K3: Determinar la mejor forma de representar el conocimiento, usando formalismos basados en la lógica, aplicando los fundamentos de la gestión y procesamiento de datos, incluyendo el almacenamiento y procesamiento, la gestión de los metadatos, la gestión eficiente de flujos continuos y la gobernanza de sistemas complejos de datos, garantizando la privacidad, seguridad e integridad de los datos de acuerdo con las normativas y regulaciones en vigor, con alto rigor ético, responsabilidad social y teniendo en cuenta su viabilidad en problemas que involucren cualquier tipo de tratamiento en grandes volúmenes de datos K5: Determinar las técnicas más adecuadas para la resolución de problemas, incluyendo modelos de razonamiento en entornos centralizados y distribuidos, aprendizaje automático, percepción y robótica cognitiva, entidades y sistemas inteligentes que permitan la adquisición y representación del conocimiento, la transformación de los datos en conocimiento y la manipulación del entorno, para la resolución de problemas que requieran el uso de infraestructuras, entornos y técnicas de la inteligencia artificial usando de manera socialmente responsable y de acuerdo a los aspectos éticos, legales y normativos propios de la inteligencia artificial S3: Evaluar cuáles son los métodos de minería de datos y de aprendizaje automático más adecuados para extraer información valiosa para las organizaciones que tenga en cuenta posibles problemas de calidad de los datos, sesgo algorítmico o de datos S4: Aplicar técnicas de extracción de información de datos estructurados, semi estructurados o no estructurados, incluyendo texto, imagen, vídeo y audio, mediante técnicas de identificación y adquisición de datos relevantes, reducción, compresión, integración, transformación, limpieza y evaluación de su calidad, incluyendo interfaces persona-computador que visualicen estos datos de una manera efectiva y centrada en el usuario S8: Aplicar conocimientos de álgebra, cálculo, análisis, matemática discreta, lógica, y estadística en la resolución de problemas generales planteados en inteligencia artificial S9: Desarrollar sistemas basados en conocimiento orientados a la resolución de problemas y toma de decisiones que requieran conducta inteligente, en problemas de clasificación supervisada y no supervisada, de búsqueda de relaciones de independencia condicional entre variables relacionadas, o que puedan percibir su entorno para la manipulación, navegación y planificación de su comportamiento, con cierto grado de autonomía C3: Evaluar cuáles son los métodos de minería de datos y de aprendizaje automático más adecuados para extraer información valiosa para las organizaciones que tenga en cuenta posibles problemas de calidad de los datos, sesgo algorítmico o de datos

Introducción al tratamiento estadístico de señales y datos Optimización Regresión logística Regresión lineal Regresión lineal bayesiana Clasificación bayesiana

A1: LECCIÓN MAGISTRAL. Lección de carácter teórico impartidas por el profesor en el aula ordinaria. Puede utilizar diferentes tecnologías de apoyo en su actividad expositiva como son presentaciones, vídeos, etc. y realizar actividades formativas de análisis, reflexión, debates de la información proporcionada, etc. 100% de presencialidad / A2: RESOLUCIÓN DE PROBLEMAS Y ESTUDIO DE CASOS EN AULA ORDINARIA. Actividad de carácter práctico (problemas guiados, tutoriales o trabajos en grupo) en aula ordinaria. Puede utilizar diferentes tecnologías de apoyo en su actividad expositiva como son presentaciones, vídeos, etc. y realizar actividades formativas de análisis, reflexión, debates de la información proporcionada, etc pero que no requiere de una infraestructura específica. 100% de presencialidad / A2bis: RESOLUCIÓN DE PROBLEMAS EN ENTORNO INFORMÁTICO: Actividad de carácter similar a la A2 pero se realiza en un entorno informático con hardware y software específico. 100% de presencialidad / A3: TRABAJO INDIVIDUAL DEL ESTUDIANTE: Es el trabajo individual del estudiante fuera del aula ¿presencial¿ y consiste en el estudio autónomo, resolución de ejercicios y problemas, trabajo individual, etc. 0% de presencialidad / A4: SESIONES DE LABORATORIOS. Actividades prácticas que los estudiantes llevan a cabo en un entorno de laboratorio, utilizando los recursos específicos necesarios y bajo la supervisión y control del profesor. En estas sesiones el número máximo de alumnos por Grupo es de 20 estudiantes. 100% de presencialidad / A5: EXAMEN FINAL Consiste en una prueba objetiva cuya finalidad es la verificación de la adquisición de los conocimientos, habilidades y destrezas de la asignatura. 100% de presencialidad M1: SEMINARIOS Y LECCIONES MAGISTRALES CON APOYO DE MEDIOS INFORMÁTICOS Y AUDIOVISUALES. / M2: APRENDIZAJE PRÁCTICO BASADO EN CASOS Y PROBLEMAS Y RESOLUCIÓN DE EJERCICIOS. / M3: TRABAJO INDIVIDUAL Y EN GRUPO O COOPERATIVO CON OPCIÓN A PRESENTACIÓN ORAL O ESCRITA. / M4: TUTORÍAS INDIVIDUALES Y EN GRUPO PARA RESOLUCIÓN DE DUDAS Y CONSULTAS SOBRE LA MATERIA.