Guías Docentes Electrónicas
1. DATOS GENERALES
Asignatura:
TÉCNICAS DE APRENDIZAJE AUTOMÁTICO
Código:
42392
Tipología:
OPTATIVA
Créditos ECTS:
6
Grado:
347 - GRADO EN INGENIERÍA INFORMÁTICA (CR)
Curso académico:
2019-20
Centro:
108 - ESCUELA SUPERIOR DE INFORMATICA C. REAL
Grupo(s):
20 
Curso:
4
Duración:
Primer cuatrimestre
Lengua principal de impartición:
Inglés
Segunda lengua:
Español
Uso docente de otras lenguas:
English Friendly:
N
Página web:
Espacio Virtual de la Asignatura en https://campusvirtual.uclm.es
Bilingüe:
N
Profesor: EDUARDO FERNANDEZ MEDINA PATON - Grupo(s): 20 
Edificio/Despacho
Departamento
Teléfono
Correo electrónico
Horario de tutoría
3.24
TECNOLOGÍAS Y SISTEMAS DE INFORMACIÓN
926295485
eduardo.fdezmedina@uclm.es
http://webpub.esi.uclm.es/directorio

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
Disponible en http://webpub.esi.uclm.es/directorio

2. REQUISITOS PREVIOS

Esta asignatura se apoya en las competencias y los conocimientos adquiridos en la asignatura de Sistemas Inteligentes y en menor medida en las asignaturas de Sistemas Basados en Conocimiento y Diseño de Algoritmos de la intensificación de Computación.

3. JUSTIFICACIÓN EN EL PLAN DE ESTUDIOS, RELACIÓN CON OTRAS ASIGNATURAS Y CON LA PROFESIÓN

Esta asignatura se integra en la materia dentro de la optavidad de formación complementaria del plan de estudios, está relacionada con las asignaturas del ámbito de la Inteligencia Artificial y puede servir de complemento a asignaturas de la intensificación de Computación como Minería de Datos. Asímismo presenta una introducción al análisis de datos avanzado lo que actualmente recibe el nombre de  Big Data Analytics


4. COMPETENCIAS DE LA TITULACIÓN QUE LA ASIGNATURA CONTRIBUYE A ALCANZAR
Competencias propias de la asignatura
Código Descripción
CM7 Capacidad para conocer y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.
INS1 Capacidad de análisis, síntesis y evaluación.
INS2 Capacidad de organización y planificación.
INS3 Capacidad de gestión de la información.
INS4 Capacidad de resolución de problemas aplicando técnicas de ingeniería.
INS5 Capacidad para argumentar y justificar lógicamente las decisiones tomadas y las opiniones.
PER1 Capacidad de trabajo en equipo.
PER2 Capacidad de trabajo en equipo interdisciplinar.
PER4 Capacidad de relación interpersonal.
SIS1 Razonamiento crítico.
SIS3 Aprendizaje autónomo.
SIS4 Adaptación a nuevas situaciones.
5. OBJETIVOS O RESULTADOS DE APRENDIZAJE ESPERADOS
Resultados de aprendizaje propios de la asignatura
Descripción
Conocer los aspectos y técnicas fundamentales de aprendizaje automático dentro del paradigma supervisado, no supervisado y por refuerzo. Explicar las diferencias entre los diferentes estilos de aprendizaje y determinar cuál de ellos es el más apropiado para un dominio de problema particular.
Resultados adicionales
Descripción
Tener una visión global de los tipos de algoritmos de aprendizaje automático y comprender su evolución.
Saber hacer uso de los algoritmos de aprendizaje automático, la representación del conocimiento y la minería de datos, aplicándolos creativamente en la solución de problemas en los que se requiere de conocimiento inferido y las técnicas de procesamiento paralelo distribuido utilizando las tecnologías actualizadas de la inteligencia artificial
Capacidad de aplicar los conceptos básicos sobre el aprendizaje humano en la solución de problemas de aprendizaje automático.
6. TEMARIO
  • Tema 1: Introducción al Aprendizaje Automático
  • Tema 2: Aprendizaje no supervisado
  • Tema 3: Aprendizaje supervisado
  • Tema 4: Aplicaciones del Aprendizaje Automático en Entornos Big Data
COMENTARIOS ADICIONALES SOBRE EL TEMARIO

Realización de un proyecto completo que engloba las siguientes tareas el análisis de datos: transformación, análisis exploratorio de datos, técnicas de aprendizaje no supervisado y supervisado.


7. ACTIVIDADES O BLOQUES DE ACTIVIDAD Y METODOLOGÍA
Actividad formativa Metodología Competencias relacionadas (para títulos anteriores a RD 822/2021) ECTS Horas Ev Ob Rec Descripción *
Enseñanza presencial (Teoría) [PRESENCIAL] Método expositivo/Lección magistral CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.72 18 N N N Exposición del temario por parte del profesor (MAG)
Tutorías individuales [PRESENCIAL] CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.18 4.5 N N N Tutorías individuales o en pequeños grupos en el despacho del profesor, clase o laboratorio (TUT)
Estudio o preparación de pruebas [AUTÓNOMA] Trabajo autónomo CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 2.1 52.5 N N N Estudio Individual (EST)
Otra actividad no presencial [AUTÓNOMA] Prácticas CM7 INS1 INS2 INS3 INS4 INS5 PER1 PER2 PER4 SIS1 SIS3 SIS4 0.6 15 N N N Preparación de Prácticas de Laboratorio (PLAB)
Resolución de problemas o casos [PRESENCIAL] Resolución de ejercicios y problemas CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.6 15 S N N Resolución de ejercicios por parte del profesor y los estudiantes (PRO)
Elaboración de informes o trabajos [AUTÓNOMA] Trabajo autónomo CM7 INS1 INS2 INS3 INS4 INS5 PER1 PER2 PER4 SIS1 SIS3 SIS4 0.9 22.5 S N S Realización de un informe sobre un tema expuesto por el profesor (RES)
Prácticas de laboratorio [PRESENCIAL] Prácticas CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.6 15 S S S Realización en el laboratorio de las prácticas programadas (LAB)
Pruebas de progreso [PRESENCIAL] Pruebas de evaluación CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.1 2.5 S N S Realización de la prueba de progreso 1 correspondiente al primer tercio de la asignatura (EVA)
Pruebas de progreso [PRESENCIAL] Pruebas de evaluación CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.1 2.5 S N S Realización de la prueba de progreso 2 correspondiente a los dos primeros tercios del temario de la asignatura (EVA)
Pruebas de progreso [PRESENCIAL] Pruebas de evaluación CM7 INS1 INS2 INS3 INS4 INS5 SIS1 SIS3 SIS4 0.1 2.5 S N S Realización de la prueba de progreso 3 correspondiente al temario completo de la asignatura (EVA).
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
Rec: Actividad formativa recuperable

8. CRITERIOS DE EVALUACIÓN Y VALORACIONES
  Valoraciones  
Sistema de evaluación Estudiante presencial Estud. semipres. Descripción
Pruebas de progreso 7.50% 0.00% Prueba de progreso 1. Actividad no obligatoria y recuperable a realizar al final del primer tercio del periodo docente.
Pruebas de progreso 15.00% 0.00% Prueba de progreso 2. Actividad no obligatoria y recuperable a realizar al final del segundo tercio del periodo docente.
Pruebas de progreso 27.50% 0.00% Prueba de progreso 3. Actividad no obligatoria y recuperable a realizar en el período sin docencia.
Elaboración de trabajos teóricos 15.00% 0.00% Actividad no obligatoria y recuperable a realizar antes del fin del período docente.
Realización de prácticas en laboratorio 25.00% 0.00% Actividad obligatoria y recuperable a realizar en las sesiones de laboratorio.
Presentación oral de temas 10.00% 0.00% Actividad no obligatoria y no recuperable a realizar en las sesiones de teoría/laboratorio.
Total: 100.00% 0.00%  

Criterios de evaluación de la convocatoria ordinaria:
En las actividades obligatorias se debe obtener un mínimo de 4 sobre 10 para considerar la actividad superada y poder aprobar la asignatura. La valoración de las actividades será global y, por tanto, se debe expresar por medio de una única nota. Si la actividad consta de varios apartados podrá valorarse de forma individual informando por escrito durante el inicio del curso sobre los criterios de valoración de cada apartado. En las actividades recuperables existe una prueba de evaluación alternativa en la convocatoria extraordinaria.

Las pruebas de progreso serán comunes para todos los grupos de teoría/laboratorio de la asignatura y serán calificadas por los profesores de la asignatura de forma horizontal, es decir, cada una de las partes de las pruebas de progreso serán evaluadas por el mismo profesor para todos los estudiantes.

El estudiante aprueba la asignatura si obtiene un mínimo de 50 puntos sobre 100 con las valoraciones de cada actividad de evaluación y supera todas las actividades obligatorias.

Para los estudiantes que no aprueben la asignatura en la convocatoria ordinaria, la calificación de las actividades superadas se conservará para la convocatoria extraordinaria. La valoración de la presentación oral de temas (actividad no recuperable) se conservará para la convocatoria extraordinaria aunque no se haya superado. En el caso de actividades recuperables superadas, el estudiante podrá presentarse a la evaluación alternativa de esas actividades en la convocatoria extraordinaria y, en ese caso, la nota final de la actividad corresponderá a la última nota obtenida.

La calificación de las actividades superadas en cualquier convocatoria, exceptuando las pruebas de progreso, se conservará para el próximo curso académico a petición del estudiante siempre que ésta sea igual o superior a 5 y no se modifique las actividades formativas y los criterios de evaluación de la asignatura en el próximo curso académico.

La no comparecencia a la prueba de progreso 3 supondrá la calificación de "No presentado". Si el estudiante no ha superado alguna actividad de evaluación obligatoria, la nota final en la asignatura no puede superar el 4 sobre 10.
Particularidades de la convocatoria extraordinaria:
Se realizará pruebas de evaluación para todas las actividades recuperables. Por la naturaleza de las pruebas de progreso en la convocatoria extraordinaria existirá una única prueba de progreso que engloba a las tres pruebas de progreso de la convocatoria ordinaria.
Particularidades de la convocatoria especial de finalización:
Mismas características que en la convocatoria extraordinaria.
9. SECUENCIA DE TRABAJO, CALENDARIO, HITOS IMPORTANTES E INVERSIÓN TEMPORAL
No asignables a temas
Horas Suma horas

Comentarios generales sobre la planificación: La asignatura se imparte en tres sesiones semanales de 1,5 horas
10. BIBLIOGRAFÍA, RECURSOS
Autor/es Título Libro/Revista Población Editorial ISBN Año Descripción Enlace Web Catálogo biblioteca
Machine learning in python / Wiley, 978-1-118-96174-2 2015 Ficha de la biblioteca
Alpaydin, Ethem Introduction to machine learning The MIT Press 0-262-01211-1 2004 Ficha de la biblioteca
Bishop, Christopher M. Pattern recognition and machine learning Springer 978-0-387-31073-2 2006 Ficha de la biblioteca
Harrington, Peter (1977-) Machine learning in action Manning 978-1-61729-018-3 2012 Ficha de la biblioteca



Web mantenido y actualizado por el Servicio de informática