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 K-OPT1: relacionar conceptos y fundamentos de entornos de aplicación específicos con tecnologías de inteligencia artificial para la resolución de problemas de las organizaciones de acuerdo a sus procesos y estándares habituales 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

PARTE I: MÉTODOS DE MUESTREO 1. Métodos Básicos de Muestreo. 2. Métodos MCMC: Metropolis-Hastings, muestreo de Gibbs. PARTE II: INFERENCIA APROXIMADA 3. Inferencia en modelos gráficos utilizando métodos de programación dinámica y paso de mensajes. 4. Inferencia Variacional y aproximación Mean Field. 5. Métodos de Propagación de Esperanzas. PARTE III: MÉTODOS ESCALABLES A LARGOS CONJUNTOS DE DATOS 6. MCMC distribuido 7. Optimización Estocástica en Inferencia Variacional

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.