Última actualización: 21/05/2019 10:55:05


Curso Académico: 2019/2020

Modelado Probabilístico e Inferencia
(18058)
Máster Universitario en Ingeniería de la información para la salud (Plan: 427 - Estudio: 359)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: ARTES RODRIGUEZ, ANTONIO

Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Objetivos
Competencias Básicas CB6 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. CB7 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. CB8 Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. CB9 Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. CB10 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: CG1 Capacidad para mantener una formación continuada una vez graduado, permitiéndole enfrentarse a tecnologías de nueva aparición. CG2 Capacidad para aplicar los conocimientos de las habilidades y métodos de investigación relacionados con las Ingenierías. CG3 Capacidad para aplicar los conocimientos de las habilidades y métodos de investigación relacionados con las Ciencias de la Vida. CG4 Capacidad para contribuir a la ampliación de las fronteras del conocimiento a través de una investigación original, parte de la cual merezca la publicación referenciada a nivel internacional. Competencias específicas: CE4 Capacidad para utilizar técnicas para el tratamiento de cantidades masivas de datos e imágenes médicas. CE5 Capacidad para poner en práctica los métodos de tratamiento de información e imagen médica.
Descripción de contenidos: Programa
Modelado Probabilístico e Inferencia 1. Introducción a la probabilidad y a la teoría de la medida 2. Modelos para datos discretos y continuos. Familias exponenciales. 3. Modelos gráficos. Inferencia exacta y aproximada en modelos gráficos. 4. Modelos markovianos y en variables de estados. 5. Modelos generativos profundos.
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%
Sistema de evaluación
  • Peso porcentual del Examen/Prueba Final 0
  • Peso porcentual del resto de la evaluación 100




Bibliografía básica
  • Andrew Gelman et al.. Bayesian Data Analysis. CRC Press. 2013
  • Christopher M Bishop. Patter Recognition and Machine Learning. Springer. 2006
  • David JC Mackay. Information Theroy, Inference and Learning Algorithms. Cambridge University Press. 2003
  • Kevin P 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.