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 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 C2: Evaluar qué técnicas y métodos, como por ejemplo procesamiento de lenguaje natural, sistemas expertos, redes neuronales, son los más adecuados para la resolución de problemas que requieran el uso de métodos de la inteligencia artificial 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

Métodos basados en núcleos para clasificación, regresión y aprendizaje no supervisado Procesos Gaussianos Modelos de variables latentes para datos discretos Modelos de variables latentes para datos continuos Modelos de mezclas Modelos para señales discretas Modelos para señales continuas

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.