción e implementación de los modelos y arquitecturas fundamentales en aprendizaje profundo, abarcando problemas de distinta índole y metodologías avanzadas.
Neural networks and backpropagation.
Deep networks: optimization and regularization for massive data.
Deep architecture and methods for spatially correlated data.
Deep architectures and methods for sequences.
Deep attention models and transformers.
Representation learning.
Generative deep neural networks.
Actividades formativas, metodología a utilizar y régimen de tutorías
AF3 Clases teórico prácticas
AF4 Prácticas de laboratorio
AF5 Tutorías
AF6 Trabajo en grupo
AF7 Trabajo individual del estudiante
AF8 Exámenes parciales y finales
Código
actividad Nº Horas totales Nº Horas Presenciales % Presencialidad Estudiante
AF3 134 134 100%
AF4 42 42 100%
AF5 24 0 0%
AF6 120 0 0%
AF7 248 0 0%
AF8 16 16 100%
TOTAL MATERIA 600 184 30,66%
Bishop, Christopher Michael and Bishop, Hugh. Deep Learning. Foundations and Concepts. 1 Edited by Springer Cham. 2023
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
El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.
