headerlinks
Usted está aquí: Inicio › web › asignaturas

 

Fichas de asignaturas 2012-13


APRENDIZAJE COMPUTACIONAL

 Asignaturas
 

  Código Nombre    
Asignatura 21714028 APRENDIZAJE COMPUTACIONAL Créditos Teóricos 2,5
Título 21714 GRADO EN INGENIERÍA INFORMÁTICA Créditos Prácticos 5
Curso   3 Tipo Obligatoria
Créd. ECTS   6    
Departamento C137 INGENIERÍA INFORMÁTICA    

 

Requisitos previos

Conocimientos de Programación Avanzados

 

Recomendaciones

Haber cursado la asignatura de Reconocimiento de Patrones

 

Profesores

Nombre Apellido 1 Apellido 2 C.C.E. Coordinador  
JOAQUIN PIZARRO JUNQUERA Profesor Titular Universidad S

 

Competencias

Se relacionan aquí las competencias de la Materia/módulo o título a que pertenece la asignatura, entre las que el profesor podrá indicar las relacionadas con la asignatura.

Identificador Competencia Tipo
CG05 Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía GENERAL
CO07 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. ESPECÍFICA
G09 Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad. Capacidad para saber comunicar y transmitir los conocimientos, habilidades y destrezas de la profesión de Ingeniero Técnico en Informática. ESPECÍFICA
T05 Capacidad para trabajar en equipo. GENERAL
T09 Creatividad y espíritu inventivo en la resolución de problemas científico-técnicos GENERAL
T12 Capacidad para el aprendizaje autónomo GENERAL

 

Resultados Aprendizaje

Identificador Resultado
R2 Aplicar los distintos métodos relacionados con el control de la compelidad
R1 Conocer el concepto de Riesgo de Predicción y cómo estimarlo
R5 Programación de las distintas estrategias de Aprendizaje
R4 Utilizar las técnicas de agrupamiento para la resolución de problemas
R3 Utilizar los diferentes modelos de Redes Neuronales.

 

Actividades formativas

Actividad Detalle Horas Grupo Competencias a desarrollar
01. Teoría 
Modalidad Organizativa: Clases teóricas y
prácticas de Aula.
Métodos de Ensañanza-Aprendizaje: Método
expositivo/lección magistral y resolución de
ejercicios y problemas.
20 CG05 CO07 G09
02. Prácticas, seminarios y problemas 
En el contexto de esta Modalidad Organizativa y
mediante el método de ensañanza aprendizaje
indicado, se impartirán las unidades teóricas
correspondientes a los contenidos de la
asignatura junto con la resolución de numerosos
ejercicios y problemas  de apoyo al aprendizaje.
10 G09 T05
03. Prácticas de informática 
Modalidad Organizativa: Clases prácticas Método
de Ensañanza-Aprendizaje: Aprendizaje
basado en problemas.

En el contexto de esta modalidad organizativa y
mediante el método de aprendizaje, indicado se
impartirán las unidades prácticas
correspondientes a los contenidos de la
asignatura.

Se propondrán una serie de ejercicios prácticos
sobre el diseño de algoritmos y programación de
éstos, lo cuales deberán ser realizados por los
alumnos durante las sesiones prácticas.
30 CO07 G09 T05 T09
10. Actividades formativas no presenciales 
Estudio individual o en grupo sobre los
contendios de la materia.
Actividades académicas dirigidas no presenciales
coordinadas. Desarrollo coordinado de
aplicaciones informáticas aplicadas a un problema
específico relacionado
con el Aprendizaje Automático.
 86 Reducido CG05 CO07 T05 T09 T12
12. Actividades de evaluación 
Realización del examen final
4 Grande CO07 G09 T09

 

Evaluación

Criterios Generales de Evaluación

Considerando las características de la asignatura, el peso específico de cada una
de las actividades de evaluación será el siguiente: evaluación continua, 20%;
examen final 80%. No obstante, a lo largo del curso se irán realizando pruebas
prácticas de progreso y test de conocimientos básicos. Si el alumno supera estas
pruebas no tendrá que realizar el examen final.

 

Procedimiento de Evaluación

Tarea/Actividades Medios, Técnicas e Instrumentos Evaluador/es Competencias a evaluar
Examen Final Prueba escrita compuesta por un test de conocimientos teóricos y por ejercicios sobre aplicaciones de las distintas técnicas de aprendizaje.
  • Profesor/a
Prueba Práctica de progreso Ejercicio práctico sobre Aprendizaje/Rúbica de valoración de ejercicios prácticos
  • Profesor/a
Test de conocimientos básicos Test/Escala de valoración de test
  • Profesor/a

 

Descripcion de los Contenidos

Contenido Competencias relacionadas Resultados de aprendizaje relacionados 
            Contenidos Prácticos

Resolución de problemas prácticos sobre Aprendizaje por medio de un lenguaje de programación.
T05 R5 
            Contenidos Teóricos.

1 Concepto de Aprendizaje
2 Aprendizaje Inductivo
3 Control de la Complejidad
4 Aprendizaje Supervisado
5 Aprendizaje No supervisado
6 Técnicas de Agrupamiento
CO07 G09 R2 R1 R4 R3

 

Bibliografía

Bibliografía Básica

• Michael R. Berthold, Christian Borgelt, Frank Höppner and Frank Klawonn. "Guide to Intelligent 
Data Analysis. How to Intelligently Make Sense of Real Data" Springer 2010.
• Claude; Webb, Geoffrey I. "Encyclopedia of Machine". Springer 2011 
• Weiss S, – Computer System that Learn. Morgan Kaufmann Publishers, INC. San 
Mateo, California. 1990
• Mitchell, T. Machine Learning. McGraw-Hill. 1997

 

Bibliografía Específica

• Hilera J. – Redes Neuronales Artificiales. Fundamentos, Modelos y 
Aplicaciones. Rama. 1995
• Holland J.H. - Adaptation in Natural and Artificial Systems. Ann Arbor, The 
University of Michigan Press. 1975.
• Isasi P. – Redes Neuronales Artificiales. Un enfoque práctico. Pearson. 
Pentice-Hall. 2003
• Nilsson, N.J. – Artificial Inteligente: A new Síntesis. Morgan Kaufmann. 1998
• Quinlan, J.R. C4.5: Programs for Machine Learning. San Mateo, Ca. Morgan 
Kauffmann. 1993
• Schalkoff R. Artificial Neural Network. McGraw-Hill. 1997

 

 

El presente documento es propiedad de la Universidad de Cádiz y forma parte de su Sistema de Gestión de Calidad Docente.
© Copyright Universidad de Cádiz