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
AF1 Clase teórica
AF2 Clases prácticas
AF3 Clases teórico prácticas
AF4 Prácticas de laboratorio
AF5 Tutorías
AF6 Trabajo en grupo
AF7 Trabajo individual del estudiante
AF8 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.
