Programación

Recordar los conceptos y metodología básica de aprendizaje automático (entrenamiento de modelos, evaluación, ajuste de hiper-parámetros, pre-proceso) Conocer y utilizar técnicas de redes de neuronas, aprendizaje profundo, redes recurrentes. Conocer las redes convolucionales y sus principales campos de aplicación. Conocer las técnicas de aprendizaje por refuerzo.

K2: Conocer contenidos básicos humanísticos, de expresión oral y escrita, siguiendo principios éticos y completando un perfil formativo multidisciplinar K6: Demostrar conocimientos básicos de programación con el fin de usar y desarrollar paquetes estadísticos K12: Saber identificar o ser capaz de crear el modelo estadístico o probabilístico adecuado al problema concreto que surja en cada actividad empresarial (finanzas, marketing, planificación y control de la producción, etc). C1: Capacidad de desarrollar y dominar habilidades interpersonales sobre iniciativa, responsabilidad, resolución de conflictos y la negociación, que son esenciales en el entorno profesional C4: Capacidad para desarrollar y validar modelos estadísticos que ayuden a abordar y resolver problemas relevantes para la sociedad actual. C6: Capacidad para interpretar los resultados de un análisis cuantitativo, elaborar informes claros y comunicar conclusiones de manera efectiva, utilizando herramientas avanzadas de análisis de datos C7: Capacidad para acceder, analizar y clasificar grandes volúmenes de datos de naturaleza altamente heterogénea (Big Data), así como para gestionar y diseñar herramientas avanzadas de análisis de datos e IA en aplicaciones del ámbito social y empresarial S1: Planificar y organizar trabajos en equipo tomando las decisiones correctas basadas en la información disponible y reuniendo datos en entornos digitales S4: Planificar estrategias integradas offline y online, mediante uso de comunicación en redes sociales, display advertising, affiliation marketing, email, remarketing, gamification, Big data. S5: Manipular computacionalmente y analíticamente los modelos estadísticos o probabilísticos establecidos, aprovechando la potencia de los métodos estadísticos, de optimización, etc., y elaborar análisis de resultados S7: Describir, sintetizar y representar gráficamente la información contenida un conjunto de datos

Tema 1. Introducción al aprendizaje automático y las redes de neuronas Tema 2. Aprendizaje profundo (deep learning) y Redes Recurrentes Tema 3. Redes convolucionales Tema 4. Aprendizaje por refuerzo

La asignatura se impartirá mediante lecciones magistrales las clases de teoría y mediante clases tutoradas las clases prácticas. Las clases prácticas (grupos reducidos) se desarrollarán para que, de un modo tutorado, el alumno aprenda a resolver problemas donde se apliquen las técnicas vistas en teoría . Las prácticas se realizarán en grupos de 2 personas. Existirán varias prácticas relacionadas con los distintos temas de la asignatura. Se realizarán tutorías para ayudar en una comprensión mas personalizada de los temas teóricos y prácticos