Itinerario: Inteligencia Computacional

Transcripción

1 Máster Universitario en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones Itinerario: Inteligencia Computacional Escuela Politécnica Superior Universidad Autónoma de Madrid Curso

2 Temática general Datos empíricos Estructura Predicciones y = 0.2x 3 x x 1.3 BDs, logs, web, texto, redes sociales, sensores Relaciones, propiedades, patrones complejos Modelos Algoritmos Evaluación Estadística y probabilidad (+ álgebra lineal)

3 Descripción del itinerario Temática general Análisis de grandes volúmenes de información identificación automática de relaciones, propiedades y patrones complejos Generación de modelos abstractos y predicciones desarrollo de algoritmos, soluciones y aplicaciones en muy diversos campos de aplicación Base común a las materias Modelización, clasificación, estimación, optimización, aprendizaje Fuerte fundamentación en estadística computacional Enfasis metodológico: formalización de problemas, análisis, modelado, desarrollo de soluciones algorítmicas, evaluación

4 Descripción del itinerario Campos de aplicación Análisis y predicción financiera Análisis de mercados, detección de fraude, comercio electrónico Búsqueda Web, clasificación de texto, recomendación Análisis de redes sociales, minería Web Gestión y monitorización de energías Reconocimiento de imagen y voz, robótica Biomedicina Meteorología y medio ambiente Control de procesos industriales Muchas otras

5 Descripción del itinerario Objetivos formativos Describir y traducir problemas y procesos de diferentes dominios a términos estadísticos, probabilísticos y/o algebraicos Desarrollo de modelos trasladables a soluciones algorítmicas Manejo de metodologías experimentales orientadas a la implementación, prueba y evaluación de modelos y algoritmos en este terreno Orientación especializada en áreas de aplicación concretas: series temporales, recuperación de información, minería Web

6 Descripción del itinerario Cinco asignaturas Aprendizaje Automático: teoría y aplicaciones Métodos bayesianos aplicados Procesamiento de información temporal Fundamentos 1 2 Recuperación de información Minería Web Orientadas a campos de aplicación

7 Aprendizaje Automático: teoría y aplicaciones 1 er semestre Formulación de problemas, construcción de algoritmos, evaluación Clasificación, regresión, clustering Árboles de decisión, redes neuronales, SVM, clustering Pre procesamiento de datos, reducción de dimensionalidad Profesores: Luis Fernando Lago, Manuel Sánchez Montañés, Ana González

8 Métodos bayesianos aplicados 2º semestre Fundamento probabilístico del análisis y desarrollo de soluciones en muy diversas áreas Modelado y razonamiento probabilístico Modelos gráficos, inferencia, variables ocultas, aproximaciones deterministas y estocásticas Profesores: Alejandro Sierra, Gonzalo Martínez, Daniel Hernández Lobato

9 Procesamiento de información temporal 2º semestre La variable tiempo en inteligencia computacional Modelización de series temporales, predicción, toma de decisiones en procesos temporales Aplicaciones en finanzas, bio medicina y otros campos Profesores: Alberto Suárez, José Dorronsoro Ibero, Kostadin Koroutchev

10 Recuperación de Información Búsqueda y recomendación de información no estructurada Modelos fundamentales de representación, algoritmia, evaluación Búsqueda en la Web, personalización, sistemas de recomendación Profesores: Pablo Castells, Fernando Díez 1 er semestre WWW Inventarios, logs

11 Minería Web 2º semestre Modelado y extracción de estructuras en la Web Minería de texto, minería de opinión Análisis de logs Web, extracción de preferencias de usuarios Análisis de medios y redes sociales Profesores: Iván Cantador, David Vallet Máster Universitario en Investigación e Innovación en Tecnologías de la Información y las Comunicaciones Escuela Politécnica Superior, Universidad Autónoma de Madrid Curso 2012/13