GUIA DOCENTE DE LA ASIGNATURA

APRENDIZAJE AUTOMTICO

MDULO

MATERIA

FORMACIN DE
ESPECIALIDAD 1:
COMPUTACIN Y
SISTEMAS
INTELIGENTES

SISTEMAS INTELIGENTES

PROFESOR(ES)

Nicols Prez de la Blanca Capilla

correo: nicolas@ugr.es
Despacho D-5, 4-planta

CURSO

SEMESTRE

CRDITOS

TIPO

Obligatoria

DIRECCIN COMPLETA DE CONTACTO PARA TUTORAS

(Direccin postal, telfono, correo electrnico, etc.)
Departamento de Ciencias de la Computacin e I.A.
E.T.S.I.I.T. - Universidad de Granada
C/Daniel Saucedo Aranda s/n
18071-GRANADA
Telfono: 958244019; Fax: 948243317
http://decsai.ugr.es

HORARIO DE TUTORAS
Lunes de 10.00 a 13.00h en D5
Martes de 10.00 a 13.00h en D5

GRADO EN EL QUE SE IMPARTE

OTROS GRADOS A LOS QUE SE PODRA OFERTAR

Grado en Ingeniera Informtica

PRERREQUISITOS Y/O RECOMENDACIONES (Si ha lugar)

No es necesario que los alumnos tengan aprobadas asignaturas, materias o mdulos previos como requisito
indispensable para cursar este mdulo No obstante se recomienda la superacin de los contenidos y adquisicin
de competencias de las materias de formacin bsica y de rama.

BREVE DESCRIPCIN DE CONTENIDOS (SEGN MEMORIA DE VERIFICACIN DEL GRADO)

Modelos de aprendizaje automtico. Clasificacin supervisada y no supervisada. Seleccin de modelos.
Tcnicas de seleccin de caractersticas. Validacin y verificacin.

COMPETENCIAS GENERALES Y ESPECFICAS

Competencias Especficas de la Asignatura
C7. Capacidad para conocer y desarrollar tcnicas de aprendizaje computacional y disear e implementar
aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extraccin automtica de informacin y
conocimiento a partir de grandes volmenes de datos.
Competencias Especficas del Ttulo
E8. Conocimiento de las materias bsicas y tecnologas, que capaciten para el aprendizaje y desarrollo de
nuevos mtodos y tecnologas, as como las que les doten de una gran versatilidad para adaptarse a nuevas
situaciones.
E9. Capacidad para resolver problemas con iniciativa, toma de decisiones, autonoma y creatividad. Capacidad
para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesin de Ingeniero
Tcnico en Informtica.
E11. Capacidad para analizar y valorar el impacto social y medioambiental de las soluciones tcnicas,
comprendiendo.
Competencias Transversales o Generales
T1. Capacidad de anlisis y sntesis: Encontrar, analizar, criticar (razonamiento crtico), relacionar, estructurar y
sintetizar informacin proveniente de diversas fuentes, as como integrar ideas y conocimientos.
T2. Capacidad de organizacin y planificacin as como capacidad de gestin de la Informacin.
T3. Capacidad de comunicacin oral y escrita en el mbito acadmico y profesional con especial nfasis, en la
redaccin de documentacin tcnica.
T4. Capacidad para la resolucin de problemas.
T5. Capacidad para tomar decisiones basadas en criterios objetivos (datos experimentales, cientficos o de
simulacin disponibles) as como capacidad de argumentar y justificar lgicamente dichas decisiones, sabiendo
aceptar otros puntos de vista.
T6. Capacidad para el uso y aplicacin de las TIC en el mbito acadmico y profesional.
T9. Capacidad para el aprendizaje autnomo as como iniciativa y espritu emprendedor.
T12. Capacidad para innovar y generar nuevas ideas.

OBJETIVOS (EXPRESADOS COMO RESULTADOS DE APRENDIZAJE)

Comprender el aprendizaje como mecanismo para obtener conocimiento, y mostrar las distintas
formas en las que se puede realizar el aprendizaje.
Distinguir entre aprendizaje supervisado, no supervisado y por refuerzo, as como determinar
cul de ellos es apropiado para resolver un determinado problema.
Analizar los distintos modelos de aprendizaje inductivo, en particular los modelos basados en
rboles de decisin y los modelos basados en reglas.
Descripcin y anlisis de los distintos modelos de aprendizaje de conjuntos de hiptesis.
Estudio de distintos mtodos de aprendizaje no paramtrico.
Conocer diferentes modelos de aprendizaje no supervisado y su aplicacin en diferentes
problemas.Conocer tcnicas de validacin y verificacin de modelos, experimentar con dichas tcnicas en
diferentes problemas reales.
Definicin del problema de aprendizaje por refuerzo como el problema de conseguir que un
agente acte en un entorno de manera que maximice la recompensa que obtiene por sus
acciones.
Definicin del concepto de recompensa y requisitos del modelo. Anlisis de los procesos de
decisin de Markov y estudio de diferentes propuestas de algoritmos de aprendizaje por refuerzo.
Utilizar herramientas de aprendizaje en aplicaciones reales

TEMARIO DETALLADO DE LA ASIGNATURA

TEMARIO TERICO
Tema 1: Conceptos bsicos del aprendizaje automtico.
Tema 2: Modelos y enfoques del aprendizaje supervisado
Tema 3: Regresion y Clasificacin lineal.
Tema 4: Clasificadores no-lineales: perceptrn multicapa y rboles de decisin
Tema 5: Teora de la decisin de Bayes
Tema 6:.Tcnicas No-parmetricas y clasificadores k-NN
Tema 7: Aprendizaje no supervisado: agrupacin.
Tema 8: Seleccin de caractersticas
Tema 9: Aprendizaje por refuerzo
TEMARIO PRCTICO
Prctica 0: Uso de herramientas de aprendizaje.
Prctica 1: Experimentacin con clasificadores simples
Prctica 2: Experimentacin con clasificadores lineales y regresion lineal
Practica 3: Experimentacin con clasificadores probabilisticos y tcnicas de agrupamiento
Practica 4: Proyecto de aplicacin
SEMINARIOS
Seminario 1: Exposicin de las herramientas necesarias para el desarrollo autnomo de las prcticas
Seminario 2: Defensa de los trabajos propuestos a los alumnos
Seminario 3: Retos y desafios del aprendizaje automtico.

BIBLIOGRAFA
BIBLIOGRAFA BSICA:
Hastie, Tibshirani & Friedman The Elements of Statistical Learning, Springer, 2008
T. Mitchell, Machine Learning, McGraw-Hill, 1997
BIBLIOGRAFA COMPLEMENTARIA:
Theodoridis & Koutroumbas, Pattern Recognition, AP, 2009
Bishop, C.M. Pattern Recognition and Machine Learning Springer, 2006
Russell, S. y Norvig, P. Artificial Intelligence. A modern approach (Second edition) (Prentice Hall, 2003)

ENLACES RECOMENDADOS
Libreria scikit-learn: http://scikit-learn.org/stable/
Repositorio de la Universidad de California, Irvine (UCI): http://archive.ics.uci.edu/ml/
Libro de Machine Learning de T. Mitchell: http://www.cs.cmu.edu/~tom/mlbook.html

METODOLOGA DOCENTE
1. Leccin magistral (Clases tericas-expositivas) (grupo grande)
Descripcin: Presentacin en el aula de los conceptos propios de la materia haciendo uso de metodologa
expositiva con lecciones magistrales participativas y medios audiovisuales. Evaluacin y examen de las
capacidades adquiridas.
Propsito: Transmitir los contenidos de la materia motivando al alumnado a la reflexin, facilitndole el
descubrimiento de las relaciones entre diversos conceptos y formarle una mentalidad crtica
Contenido en ECTS: 30 horas presenciales (1.2 ECTS)
Competencias: C7, E8, T1 y T4.
2. Actividades prcticas (Clases prcticas de laboratorio) (grupo pequeo)
Descripcin: Actividades a travs de las cuales se pretende mostrar al alumnado cmo debe actuar a partir de la
aplicacin de los conocimientos adquiridos
Propsito: Desarrollo en el alumnado de las habilidades instrumentales de la materia.
Contenido en ECTS: 15 horas presenciales (0.6 ECTS)
Competencias: C7, E8, E9, E11, T1, T2, T5 y T6.
3. Seminarios (a elegir entre grupo grande)
Descripcin: Modalidad organizativa de los procesos de enseanza y aprendizaje donde tratar en profundidad una
temtica relacionada con la materia. Incorpora actividades basadas en la indagacin, el debate, la reflexin y el
intercambio.
Propsito: Desarrollo en el alumnado de las competencias cognitivas y procedimentales de la materia.
Contenido en ECTS: 10 horas presenciales (0.4 ECTS)
Competencias: C7, E8 y T6.
4. Actividades no presenciales individuales (Estudio y trabajo autnomo)

Descripcin: 1) Actividades (guiadas y no guiadas) propuestas por el profesor a travs de las cuales y de forma
individual se profundiza en aspectos concretos de la materia posibilitando al estudiante avanzar en la adquisicin
de determinados conocimientos y procedimientos de la materia, 2) Estudio individualizado de los contenidos de la
materia 3) Actividades evaluativas (informes, exmenes, )
Propsito: Favorecer en el estudiante la capacidad para autorregular su aprendizaje, planificndolo, disendolo,
evalundolo y adecundolo a sus especiales condiciones e intereses.
Contenido en ECTS: 45 horas no presenciales (1.8 ECTS)
Competencias: C7, E9, E11, T1, T5 y T12.
5. Actividades no presenciales grupales (Estudio y trabajo en grupo)
Descripcin: Actividades (guiadas y no guiadas) propuestas por el profesor a travs de las cuales y de forma grupal
se profundiza en aspectos concretos de la materia posibilitando a los estudiantes avanzar en la adquisicin de
determinados conocimientos y procedimientos de la materia.
Propsito: Favorecer en los estudiantes la generacin e intercambio de ideas, la identificacin y anlisis de
diferentes puntos de vista sobre una temtica, la generalizacin o transferencia de conocimiento y la valoracin
crtica del mismo.
Contenido en ECTS: 45 horas no presenciales (1.8 ECTS)
Competencias: C7, E9, E11, T2, T5 y T12.
6. Tutoras acadmicas (grupo pequeo)
Descripcin: manera de organizar los procesos de enseanza y aprendizaje que se basa en la interaccin directa
entre el estudiante y el profesor
Propsito: 1) Orientan el trabajo autnomo y grupal del alumnado, 2) profundizar en distintos aspectos de la materia
y 3) orientar la formacin acadmica-integral del estudiante
Contenido en ECTS: 5 horas presenciales, grupales e individuales (0.2 ECTS)
Competencias: C7, E11 y T9.

EVALUACIN (INSTRUMENTOS DE EVALUACIN, CRITERIOS DE EVALUACIN Y PORCENTAJE SOBRE LA CALIFICACIN FINAL, ETC.)

La adaptacin del sistema de evaluacin general propuesto a las caractersticas de esta asignatura, con
indicacin explcita del peso de la evaluacin de cada actividad formativa, se ajustar a lo indicado en la
siguiente tabla:
Convocatoria Ordinaria ( Modalidad de Evaluacin Continua, ver tabla):
Parte Teria: se evaluarn las entrega de cuestionarios por temas. El examen final de teora ser
opcional para subir nota hasta alcanzar el mximo de la parte de teora)
Parte Prctica: Para la parte prctica se realizarn prcticas de laboratorio, solucin de problemas y desarrollo
de proyectos (individuales o en grupo), y se valorarn las entregas de los informes/memorias realizados por los
alumnos, o en su caso las entrevistas personales con los alumnos.

Ponderacin
Actividades Formativas

Parte Terica

55.00%

Parte Prctica

35.00%

Otros (seminarios, ...)

10.00%

Los seminarios se evaluarn teniendo en cuenta la asistencia a los seminarios, los problemas propuestos que
hayan sido resueltos y entregados por los alumnos, en su caso, las entrevistas efectuadas durante el curso y la
presentacin oral de los trabajos desarrollados.
Convocatora ordinaria (Modalidad evaluacin nica): La evaluacin nica final se realizar en un solo acto
acadmico el da de la convocatoria oficial de examen para la asignatura. Dicha prueba (evaluada de 0 a 10)
incluir preguntas tanto de tipo terico (65%) como realizacin de prcticas (35%) que garanticen que el alumno
ha adquirido la totalidad de las competencias descritas en esta misma gua docente.
Convocatoria Extraordinaria:
- Teora: 65%
- Practicas: 35%

La calificacin global corresponder por tanto a la puntuacin ponderada de los diferentes aspectos y actividades
que integran el sistema de evaluacin. Por tanto, el resultado de la evaluacin ser una calificacin numrica
obtenida mediante la suma ponderada de las calificaciones correspondientes a una parte terica, una parte
prctica y, en su caso, una parte relacionada con el trabajo autnomo de los alumnos, los seminarios impartidos
y el aprendizaje basado en proyectos.
Todo lo relativo a la evaluacin se regir por la normativa sobre planificacin docente y organizacin de
exmenes vigente en la Universidad de Granada.
El sistema de calificaciones se expresar mediante calificacin numrica de acuerdo con lo establecido en el
art. 5 del R. D 1125/2003, de 5 de septiembre, por el que se establece el sistema europeo de crditos y el
sistema de calificaciones en las titulaciones universitarias de carcter oficial y validez en el territorio nacional.

INFORMACIN ADICIONAL
Se concretar en el curso 2012/2013
Definicin de grupo grande y grupo pequeo:
Los grupos grandes son grupos de 45 a 60 estudiantes. Los grupos pequeos son grupos de 15 a 20
estudiantes.