Última actualización: 09/05/2018


Curso Académico: 2019/2020

Introducción al Aprendizaje de Robots
(17843)
Titulación: Máster Universitario en Robótica y Automatización (77)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: CASTILLO MONTOYA, JOSE CARLOS

Departamento asignado a la asignatura: Departamento de Ingeniería de Sistemas y Automática

Tipo: Optativa
Créditos: 3.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Conocimientos de programación (C, C++, Python, Matlab, etc...).
Competencias que adquiere el estudiante y resultados del aprendizaje.
El objetivo de esta asignatura es que los alumnos conozcan las principales técnicas y aplicaciones del aprendizaje automático en robótica. Estudiaremos las principales áreas donde se aplica aprendizaje automático hoy en día, atendiendo también a las técnicas más novedosas, como las redes neuronales profundas (Deep Learning).
Descripción de contenidos: Programa
1. Introducción. - ¿Para qué es útil el aprendizaje automático en robótica? - Aprendizaje supervisado - Aprendizaje no supervisado 2. Modelos de clasificación de datos. - Máquinas de Soporte Vectorial - K-vecinos más cercanos - Naïve Bayes 3. Predicción de datos continuos mediante técnicas de regresión. - Árboles de decisión - Modelos lineales y no lineales - Redes neuronales 4. Agrupación de datos y detección de patrones mediante clustering. - K-means - Modelos ocultos de markov - Modelos basados en mezcla de Gausianos 5. Nuevas tendencias: Deep Learning. 6. Aplicaciones del aprendizaje automático en robótica - Interacción Humano-Robot - Vehículos autónomos - Aplicaciones en medicina
Actividades formativas, metodología a utilizar y régimen de tutorías
Clases magistrales, prácticas de laboratorio, tutorías individuales y trabajo personal de los alumnos
Sistema de evaluación
  • Peso porcentual del Examen Final 40
  • Peso porcentual del resto de la evaluación 60
Bibliografía básica
  • Alpaydin, Ethem . Introduction to machine learning. MIT Press. 2010
  • John Paul Mueller and Luca Massaron. Machine Learning For Dummies. John Wiley & Sons. 2016
  • Sonia Chernova, Andrea L. Thomaz. Robot Learning from Human Teachers. Morgan & Claypool Publishers. 2014
Bibliografía complementaria
  • Vishnu Nath, Stephen E. Levinson. Autonomous Robotics and Deep Learning. Springer Science & Business Media. 2014
  • Yasser Mohammad and Toyoaki Nishida. Data Mining for Social Robotics: Toward Autonomously Social Robots. Springer. 2016

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.