Álgebra Lineal. Cálculo en varias variables. Estadística. Introducción a Aprendizaje automático (o equivalente)

Competencias básicas CB6 Tener y comprender los conocimientos que proporcionan 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 sepan 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 continua tras su graduación, que le permita enfrentarse a las nuevas tecnologías. CG2 Capacidad para aplicar los conocimientos de habilidades y métodos de investigación relacionados con la ingeniería. 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 mediante una investigación original, parte de la cual merezca una publicación referenciada a nivel internacional. Competencias específicas CE4 Capacidad para utilizar técnicas de procesamiento de cantidades masivas de datos e imágenes médicas. CE5 Capacidad para aplicar métodos de procesamiento de datos e imágenes médicas.

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 de espacio de estados. 4. Modelos gráficos. Inferencia exacta y aproximada en modelos gráficos.

ACTIVIDADES FORMATIVAS AF3 Clases prácticas teóricas AF4 Prácticas de laboratorio AF5 Tutorias AF6 Trabajo en equipo AF7 Trabajo individual del alumno AF8 Examenes parciales y finales METODOLOGÍA 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 horas a la semana de tutorias para los alumnos donde el profesor estará disponible en su despacho.