Big Data Intelligence: methods and technologies Statistical learning

Competencias Básicas: - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Competencias Generales - Aplicar los fundamentos teóricos de las técnicas de recogida, almacenamiento, tratamiento y presentación de información, especialmente para grandes volúmenes de datos, como base para el desarrollo y adaptación de dichas técnicas a problemas concretos. - Identificar las técnicas de análisis de datos mas adecuadas para cada problema y saber aplicarlas para el análisis, diseño y solución de los mismos. - Obtener soluciones prácticas y eficientes para problemas de tratamiento de grandes volúmenes de datos, tanto individualmente como en equipo. - Sintetizar las conclusiones obtenidas de estos análisis y presentarlas de manera clara y convincente en un entorno bilingüe (español e inglés) tanto por escrito como oralmente. - Ser capaz de generar nuevas ideas (creatividad) y de anticipar nuevas situaciones, en los contextos del análisis de datos y de la toma de decisiones. - Utilizar habilidades para el trabajo en equipo y para relacionarse con otros de forma autónoma. Competencias Específicas - Saber diseñar sistemas para el procesamiento de los datos, desde la obtención y filtrado inicial de los mismos, su análisis estadístico, hasta la presentación de los resultados finales - Aplicar los principios básicos y fundamentales del aprendizaje automático al diseño de procedimientos y la mejora de los mismos - Interpretar las especificaciones funcionales encaminadas al desarrollo de aplicaciones basadas en el aprendizaje automático - Identificar la oportunidad de utilizar aprendizaje automático para resolver problemas reales Resultados de aprendizaje - Conocimientos básicos y fundamentales del aprendizaje automático - Comprensión de las técnicas básicas de aprendizaje automático - Utilización de forma práctica de estas técnicas básicas en problemas reales - Capacidad para analizar las tareas más adecuadas para cada técnica - Entender cuándo utilizar aprendizaje automático para resolver problemas reales

1. Núcleos y clasificadores de margen grande 2. Procesos gaussianos 3. Mezclas y modelos de variables latentes 4. Modelos de tópicos en cuerpos de documentos 5. Aprendizaje profundo 6. Modelado secuencial con Modelos Ocultos de Markov, Filtros de Kalman y Auto-codificadores temporales 7. Aplicaciones del aprendizaje automático en la industria

La asignatura se imparte en aulas y laboratorios específicos para el Programa de Postgrado. Entre otras, se utilizan las siguientes herramientas en la metodología docente: - Clases magistrales para la presentación, desarrollo y análisis de conocimientos sobre los cuales el estudiante es evaluado. - Realización de ejercicios prácticos (problemas, prácticas en laboratorio) de manera individual. - Tutorías en grupo.