Logo UAB

Aprendizaje Computacional

Código: 104361 Créditos ECTS: 6
2024/2025
Titulación Tipo Curso
2503758 Ingeniería de Datos OB 3

Contacto

Nombre:
Ramon Baldrich Caselles
Correo electrónico:
ramon.baldrich@uab.cat

Idiomas de los grupos

Puede consultar esta información al final del documento.


Prerrequisitos

Es fundamental haber adquirido una buena base matemática así como tener un buen nivel de programación, prinicpalment en Python


Objetivos y contextualización

La asignatura pretende intorudir los concepto de la inteligencia artificial que se basa en el obttenció del conociendo, conceptos y tendenciese a partir de los datos. Se trata de formar al alumno para ser un "ingeniero de datos", y es una de las profesiones con más futuro y más demandadas en la actualidad por las grandes empresas y start-ups tecnológicas. De hecho, se prevé que el crecimiento de la demanda de estos profesionales en ingeniería de datos sea exponencial a nivel europeo, sobre todo debido al crecimiento en la generación de datos masivas. Así, el principal objetivo de la asignatura es que el alumno sepa encontrar una buena solución (a veces la mejor es imposible) a problemas en contextos distintos de los tratados, a partir de identificar las necesidades de representación del conocimiento y, según sea este, aplicar la / técnica / s más adecuada / as para generar automáticamente buenos modelos matemáticos que expliquen los datos conun error aceptable.

Los contenidos elegidos para esta asignatura son las técnicas y conceptos que se usan extensivamente en la industria, entendiendo-la en su concepto más amplio. La base algorítmica será fundamental durante el desarrollo de la asignatura que quiere tener un afuera eminentemente ingenieril, focalizándose en el uso del las propuestas sin dejar de lado la comprensión de los fundamentos matemáticos que las sustentan. Los algoritmos y técnicas que se muestran son la base fundamental para el aprendizaje computacional 'tradicional' sin el que no se puede entender las técnicas que se desarrollarán en próximos cursos. No por básicas son obsoletas, al contrario, cubren un gran Bentall de aplicaciones y problemas donde son fundamentales. El alumno debe ser consciente de que este conocimiento que es punta de lanza delestado del arte tiene una dificultad inherente, implicando un estudio y una dedicación considerables, cuantificada en horas en la sección de Actividades formativas de esta guía . Esto es porque en esta asignatura no sólo se enseñan una parte de los contenidos más importantes en materia de aprendizaje automático para convertirse en ingeniero de datos, sino además se trabaja una línea de currículo que permita ampliar el abanico de puestos de trabajo a los que podrá acceder después de la carrera, así como poner las bases metodológicas necesarias para realizar un Master en ingeniería de datos o en inteligencia artificial.

Los objetivos de la asignatura se pueden resumir en:

conocimientos:

- Describir las técnicas básicas de aprendizaje computacional.

- Enumerar los pasos esenciales de los diferentes algoritmos de aprendizaje

- Identificar las ventajas e inconvenientes de los algoritmos de aprendizaje que se explican.

- Resolver problemas computacionales aplicando diferentes técnicas de aprendizaje para encontrar la solución óptima.

- Entender el resultado y las limitaciones de las técnicas de aprendizaje en diferentes casos de estudio.

- Saber escoger el algoritmo de aprendizaje más adecuado para solucionar problemas contextualizados.

habilidades:

- Reconocer las situaciones en las que la aplicación de algoritmos de aprendizaje computacional puede ser adecuado para solucionar un problema

- Analizar el problema a resolver y diseñar la solucióòptima aplicando las técnicas aprendidas

- Redactar documentos técnicos relacionados con el análisis y la solución de un problema

- Programar los algoritmos básicos para solucionar los problemas propuestos

- Evaluar los resultados de la solución implementada y valorar las posibles mejoras

- Defender y argumentar las decisiones tomadas en la solución de los problemas propuestos

 


Competencias

  • Analizar los datos de forma eficiente para el desarrollo de sistemas inteligentes con capacidad de aprendizaje autónomo y/o para la minería de datos.
  • Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • Trabajar cooperativamente, en entornos complejos o inciertos y con recursos limitados, en un contexto multidisciplinar, asumiendo y respetando el rol de los diferentes miembros del equipo.

Resultados de aprendizaje

  1. Decidir el método de aprendizaje de datos más adecuado según las características de los datos a analizar.
  2. Escoger el algoritmo de búsqueda y paradigma de programación para un problema de optimización de parámetros o estados.
  3. Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  4. Trabajar cooperativamente, en entornos complejos o inciertos y con recursos limitados, en un contexto multidisciplinar, asumiendo y respetando el rol de los diferentes miembros del equipo.

Contenido

TEMA 1: INTRODUCCIÓN

1.1 Conceptos básicos y los paradigmas bioinspirados

1.2 Historia del aprendizaje computacional

TEMA 2: REGRESIÓN Y CLASIFICACIÓN

2.1 Regresión de datos numéricos: descenso del gradiente

2.2 Regularización y regresión logística

2.3 Clasificación de datos numéricos: máquinas de vectores de soporte

2.4 Arboles de decisión y Random Forest

2.5 Classificacion bayesiana

TEMA 3: AGRUPACIÓN Y BÚSQUEDA

3.1 Memorización: aprendizaje perezoso

3.2 Sistemas recomendadores: Content-based vs. Collaborative filtering

3.3 Clustering: k-means y Expectation-Maximization

 


Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Tipo: Dirigidas      
Contenido teorico 22 0,88 2, 1, 3
Tipo: Supervisadas      
Clases practicas 16 0,64 2, 1, 3, 4
seminarios 10 0,4 2, 1
Tipo: Autónomas      
Preparación y realización de proyectos prácticos 52 2,08 2, 1, 3, 4
estudio 28 1,12 2, 1, 3


Toda la información de la asignatura y los documentos relacionados que los estudiantes necesiten se encontrarán en la página de Campus Virtual (http://cv.uab.cat/).

Las diferentes actividades que se llevarán a cabo en la asignatura se organizan de la siguiente forma:

Clases de teoría:
Se expondrán los principales conceptos y algoritmos de cada tema de teoría. Estos temas suponen el punto de partida en el trabajo de la asignatura.

Seminarios de problemas:
Serán clases con grupos reducidos de estudiantes, que faciliten la interacción, o de carácter individual, según los casos. En estas clases se plantearán casos prácticos que requieran el diseño de una solución en la que se utilicen los métodos vistos en las clases de teoría. Es imposible seguir las clases de problemas si no se siguen los contenidos de las clases de teoría. El resultado de estas sesiones es la resolución de los problemas que tendrán que entregarse de forma semanal. El mecanismo específico para la entrega, así como el mecanismo de evaluación, se indicará en la página web de la asignatura.

Este seminario de problemas serán todos prácticos e incluirán la programación de una solución al problema planteado. Esta solución deberá entregarse semanalmente creando un portfolio de trabajo. Las entregas no son recuperables.

Proyecto en Grupo:
se dispondrá de tres semanas mínimo para realizar un proyecto de mayor alcance donde poner en práctica lo que se habrá practicado en las sesiones de problemas.

Tanto la evaluación de teoría como el trabajo grupal serán recuperables.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.


Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Defensa de proyecto 20% 5 0,2 2, 3, 4
Portfolio problemas 10 5 0,2 2, 1, 3
Proyecto en grupo 40 5 0,2 2, 1, 3, 4
Pruebas individuales 30 7 0,28 2, 1, 3

Actividades e instrumentos de evaluación:

Para evaluar la consecución de los conocimientos y competencias asociados a la asignatura se establece un mecanismo de evaluación que combina la asimilación de los conocimientos, la capacidad de resolución de problemas, y de forma significativa, la capacidad de generar soluciones computacionales a problemas complejos, tanto grupal como individualmente.

Con este objetivo se divide la evaluación en tres partes:

− Evaluación de contenidos

La nota final de contenidos se calculará a partir de varios exámenes parciales:

Nota Contenidos = 1/N * Prueba_i

El número de pruebas puede variar y se establecerán en el inicio de curso. Para poder tener una nota de contenidos será necesario que las notas de cada una de las pruebas sea superior a 4.

Las pruebas parciales se realizarán durante el curso y eminenmente serán de contenido conceptual donde responder a diferentes preguntas sobre el contenido desarrollado en las sesiones 'teóricas'.

Estas pruebas pretenden ser una evaluación individualizada del estudiante con sus capacidades de entender las técnicas explicadas en clase así como evaluar el nivel de conceptualización que el estudiante ha hecho de las técnicas vistas.

Tests de recuperación. En caso de que la nota de contenidos no llegue al nivel adecuado en alguna de las pruebas, para obtener una nota final suficiente para considerar la consecución de los conocimientos, los estudiantes se pueden presentar en el examen de la convocatoria de la asignatura y volver a realizar un examen que evalúe los contenidos vistos en la asignatura de la/s parte/s no superada/s.

No existen convalidaciones en caso de que se hubiera superado la parte teórica en años anteriores.

− Evaluación del trabajo en los seminarios de problemas

Los problemas tienen como objetivo provocar que el estudiante entre en los contenidos de la asignatura de forma continuada ya partir de pequeños problemas que hagan que se familiarice directamente en la aplicación de la teoría. Como evidencia de este trabajo se pide la presentación de un portfolio en el que habrá ido guardando los problemas que habrá ido realizando. Este portfolio tendrá entrega semanal digital. El alumno podrá autoevaluarse continuamente ya que dispondrá de las solcuiones de cada uno de los conjuntos de problemas una vez finalizado el período de entrega. Junto con las horas de tutoría por si aparecen dudas, es suficiente para que cada alumno identifique sus puntos débiles.

− Evaluación del proyecto en grupo.

En las últimas semanas del semestres se realizará un proyecto de mayor alcance que los ejercicios realizados durante el curso en las sesiones de problemas. Este proyecto se evaluará tatn grupal como individualmente. Los mecanismos de evaluación serán código, informe, presentación y seguimiento del proyecto en las sesiones de clase asignadas.


La nota final de la asignatura se obtiene combinando la evaluación de estas 3 actividades de la siguiente forma:

Nota Final = (0.3 * Contenidos) + (0.1 * portafolio de problemas) + (0.6 * Proyecto)
el proyecto tendrá una nota de su defensa y otra de su desarrollo y profundidad de la solución

Condiciones para superar la asignatura:

     La nota final de contenidos debe ser mayor o igual que 4 para poder aprobar la asignatura.
     La nota del proyecto y su defensa debe ser mayor o igual que 6 para poder aprobar la asignatura.

 

En caso de que la nota, aplicando la fórmula del apartado anterior ( "nota final de la asignatura"), fuera superior a 5 pero no se hubiera superado el mínimo exigido en alguna de las partes, la nota final en el expediente será un 4,5.

Se asignarán tantas matrículas de honor como la normativa vigente permita siempre y cuando la nota sea superior a 9,0. La asignación de las matrículas se hará siguiendo el orden de notas.

El alumno se calificará como "No Evaluable" si no tiene ninguna parte evaluada ni de los contenidos teóricos ni de los contenidos prácticos.

Avisos importantes:

  • Las fechas de evaluación continua y entrega de trabajos, así como todo el material docente se publicarán en el campus virtual (http://cv.uab.cat/), en el espacio de esta asignatura iPod estar sujetos a cambios de programación por motivos de adaptación a posibles incidencias. Siempre se informará a cerbero.uab.cat sobre estos cambios ya que se entiende que Caronte convertirá el mecanismo habitual de intercambio de información entre profesor y estudiantes.
  • Para cada actividad de evaluación, se indicará un lugar, fecha y hora de revisión en la que el estudiante podrá revisar la actividad con el profesor. En este contexto, se podrán hacer reclamaciones sobre la notade la actividad, que serán evaluadas por el profesorado responsable de la asignatura. Si el estudiante no se presenta en esta revisión, no se revisará posteriormente esta actividad
  • Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, las irregularidades cometidas por un estudiante que puedan conducir a una variación de la calificación en una actividad evaluable se calificarán con un cero (0) . Las actividades de evaluación calificadas de esta forma y por este procedimiento no serán recuperables. Si es necesario superar cualquiera de estas actividdes de evaluación para aprobar la asignatura, esta asignatura quedará suspendida directamente, sin oportunidad de recuperarla en el mismo curso. Estas irregularidades incluyen, entre otros:

    - la copia total o parcial de una práctica, informe, o cualquier otra actividad de evaluación;
    - dejar copiar;
    - presentar un trabajo de grupo no hecho íntegramente por los miembros del grupo (aplicado a todos los miembros, no sólo los que no han trabajado);
    - presentar como propios materiales elaborados por un tercero, aunque sean traducciones o adaptaciones, y en general trabajos con elementos no originales y exclusivos del estudiante;
    - tener dispositivos digitales y / o de comunicación (como teléfonos móviles, smart watches, bolígrafos con cámara, etc.) accesibles durante las pruebas de evaluación teórico-prácticas individuales (exámenes).
    - hablar con compañeros durante las pruebas de evaluación teórico-prácticas individuales (exámenes).
    - observar / mirar las pruebas de evaluación teórico-prácticas (exámenes) de otros compañeros durante la realización de la misma, aunque no se haya procedido a la copia.
    - observar / mirar en la tabla, hojas, pared etc escritos relacionados con la materia durante la realización de las pruebas de evaluación teórico-prácticas (exámenes) aunque no se haya procedido a la copia.
    La nota numérica del expediente será el valor menor entre 3.0 y la media ponderada de las notas en caso de que el estudiante haya cometido irregularidades en un acto de evaluación (y por tanto no será posible el aprobado por compensación). En resumen: copiar, dejar copiar o plagiar (o el intento de) en cualquiera de las actividades de evaluación equivale a un SUSPENSO con nota inferior a 3,5.

 

no habrá evaluación única


Bibliografía

Enlaces web

 Bibliografia básica

  • 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 complementaria

  • C. Bishop. Pattern Recognition and Machine Learning. Springer-Verlag New York, Inc. 2006

Software

No se usará ningún programmari especial aparte de los habituales en estos estudios.

Lista de idiomas

Nombre Grupo Idioma Semestre Turno
(PAUL) Prácticas de aula 811 Catalán primer cuatrimestre tarde
(PAUL) Prácticas de aula 812 Catalán primer cuatrimestre tarde