Última actualización: 29/06/2020


Curso Académico: 2022/2023

Modelado Probabilístico e Inferencia
(18683)
Titulación: Máster Universitario en Ingeniería de la información para la salud (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 de datos 1. Introducción a la probabilidad, el álgebra lineal y la optimización. 2. Modelos para datos discretos y continuos. Familias exponenciales. 3. Modelos markovianos y en variables de estados. 4. Modelos gráficos. Inferencia exacta y aproximada en modelos gráficos. 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 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
  • Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong. Mathematics for Machine Learning. Cambridge University Press. 2019

El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.