MATERIAS QUE SE RECOMIENDA HABER SUPERADO Se suponen conocimientos básicos de - teoría de la probabilidad y estadística - álgebra lineal.

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. 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. 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: CE1 Habilidad para conocer las peculiaridades de la adquisición de datos y tratamiento de información en el ámbito de las señales e imágenes biomédicas. CE2 Capacidad para diseñar e implementar sistemas de aprendizaje automático para la resolución de problemas supervisados y no supervisados. CE3 Capacidad para diseñar procedimientos de estimación y decisión a partir de señales e imágenes empleando modelado estadístico.

DESCRIPCIÓN DE CONTENIDOS: PROGRAMA · Estimación de parámetros. - Método de los momentos - Estimadores de máxima verosimilitud - Estimadores bayesianos · Estimación de señales - Estimación MMSE - Estimación y predicción lineal - Filtrado óptimo · Tratamiento de señal basado en modelos - Cadenas y procesos de Markov - Modelos de espacio de estados · Test de hipótesis y clasificación de señales - Tests de Wald - Cocientes de verosimilitudes - Métodos bayesianos

ACTIVIDADES FORMATIVAS AF3 Clases teórico prácticas AF4 Prácticas de laboratorio AF5 Tutorías AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Exámenes parciales y finales METODOLOGIA MD1: Exposiciones en clase del profesor con soporte de medios informáticos y audiovisuales, en las que se desarrollan los conceptos principales de la materia y se proporciona la bibliografía para complementar el aprendizaje de los alumnos. MD2: Lectura crítica de textos recomendados por el profesor de la asignatura MD3: Resolución de casos prácticos, problemas, etc. planteados por el profesor de manera individual o en grupo MD4: Exposición y discusión en clase, bajo la moderación del profesor de temas relacionados con el contenido de la materia, así como de casos prácticos MD5: Elaboración de trabajos e informes de manera individual o en grupo REGIMEN DE TUTORIAS Se establecerán 2-3 horas a la semana de tutorias para los alumnos donde el profesor estará diosponible en su despacho.