Featured events

« October 2024 »
MonTueWedThuFriSatSun
123456
78910111213
14151617181920
21222324252627
28293031

Reconocimiento de Patrones

Denominación: Reconocimiento de Patrones

Número de créditos europeos (ECTS): 4

Carácter (obligatorio/optativo): Optativo

Unidad Temporal:  1º semestre

Competencias:

1.    Aplicar las técnicas de clasificación automática e inferencia para la toma de decisiones, la extracción de información y el diseño de sistemas complejos

2.    Elaborar conclusiones a partir de datos experimentales, sea cual sea el campo en que trabaja el investigador.

3.    Optimizar clasificadores, siendo de interés destacar la relación entre la elección de las funciones de densidad componentes, el número de parámetros a estimar que implica dicha elección y la cantidad de datos disponibles para una tarea, selección de características relevantes y de reducción de dimensión de los vectores experimentales.

4.    Valorar críticamente los resultados de los sistemas y seleccionar el mejor método de clasificación y aprendizaje de sus datos experimentales.

5.    Aplicar técnicas de optimización basadas en métodos estocásticos, heurísticos y evolutivos

6.    Integrar en la gestión el conocimiento procedente de diferentes fuentes, de una manera óptima en función de la información incompleta disponible: estado del sistema, contexto temporal, multimodal y personal.

Requisitos previos (en su caso): No los hay

Actividades formativas y su relación con las competencias:

El curso se basa en la impartición de clases magistrales para adquirir las competencias mencionadas, aunque también incluye un conjunto de casos prácticos de aplicación, especialmente seleccionados, que se resuelven en común y permiten adquirir las competencias de aplicación. Los alumnos completan el curso con un trabajo final de carácter individual que ha de ser presentado públicamente como parte de las actividades para adquirir competencias transversales de documentación, comunicación y publicación.

Acciones de coordinación (en su caso):

Sistemas de evaluación y calificación: Trabajo final (70% de la nota final redacción, 30% de la nota final presentación)

Breve descripción de los contenidos: Una de las características más importantes que se deben considerar en el diseño de un sistema para entornos inteligentes es la incorporación de estrategias y técnicas para el aprendizaje automático y la gestión de conocimiento, consiguiendo incorporar diversas fuentes de información que sirvan de apoyo a la toma de decisión, algoritmos de optimización o sistemas de predicción.

 

Programa:

 

TEMA

Nº horas

presenciales

I. Introducción

2

II. Teoría de decisión de Bayes

6

III. Aprendizaje automático

         III.1. Extracción de características y pre-procesado

          III.2. Aprendizaje Supervisado: estimación paramétrica y no paramétrica

         III.3. Aprendizaje no supervisado

20

IV. Métodos de clasificación

         IV.1. SVM, CART

         IV.2. BN, ART, métodos evolutivos

8

V. Optimización

2

Presentación de trabajos finales

alrededor de 6 y dependiendo del número de alumnos