1. DATOS GENERALES
Asignatura:
APRENDIZAJE AUTOMÁTICO
Código:
311233
Tipología:
OBLIGATORIA
Créditos ECTS:
6
Grado:
2373 - MÁSTER UNIVERSITARIO EN ROBÓTICA Y AUTOMÁTICA
Curso académico:
2023-24
Centro:
602 - E.T.S. INGENIERÍA INDUSTRIAL CIUDAD REAL
Grupo(s):
20
Curso:
1
Duración:
C2
Lengua principal de impartición:
Segunda lengua:
Uso docente de otras lenguas:
English Friendly:
N
Página web:
Espacio Virtual del Curso https://campusvirtual.uclm.es
Bilingüe:
N
Profesor:
FRANCISCO PASCUAL ROMERO CHICHARRO
- Grupo(s):
20
Edificio/Despacho
Departamento
Teléfono
Correo electrónico
Horario de tutoría
Fermin Caballero / 3.17
TECNOLOGÍAS Y SISTEMAS DE INFORMACIÓN
926051535
franciscop.romero@uclm.es
2. REQUISITOS PREVIOS
Dado que las prácticas de la asignatura se realizarán en el lenguaje de Python, se recomienda que el alumno tenga conocimientos previos de este lenguaje o en su defecto de cualquier otro lenguaje de programación como C y/o Matlab
3. JUSTIFICACIÓN EN EL PLAN DE ESTUDIOS, RELACIÓN CON OTRAS ASIGNATURAS Y CON LA PROFESIÓN
Dentro de la Inteligencia Artificial, en la actualidad el paradigma de mayor proyección es el Aprendizaje Automático, que permite, en determinados casos, acercarnos a capacidades tradicionalmente restringidas al ser humano. Dentro del Aprendizaje Automático, el llamado Aprendizaje Profundo (Deep Learning) es la metodología imperante, y que en los últimos años ha permitido dar un salto cualitativo en la potencia de los sistemas de aprendizaje automático. Numerosos temas de esta asignatura constituyen líneas actuales de investigación tanto en robótica como en visión artificial.
4. COMPETENCIAS DE LA TITULACIÓN QUE LA ASIGNATURA CONTRIBUYE A ALCANZAR
| Competencias propias de la asignatura | |
|---|---|
| Código | Descripción |
| CB07 | Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio |
| CB08 | Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios |
| CB09 | Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades |
| CE01 | Capacidad para aplicar técnicas de optimización matemática en el diseño de sistemas inteligentes y robóticos. |
| CE15 | Capacidad para desarrollar soluciones basadas en inteligencia artificial para aplicaciones de la robótica y la automática. |
| CG01 | Capacidad de resolución práctica de problemas científico-técnicos desde la perspectiva multidisciplinar asociada a la robótica y la automática. |
| CT01 | Capacidad de aprendizaje autónomo (análisis y síntesis). |
| CT02 | Capacidad para utilizar las Tecnologías de la Información y la Comunicación. |
5. OBJETIVOS O RESULTADOS DE APRENDIZAJE ESPERADOS
| Resultados de aprendizaje propios de la asignatura | |
|---|---|
| Descripción | |
| Analizar la aplicación de una metodología de aprendizaje automático en un problema o dominio | |
| Entender los fundamentos de las modernas técnicas basadas en aprendizaje profundo | |
| Saber cómo medir correctamente el error o precisión de un modelo de aprendizaje automático | |
| Saber cómo utilizar y completar las distintas fases de un flujo de trabajo de aprendizaje automático, en particular con la metodología de aprendizaje profundo | |
| Resultados adicionales | |
| No se han establecido. |
6. TEMARIO
-
Tema 1: Introducción al Aprendizaje Automático
-
Tema 1.1: Tipos de Aprendizaje Automático
-
Tema 1.2: Flujo de trabajo en Aprendizaje Automático
-
Tema 1.3: Preprocesado de Datos
-
Tema 1.4: Reducción de la dimensionalidad
-
Tema 1.5: Sesgo, Varianza y Sobreaprendizaje
-
-
Tema 2: Aprendizaje Supervisado
-
Tema 2.1: Modelos Bayesianos
-
Tema 2.2: K Vecinos más cercanos
-
Tema 2.3: Árboles de Decisión
-
Tema 2.4: Regresión Lineal
-
Tema 2.5: Regresión Logística
-
Tema 2.6: Redes Neuronales
-
Tema 2.7: Máquinas de Vectores de Soporte
-
Tema 2.8: Conjuntos de Modelos
-
-
Tema 3: Aprendizaje No Supervisado
-
Tema 3.1: Clustering
-
Tema 3.2: Reducción de la dimensionalidad
-
Tema 3.3: Detección de Anomalías
-
Tema 3.4: Extracción de Reglas de Asociación
-
-
Tema 4: Aprendizaje Profundo
-
Tema 4.1: Concepto
-
Tema 4.2: Redes Neuronales Convolucionales
-
Tema 4.3: Redes Neuronales Recurrentes
-
Tema 4.4: Redes Neuronales Generativas
-
-
Tema 5: Aprendizaje por Refuerzo
-
Tema 5.1: Fundamentos de Aprendizaje por Refuerzo
-
Tema 5.2: Algoritmos model-based
-
Tema 5.3: Algoritmos model-free
-
Tema 5.4: Aprendizaje por refuerzo aplicado a entornos de robótica
-
COMENTARIOS ADICIONALES SOBRE EL TEMARIO
FUNDAMENTOS Y TÉCNICAS CLÁSICAS: tipos de aprendizaje automático, flujo de un proyecto de aprendizaje automático, validación de modelos, sesgo y varianza, overfitting, maldición de la dimensionalidad; preprocesado de datos; aprendizaje supervisado (teoría de la decisión Bayesiana, KVecinos más cercanos, discriminante lineal, regresión lineal, regresión logística, redes neuronales, máquinas de vectores soporte, árboles de clasificación); aprendizaje no supervisado; clustering con K-Means.
APRENDIZAJE PROFUNDO: concepto, cambio de paradigma; redes convolucionales; redes secuenciales, RNN y LSTM; aprendizaje profundo no-supervisado: autoencoders, GAN
7. ACTIVIDADES O BLOQUES DE ACTIVIDAD Y METODOLOGÍA
| Actividad formativa | Metodología | Competencias relacionadas (para títulos anteriores a RD 822/2021) | ECTS | Horas | Ev | Ob | Descripción | |
| Evaluación Formativa [PRESENCIAL] | Presentación individual de trabajos, comentarios e informes | CB07 CB08 CB09 CE15 CG01 | 0.2 | 5 | S | S | Evaluación mediante presentación escrita y/o oral de trabajos relacionados con la resolución de diferentes problemas relacionados con el aprendizaje automático. (100% PRESENCIAL) | |
| Enseñanza presencial (Teoría) [PRESENCIAL] | Método expositivo/Lección magistral | CB07 CE01 | 1.4 | 35 | N | N | Presentación de los contenidos teóricos y resolución de problemas y casos. (100% VIRTUAL) | |
| Enseñanza presencial (Prácticas) [PRESENCIAL] | Prácticas | CB07 CB08 CE01 CE15 CG01 CT02 | 0.8 | 20 | N | N | Realización de proyectos en clase sobre los diferentes temas de la asignatura (introducción/aprendizaje no supervisado, aprendizaje supervisado y aprendizaje profundo) (100% PRESENCIAL) | |
| Estudio o preparación de pruebas [AUTÓNOMA] | Trabajo autónomo | CB07 CE01 CE15 CG01 CT01 CT02 | 3.6 | 90 | S | N | Preparación de clases teóricas y clases prácticas y resolución de los problemas y casos que se planteen en clase. | |
| Total: | 6 | 150 | ||||||
| Créditos totales de trabajo presencial: 2.4 | Horas totales de trabajo presencial: 60 | |||||||
| Créditos totales de trabajo autónomo: 3.6 | Horas totales de trabajo autónomo: 90 | |||||||
Ev: Actividad formativa evaluable Ob: Actividad formativa de superación obligatoria (Será imprescindible su superación tanto en evaluación continua como no continua)
8. CRITERIOS DE EVALUACIÓN Y VALORACIONES
| Sistema de evaluación | Evaluacion continua | Evaluación no continua * | Descripción |
| Realización de prácticas en laboratorio | 30.00% | 30.00% | Realización de los proyectos planteados en clase sobre los bloques principales de la asignatura. |
| Resolución de problemas o casos | 40.00% | 40.00% | Resolución de los problemas y casos que se hayan impartido en clase. |
| Prueba final | 30.00% | 30.00% | Prueba de evaluación teórica/práctica sobre los conocimientos desarrollados en la asignatura. |
| Total: | 100.00% | 100.00% |
* En Evaluación no continua se deben definir los porcentajes de evaluación según lo dispuesto en el art. 4 del Reglamento de Evaluación del Estudiante de la UCLM, que establece que debe facilitarse a los estudiantes que no puedan asistir regularmente a las actividades formativas presenciales la superación de la asignatura, teniendo derecho (art. 12.2) a ser calificado globalmente, en 2 convocatorias anuales por asignatura, una ordinaria y otra extraordinaria (evaluándose el 100% de las competencias).
Criterios de evaluación de la convocatoria ordinaria:
-
Evaluación continua:No se ha introducido ningún criterio de evaluación
-
Evaluación no continua:No se ha introducido ningún criterio de evaluación
Particularidades de la convocatoria extraordinaria:
No se ha introducido ningún criterio de evaluación
Particularidades de la convocatoria especial de finalización:
No se ha introducido ningún criterio de evaluación
9. SECUENCIA DE TRABAJO, CALENDARIO, HITOS IMPORTANTES E INVERSIÓN TEMPORAL
| No asignables a temas | |
|---|---|
| Horas | Suma horas |
| Tema 1 (de 5): Introducción al Aprendizaje Automático | |
|---|---|
| Actividades formativas | Horas |
| Evaluación Formativa [PRESENCIAL][Presentación individual de trabajos, comentarios e informes] | 1 |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 3.5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 11 |
| Grupo 20: | |
| Inicio del tema: 29-01-2024 | Fin del tema: 11-02-2024 |
| Tema 2 (de 5): Aprendizaje Supervisado | |
|---|---|
| Actividades formativas | Horas |
| Evaluación Formativa [PRESENCIAL][Presentación individual de trabajos, comentarios e informes] | 1 |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 10 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 6 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 26 |
| Grupo 20: | |
| Inicio del tema: 26-02-2024 | Fin del tema: 24-03-2024 |
| Tema 3 (de 5): Aprendizaje No Supervisado | |
|---|---|
| Actividades formativas | Horas |
| Evaluación Formativa [PRESENCIAL][Presentación individual de trabajos, comentarios e informes] | 1 |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 4 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 3 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 11 |
| Grupo 20: | |
| Inicio del tema: 12-02-2024 | Fin del tema: 25-02-2024 |
| Tema 4 (de 5): Aprendizaje Profundo | |
|---|---|
| Actividades formativas | Horas |
| Evaluación Formativa [PRESENCIAL][Presentación individual de trabajos, comentarios e informes] | 1 |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 11 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 6 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 28 |
| Tema 5 (de 5): Aprendizaje por Refuerzo | |
|---|---|
| Actividades formativas | Horas |
| Evaluación Formativa [PRESENCIAL][Presentación individual de trabajos, comentarios e informes] | 1 |
| Enseñanza presencial (Teoría) [PRESENCIAL][Método expositivo/Lección magistral] | 6.5 |
| Enseñanza presencial (Prácticas) [PRESENCIAL][Prácticas] | 2 |
| Estudio o preparación de pruebas [AUTÓNOMA][Trabajo autónomo] | 14 |
| Grupo 20: | |
| Inicio del tema: 29-04-2024 | Fin del tema: 12-05-2024 |
| Actividad global | |
|---|---|
| Actividades formativas | Suma horas |
10. BIBLIOGRAFÍA, RECURSOS
