Última actualización: 18/05/2020


Curso Académico: 2020/2021

Programación Automática
(16444)
Titulación: Máster Universitario en Ciencia y Tecnología Informática (71)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: ALER MUR, RICARDO

Departamento asignado a la asignatura: Departamento de Informática

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Aunque no es necesario, es útil haber cursado alguna asignatura relacionadas con aprendizaje automático (minería de datos, redes de neuronas, computación evolutiva, ...).
Competencias que adquiere el estudiante y resultados del aprendizaje.
- Conocer los distintos tipos de programación automática, sus técnicas asociadas y sus dominios de aplicación. - Conocer como se han aplicado técnicas de la disciplina en distintos dominios reales. - Capacidad para plantear y desarrollar con autonomía trabajos de investigación dentro de la disciplina - Conocer el método científico y los métodos de evaluación rigurosa más comunes dentro de la disciplina, de los resultados obtenidos. - Utilizar herramientas de programación automática y aprendizaje automático avanzado. - Capacidad para comprender artículos de la disciplina, enmarcarlos en un contexto mayor de trabajos ya existentes y analizarlos de manera crítica (analizar si las conclusiones están soportadas por el cuerpo del artículo, si la metodología de comparación es rigurosa, si se trata de un avance significativo o no, etc.). Esta capacidad de análisis crítico la podrá extender el alumno a su propio trabajo de investigación. - Conocer los distintos tipos de publicaciones que existen en la disciplina (surveys/estados de la cuestión, comparaciones empíricas, contribuciones originales, etc.). - Capacidad para realizar comunicaciones orales del trabajo científico realizado. - Capacidad para valorar si es adecuado utilizar técnicas de la disciplina en un problema determinado.
Descripción de contenidos: Programa
1. Introducción 2. Deep Learning: 2.1. Deep Neural Networks 2.2. Recurrent Neural Networks 2.3. Temas avanzados en Deep Learning 3. Métodos basados en computación evolutiva 3.1. Programación Genética 4. Programación lógica inductiva (Inductive Logic Programming/ILP) 4.1. Técnicas clásicas de ILP 4.2. Minería de Datos Relacional 5. Aprendizaje por refuerzo avanzado 5.1. Programación dinámica 5.2. Métodos libres de modelo y basados en el modelo 5.3. Generalización en aprendizaje por refuerzo 5.4. Transferencia de conocimiento en aprendizaje por refuerzo
Actividades formativas, metodología a utilizar y régimen de tutorías
- Clases teórico prácticas - Tutorías - Trabajo individual del estudiante
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Bibliografía básica
  • Basilio Sierra Araujo. Aprendizaje Automático: conceptos básicos y avanzados... Pearson Prentice Hall.. 2006
  • Dzeroski S. and Lavrac. Relational Data Mining.. Springer-Verlag. 2001
  • Ian Goodfellow, Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press (http://www.deeplearningbook.org). 2016
  • Koza, John R. Genetic programming : on the programming of computers by natural selection.. MIT PRESS.
  • Lavrac, N. and Dzeroski, S. Inductive Logic Programming: Techniques and Applications. Ellis Horwood, New York. 1994
  • Mitchell, T.M.. Machine Learning. McGraw Hill. 1997
  • R. Sutton y A. Barto.. Reinforcement Learning: an Introduction. The MIT Press. 1998
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Koza, John R.. Genetic Programming II: Automatic Discovery of Reusable Programs. MIT PRESS.
  • O-Reilly, Una-May et al. (eds.). Evolutionary Computation. Trends in Evolutionary Methods for Program Induction. MIT PRESS.
  • Olsson, J. R.. Inductive functional programming using incremental program transformation. Artificial Intelligence. Vol. 74:1, 55-83. Elsevier. 1995
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura y la planificación semanal podrían sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.