Programación. Primer curso, primer cuatrimestre Álgebra Lineal. Primer curso, primer cuatrimestre Estadística. Segundo curso, segundo cuatrimestre

El objetivo de este curso es que el estudiante conozca y desarrolle técnicas de aprendizaje automático en el marco de las Redes de Neuronas Artificiales, además de diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de datos.

1. Introducción 1.1. Fundamentos de Redes de neuronas 1.2. Historia de las Redes de Neuronas 1.3. Primeros modelos computacionales 2. Perceptron multicapa 2.1. Arquitectura y parámetros 2.2. Algoritmo de aprendizaje 2.3. Procedimiento de aprendizaje 3. Modelos de Redes de neuronas no supervisados 3.1. Fundamentos del aprendizaje neuronal no supervisado 3.2. Tarea de agrupamiento o clustering 3.3. Mapas autoorganizados de Kohonen 3.4. Autoencoders 3.5. Otros modelos no supervisados 4. Redes de neuronas recurrentes 4.1. Fundamentos de las redes de neuronas recurrentes 4.2. Aprendizaje en redes recurrentes 4.3. Modelos de redes recurrentes 5. Redes neuronales profundas 5.1. Tarea de procesado de imágenes 5.2. Fundamentos de redes convolucionales 5.3. Arquitecturas de redes convolucionales 5.4. Modelos avanzados de redes de neuronas 6. Caso practico 6.1. Tratamiento y preproceso de los datos de aprendizaje 6.2. Generación y validación de un modelo de red neuronal 6.3. Ajuste de hiperparámetros 6.4. Comparación de modelos

Las clases magistrales estarán enfocadas a enseñar todos los conceptos relativos a redes de neuronas, de modo que el alumno adquiera los conocimientos sobre redes de neuronas artificiales necesarios para su desarrollo profesional y se realizarán en modo on-line síncrono. 3 ECTS Las clases prácticas (grupos reducidos) se desarrollarán para que, de un modo tutorado, el alumno aprenda a resolver problemas reales con redes de neuronas artificiales. Las prácticas se realizarán en grupos de 2 personas, fomentado el trabajo en equipo (Soft-skill: trabajo en grupo). 3 ECTS En el cronograma puede verse la distribución exacta correspondiente a cada actividad.