Aprenentatge Computacional
Codi: 104361 Crèdits: 6| Titulació | Tipus | Curs | Semestre |
|---|---|---|---|
| 2503758 Enginyeria de Dades | OB | 3 | 1 |
Professor/a de contacte
- Nom:
- Ramón Baldrich Caselles
- Correu electrònic:
- Ramon.Baldrich@uab.cat
Utilització d'idiomes a l'assignatura
- Llengua vehicular majoritària:
- català (cat)
- Grup íntegre en anglès:
- No
- Grup íntegre en català:
- Sí
- Grup íntegre en espanyol:
- No
Prerequisits
Es fonamental haver adquirit una bona base matemàtica així com tenir un bon nivell de programació, prinicpalment en Python.
Objectius
L'assignatura preten intorudir els concepte de la intel·ligència artificial que es basa en l'obttenció del coneixent, conceptes i tendenciese a partir de les dades. Es tracta de formar a l'alumne per ser un "enginyer de dades", i és una de les professions amb més futur i més demandades en l'actualitat per les grans empreses i start-ups tecnologiques. De fet, es preveu que el creixement de la demanda d'aquest professionals en enginyeria de dades sigui exponencial a nivell europeu, sobretot degut al creixement en la generació de dades massives. Aixi, el principal objectiu de l'assignatura és que l'alumne sàpiga trobar una bona solució (a vegades la millor és impossible) a problemes en contextes diferents dels tractats, a partir d'identificar les necessitats de representació del coneixement i, segons sigui aquest, aplicar la/les tècnica/ques més adecuada/es per generar automàticament bons models matemàtics que expliquin les dades ambun error acceptable.
Els continguts escollits per aquesta assignatura són les tecniques i conceptes que s'usen extensivament en la industria, entent-la en el seu concepte més ampli. La base algorismica serà fonamental durant el desenvolupament de l'assignatura que vol tenir un enfor eminentment enginyeril, focalitzant-se en el ús del les propostes sense deixar de banda la comprensió dels fonaments matemàtics que les sustenten. Els algorismes i tècniques que es mostren són la base fonamental per a l'aprenentage computacional 'tradicional' sense el que no es pot entendre les tecniques que es desenvoluparan en propers cursos. No per bàsiques són obsoletes, ans al contrari, cobreixen un gran bentall d'aplicacions i problemes on són fonamentals. L'alumne ha de ser conscient que aquest coneixement que és punta de llança de l'estat de l'art te una dificultat inherent, implicant un estudi i una dedicació considerables, quantificada en hores en la secció d'Activitats formatives d'aquesta guia. Això és perquè en aquesta assignatura no només s'ensenyen una part dels continguts més importants en materia d'aprenentatge automàtic per esdevenir enginyer de dades, sino a més es treballa una línia de currículum que permeti ampliar el ventall de llocs de treball als que podreu accedir després de la carrera, així com posar les bases metodològiques necessàries per fer un Màster en enginyeria de dades o en intel.ligència artificial.
Els objectius de l’assignatura es poden resumir en:
Coneixements:
- Descriure les tècniques bàsiques d’aprenentatge computacional.
- Enumerar els passos essencials dels diferents algorismes d’aprenentatge
- Identificar els avantatges i inconvenients dels algorismes d’aprenentatge que s’expliquen.
- Resoldre problemes computacionals aplicant diferents tècniques d’aprenentatge per trobar la solució òptima.
- Entendre el resultat i les limitacions de les tècniques d’aprenentatge en diferents casos d’estudi.
- Saber escollir l’algorisme d’aprenentatge més adequat per solucionar problemes contextualitzats.
Habilitats:
- Reconèixer les situacions en les quals l’aplicació d’algorismes d’aprenentatge computacional pot ser adient per solucionar un problema
- Analitzar el problema a resoldre i dissenyar la solucióòptima aplicant les tècniques apreses
- Redactar documents tècnics relacionats amb l’anàlisi i la solució d’un problema
- Programar els algorismes bàsics per solucionar els problemes proposats
- Avaluar els resultats de la solució implementada i valorar les possibles millores
- Defensar i argumentar les decisions preses en la solució dels problemes proposats
Competències
- Analitzar les dades de forma eficient per al desenvolupament de sistemes intel·ligents amb capacitat d’aprenentatge autònom i/o per mineria de dades.
- Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes destacats d'índole social, científica o ètica.
- Treballar cooperativament, en entorns complexos o incerts i amb recursos limitats, en un context multidisciplinari, assumint i respectant el rol dels diferents membres de l’equip.
Resultats d'aprenentatge
- Decidir el mètode d'aprenentatge de dades més adequat segons les característiques de les dades que cal analitzar.
- Escollir l'algoritme de cerca i el paradigma de programació per a un problema d'optimització de paràmetres o estats.
- Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes destacats d'índole social, científica o ètica.
- Treballar cooperativament, en entorns complexos o incerts i amb recursos limitats, en un context multidisciplinari, assumint i respectant el rol dels diferents membres de l’equip.
Continguts
Continguts
TEMA 1: INTRODUCCIÓ
1.1 Conceptes bàsics i els paradigmes bioinspirats
1.2 Història de l'aprenentatge computacional
TEMA 2: REGRESSIÓ I CLASSIFICACIÓ
2.1 Regressió de dades numèriques: descens del gradient
2.2 Regularització i regressió logística
2.3 Classificació de dades numèriques: màquines de vectors de suport
2.4 Arbres de Decissió i Random Forest
2.5 Classificació Bayesiana
TEMA 3: AGRUPACIÓ I CERCA
3.1 Memorització: aprenentatge mandrós
3.2 Sistemes recomanadors: Content-based vs. Collaborative filtering
3.3 Clustering: k-means i Expectation-Maximization
Metodologia
Tota la informació de l'assignatura i els documents relacionats que els estudiants necessitin es trobaran a la pàgina de Campus Virtual (http://cv.uab.cat/).
Les diferents activitats que es duran a terme en l’assignatura s’organitzen de la següent manera:
Classes de teoria
S’exposaran els principals conceptes i algorismes de cada tema de teoria. Aquests temes suposen el punt de partida en el treball de l’assignatura.
Seminaris de problemes
Seran classes amb grups reduïts d'estudiants, que facilitin la interacció, o de càracter individual, segons els casos. En aquestes classes es plantejaran casos pràctics que requereixin el disseny d'una solució en la que es facin servir els mètodes vistos a les classes de teoria. És impossible seguir les classes de problemes si no es segueixen els continguts de les classes de teoria. El resultat d'aquestes sessions és la resolució dels problemes que s'hauran d'entregar obligatòriament de foma setmanal. El mecanisme específic per a l'entrega, així com el mecanisme d'avaluació, s'indicarà en la pàgina web de l'assignatura (espai Caronte).
Aquest seminaris de problemes seran tots ells pràctics i inclouran la programació d'una solució al problema plantejat. Aquesta solució s'ahura d'entregar setmanalment creant un portfoli de treball. Les entregues no son recuperables.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Activitats formatives
| Títol | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|
| Tipus: Dirigides | |||
| Contingut teoric | 22 | 0,88 | 1, 2, 3 |
| Tipus: Supervisades | |||
| Classes pràctiques | 16 | 0,64 | 1, 2, 3, 4 |
| serminaris | 10 | 0,4 | 1, 2 |
| Tipus: Autònomes | |||
| Preparació i realitzacio dels projectes pràctics | 52 | 2,08 | 1, 2, 3, 4 |
| estudi | 28 | 1,12 | 1, 2, 3 |
Avaluació
Activitats i instruments d’avaluació:
Per avaluar l'assoliment dels coneixements i competències associats a l'assignatura s'estableix un mecanisme d'avaluació que combina l'assimilació dels coneixements, la capacitat de resolució de problemes, i de forma significativa, la capacitat de generar solucions computacionals a problemes complexos, tant grupal com individualment.
Amb aquest objectiu es divideix l'avaluació en tres parts:
− Avaluació de continguts
La nota final de continguts es calcularà a partir de varis exàmens parcials:
Nota Continguts = 1/N * Prova_i
El número de proves pot variar i com a mínim seran 2. Per a poder tenir una nota de continguts caldrà que les notes dels cada un dels proves sigui superior a 4.
Les proves parcials es faran durant el curs i eminenment seran de contingut conceptual on respondre a diferents preguntes sobre el contingut desenvolupat a les sessions ‘teoriques’.
Aquestes proves pretenen ser una avaluació individualitzada de l'estudiant amb les seves capacitats d'entendre les tècnique sexplicades a classe així com avaluar el nivell de conceptualització que l'estudiant n'ha fet de les tècniques vistes.
Tests de recuperació. En cas que la nota de continguts no arribi al nivell adequat en alguna de les proves, per obtenir una nota final suficient per considerar l'assoliment dels coneixements, els estudiants es poden presentar a l'examen de la convocatòria de l'assignatura i tornar a fer un examen que avaluï els continguts vists a l'assignatura de la/les part/s no superada/es. En cas de presentar-se per pujar nota, prevaleix la notamés alta.
No hi ha convalidacions en cas que s'hagués superat la part teòrica en anys anteriors.
− Avaluació del treball en els seminaris de problemes
Els problemes tenen com objectiu provocar que l'estudiant entri en els continguts de l'assignatura de manera continuada i a partir de petits problemes que facin que es familiaritzi directament en l'aplicació de la teoria. Com a evidència d'aquest treball es demana la presentació d'un portfoli en el que haurà anat guardant els problemes que haurà anat realitzant. Aquest portfoli tindrà entrega setmanal digital. L'alumne podrà autoavaluar-se continuament ja que disposarà de les solcuions de cada un dels conjunts de problemes un cop finalitzat el període d'entrega. Juntament amb les hores de tutoria per si apareixen dubtes, és suficient per a que cada alumne identifiqui els seus punts febles.
− Avaluació de la defensa de les solucions a problemes
Com a mínim dos cops durant el curs, cada alumne haruà de defensar, be oralment o de forma escrita les solucions que ha aportat com a solució en els seminaris de problemes. Aquesta avaluació serà individual i podrà centrar-se en un subconjut de problemes.
Eventualment es pot plantejar problemes de més calat de forma no dirigida als que s'haurà de presentar una solució computacional.
La nota final de l’assignatura s’obté combinant l’avaluació d’aquestes 3 activitats de la manera següent:
Nota Final = (0.3 * Continguts) + (0.5 * defensa de solucions computacionals) + (0.2 * Portfoli)
Condicions per a superar l'assignatura:
- La nota final de continguts ha de ser més gran o igual que 4 per poder aprovar l’assignatura.
- La nota del portfoli i de la defensa desolucions (per separat) ha de ser més gran o igual que 6 per poder aprovar l’assignatura.
En cas que la nota, aplicant la fórmula de l'apartat anterior ("nota final de l'assignatura"), fos superior a 5 però no s'hagués superat el mínim exigit en alguna de les parts, la nota final en l'expedient serà un 4,5.
S'assignaran tantes matrícules d'honor com la normativa vigent permeti sempre i quan la nota sigui superior a 9.0. L'assignació de les matrícules es farà seguint l'ordre de notes. En cas d'haver-hi múltiples candidats amb la mateixa avaluació susceptibles de rebre Md'H es proposaran activitats suplementàries per a determinar el/s millor/s candidat/s.
L'alumne es qualificarà com "No Avaluable" si no té cap part avaluada ni dels continguts teòrics ni dels continguts pràctics.
Avisos importants:
- Les dates d'avaluació continuada i lliurament de treballs, així com tot el material docent es publicaran al campus virtual (http://cv.uab.cat/), a l'espai d'aquesta assignatura ipoden estar subjectes a canvis de programació per motius d'adaptació a possibles incidències. Sempre s'informarà a cerbero.uab.cat sobre aquests canvis ja que s’entén que Caronte esdevindrà el mecanisme habitual d'intercanvi d'informació entre professor i estudiants.
- Per a cada activitat d’avaluació, s’indicarà un lloc, data i hora de revisió en la que l'estudiant podrà revisar l’activitat amb el professor. En aquest context, es podran fer reclamacions sobre la nota de l’activitat, que seran avaluades pel professorat responsable de l’assignatura. Si l'estudiant no es presenta a aquesta revisió, no es revisarà posteriorment aquesta activitat.
- Sense perjudici d'altresmesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, les irregularitats comeses per un estudiant que puguin conduir a una variació de la qualificació en una activitat avaluable es qualificaran amb un zero (0). Les activitats d'avaluació qualificades d'aquestaforma i per aquest procediment no seran recuperables. Si és necessari superar qualsevol d'aquestes activitats d'avaluació per aprovar l'assignatura,aquesta assignatura quedarà suspesa directament, sense oportunitat de recuperar-la en el mateix curs. Aquestes irregularitats inclouen, entre d'altres:
- la còpia total o parcial d'una pràctica, informe, o qualsevol altra activitat d'avaluació;
- deixar copiar;
- presentar untreball de grup no fetíntegrament pels membres del grup (aplicat a tots els membres, no solament els què no han treballat);
- presentar com a propis materials elaborats per un tercer, encara que siguin traduccions o adaptacions, i en general treballs amb elements no originals i exclusius de l'estudiant;
- tenir dispositius digitals i/o de comunicació (com telèfons mòbils, smart watches, boligrafs amb càmera, etc.) accessibles durant les proves d'avaluació teorico-pràctiques individuals (exàmens).
- parlar amb companys durant les proves d'avaluació teorico-pràctiques individuals (exàmens).
- observar/mirar les proves d'avaluació teorico-pràctiques (exàmens) d'altres companys durant la realització de la mateixa, encara que no s'hagi procedit a la còpia.
- observar/mirar en la taula, fulls, paret etc escrits relacionats amb la materia durant la realització de lesproves d'avaluació teorico-pràctiques (exàmens) encara queno s'hagi procedit a la còpia.
La nota numèrica de l'expedient serà el valor menor entre 3.0 i la mitjana ponderada de les notes en cas que l'estudiant hagi comès irregularitats en un acte d'avaluació (i per tant no serà possiblel'aprovatper compensació). En resum: copiar, deixar copiar o plagiar (o l'intent de) en qualsevol de les activitats d'avaluació equival a un SUSPENS amb nota inferior a 3,5.
Activitats d'avaluació
| Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
|---|---|---|---|---|
| Defensa de solucions a problemes (codi+presentació+seguiment) | 50% | 10 | 0,4 | 2, 3, 4 |
| Portfolio problemes | 20 | 5 | 0,2 | 1, 2, 3 |
| Proves individuals | 30 | 7 | 0,28 | 1, 2, 3 |
Bibliografia
Enllaços web
- Pàgina web de l'assignatura : http://cv.uab.cat
- Artificial Intelligence: A Modern Approach. http://aima.cs.berkeley.edu/
Bibliografia bàsica
- S. Russell, P. Norvig. Artificial Intelligence: A Modern Approach. Ed. Prentice Hall, Second Edition, 2003. (Existeix traducció al castellà: Inteligencia artificial: Un Enfoque Moderno)
- T. Mitchell. Machine Learning. McGraw Hill. 1997.
Bibliografia complementària
- C. Bishop. Pattern Recognition and Machine Learning. Springer-Verlag New York, Inc. 2006
Programari
No s'usarà cap programmari especial apart dels habituals en aquests estudis.