Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones
Tipo: Optativa
Créditos: 3.0 ECTS
Curso: 1º
Cuatrimestre: 1º
Requisitos (Asignaturas o materias cuyo conocimiento se presupone)
El curso requiere los siguientes conocimientos básicos:
- Cálculo
- Programación
- Métodos Numéricos
Objetivos
El objetivo fundamental es que el alumno aprenda a diseñar máquinas de decisión basas en redes neuronales para problemas básicos de aprendizaje en datos tabulares y multimedia, atendiendo especialmente a técnicas de regularización y validación. Asimismo, el alumno aprenderá a utilizar paquetes software de diferenciación automática para el entrenamiento de los modelos y la simulación experimenta.
1. Redes neuronales y algoritmo backpropagation.
2. Optimización de redes neuronales y regularización para datos masivos. Explicabilidad.
3. Arquitecturas profundos y métodos para datos correlados: imágenes, series temporales y grafos
Actividades formativas, metodología a utilizar y régimen de tutorías
Clase teórica
Clases prácticas
Prácticas de laboratorio
Tutorías
Trabajo en grupo
Trabajo individual del estudiante
Exámenes parciales y finales
Cristopher Bishop. Pattern Recognition and Machine Learning. Springer . 2006
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. 2017
Kevin 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.
