Fichas de asignaturas 2014-15
![]() |
APRENDIZAJE COMPUTACIONAL |
![]() ![]() ![]() |
|
Asignatura |
![]() |
| |
Profesorado |
![]() |
| |
Competencias |
![]() |
| |
Resultados Aprendizaje |
![]() |
| |
Actividades Formativas |
![]() |
| |
Sistemas de Evaluación |
![]() |
| |
Contenidos |
![]() |
| |
Bibliografía |
![]() |
Código | Nombre | |||
Asignatura | 21714028 | APRENDIZAJE COMPUTACIONAL | Créditos Teóricos | 3 |
Título | 21714 | GRADO EN INGENIERÍA INFORMÁTICA | Créditos Prácticos | 4.5 |
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
Profesorado
Nombre | Apellido 1 | Apellido 2 | C.C.E. | Coordinador | |
MIGUEL ÁNGEL | BOLIVAR | PÉREZ | Profesor Asociado | N | |
JOAQUIN | PIZARRO | JUNQUERA | Profesor Titular Universidad | S |
![]() |
Competencias
Se relacionan aquí las competencias de la materia/módulo o título al que pertenece la asignatura, entre las que el profesorado podrá indicar las relacionadas con la asignatura.
Identificador | Competencia | Tipo |
CB5 | Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía | GENERAL |
CG09 | 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. | 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 |
Resultados Aprendizaje
Identificador | Resultado |
R4 | Se capaz de adquirir, obtener, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación |
R1 | Ser capaz de conocer los fundamentos, paradigmas y técnicas propias de los Sistemas Inteligentes |
R2 | Ser capaz de conocer y desarrollar técnicas de Aprendizaje Computacional |
R3 | Ser capaz de diseñar e implementar aplicaciones y sistemas que utilicen las técnicas de Aprendizaje Computacional, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos |
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. |
24 | CB5 CG09 CO07 | |
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. |
36 | CG09 CO07 | |
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 Computacional. |
86 | Reducido | CB5 CO07 |
12. Actividades de evaluación | Realización del examen final |
4 | Grande | CG09 CO07 |
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. |
|
CB5 CG09 CO07 |
Prueba Práctica de progreso | Ejercicio práctico sobre Aprendizaje/Rúbica de valoración de ejercicios prácticos |
|
CO07 |
Test de conocimientos básicos | Test/Escala de valoración de test |
|
CG09 CO07 |
Procedimiento de calificación
A lo largo del cuatrimestre el alumno realizará diversas pruebas prácticas para la evaluación de resultados de las actividades de aprendizaje. Al final del cuatrimestre los alumnos realizarán una prueba escrita que evaluará los conocimientos teóricos de la asignatura. La nota correspondiente a la evaluación del alumno será obtenida de la siguiente forma: Calificación=Test de Conocimientos*0.5+Actividades de Aprendizaje*0.5 Será necesario una calificación mínima de 4 en cada prueba para poder hacer media. Si la calificación es menor de 5, el alumno/a deberá hacer un examen final que consistirá en una prueba teórica (40%) y otra práctica (60%).
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. |
CO07 | R4 R3 |
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 |
CB5 CG09 CO07 | R1 R2 |
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.
- E. Alpaydin. "Introducción to Machine Learning", MIT Press, 2010
- Pajares, de la Cruz, "Aprendizaje Automatico. Un enfoque práctico" RA-MA 2010
- Claude; Webb, Geoffrey I. "Encyclopedia of Machine". Springer 2011
- Weiss S, – Computer System that Learn. Morgan Kaufmann Publishers, INC. SanMateo, 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. 2003Nilsson,
- 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. En aplicación de la Ley 3/2007, de 22 de marzo, para la igualdad efectiva de mujeres y hombres, así como la Ley 12/2007, de 26 de noviembre, para la promoción de la igualdad de género en Andalucía, toda alusión a personas o colectivos incluida en este documento estará haciendo referencia al género gramatical neutro, incluyendo por lo tanto la posibilidad de referirse tanto a mujeres como a hombres.