APA - Aprendizaje Automático
|
|
- Daniel Sánchez Carmona
- hace 5 años
- Vistas:
Transcripción
1 Unidad responsable: FIB - Facultad de Informática de Barcelona Unidad que imparte: CS - Departamento de Ciencias de la Computación Curso: Titulación: 2018 GRADO EN INGENIERÍA INFORMÁTICA (Plan 2010). (Unidad docente Optativa) Créditos ECTS: 6 Idiomas docencia: Catalán Profesorado Responsable: Otros: - Luis Antonio Belanche Muñoz (belanche@cs.upc.edu) - Javier Béjar Alonso (bejar@cs.upc.edu) Capacidades previas Nociones elementales de probabilidad y estadística. Nociones básicas de álgebra lineal y análisis real Buen nivel de programación en un lenguaje de alto nivel Requisitos - Pre-requisito PE - Corequisito PROP Metodologías docentes El temario se expone en las clases de teoría de forma muy motivada (por qué se explica) y motivadora (por qué es importante conocerlo), complementado con muchos ejemplos. Las clases de teoría introducen todos los conocimientos, las técnicas, conceptos y resultados necesarios para alcanzar un nivel bien fundamentado y entendedor. Estos conceptos se ponen en práctica en las clases de problemas y en las de laboratorio. Con anterioridad a cada clase de problemas, el profesor plantea problemas relacionados con el tema en curso y los alumnos tienen tiempo para podérselos preparar en las horas de AA de trabajo personal. En las clases de problemas (de una hora de duración), la clase se dividirá entre varios grupitos en función del número de alumnos. El profesor resuelve dificultades, da orientaciones y eventualmente resuelve dudas, dando realimentación y haciendo que los alumnos avancen en la resolución. Se espera usar estrategias de aprendizaje colaborativo donde uno o más alumnos toman la responsabilidad de liderar el proceso de resolución de los problemas, argumentando entre todos. Los alumnos trabajan de nuevo los problemas y los entregan. Estas entregas de problemas son continuadas, uniformes en carga y evaluadas. También se evalúa mediante esta estrategia la competencia genérica de comunicación eficaz. En las clases de laboratorio se ponen en práctica los conceptos trabajados en las clases de teoría y algunos de los problemas ya trabajados en las clases de problemas, usando un entorno de programación muy adecuado a, el lenguaje estadístico R. Las dos horas de clases de teoría se hacen semanalmente. Las dos horas de clases de laboratorio se hacen quincenalmente. La hora de problemas se hace semanalmente. Hay un trabajo práctico evaluable, que trabaja un problema real a elegir por el propio estudiante y que recoge e integra los conocimientos y las competencias de todo el curso. También se evalúa mediante trabajo práctico la competencia genérica de comunicación eficaz. 1 / 10
2 Objetivos de aprendizaje de 1.Formular el problema del aprendizaje automático a partir de datos, y conocer los tipos de tareas que se pueden dar 2.Organizar el flujo de resolución de un problema del aprendizaje automático, analizando las posibles opciones y eligiendo las más adecuadas al problema 3.Decidir, defender y criticar una solución para un problema de aprendizaje automático, argumentando los puntos fuertes y débiles del acercamiento 4.Contrastar, juzgar e interpretar un conjunto de resultados con posterioridad a una hipótesis sobre un problema del aprendizaje automático 5.Conocer y saber aplicar técnicas de mínimos cuadrados para la resolución de problemas de aprendizaje supervisado 6.Conocer y saber aplicar técnicas de redes neuronales mono y multicapa para la resolución de problemas de aprendizaje supervisado 7.Conocer y saber aplicar técnicas de máquinas de vectores soporte para la resolución de problemas de aprendizaje supervisados 8.Conocer y formular diferentes herramientas teóricas para el análisis, estudio y descripción de sistemas de aprendizaje automático 9.Conocer y saber aplicar las técnicas básicas para la resolución de problemas de aprendizaje no supervisado 10.Conocer y saber aplicar las técnicas básicas para la resolución de problemas de aprendizaje por refuerzo 11.Conocer las técnicas modernas más importantes del aprendizaje automático y del aprendizaje computacional Horas totales de dedicación del estudiantado Dedicación total: 150h Grupo grande/teoría: 30h 20.00% Grupo mediano/prácticas: 15h 10.00% Grupo pequeño/laboratorio: 15h 10.00% Actividades dirigidas: 6h 4.00% Aprendizaje autónomo: 84h 56.00% 2 / 10
3 Contenidos Introducción al Aprendizaje Automático Información general y conceptos básicos. Descripción y planteamiento de los problemas atacados por el aprendizaje automático. Aprendizaje supervisado (regresión y clasificación), no supervisado (clustering) y semisupervisado (por refuerzo y transductivo). Ejemplos modernos de aplicación. Aprendizaje automático no supervisado Definición y planteamiento del aprendizaje automático no supervisado. Algoritmos de clustering: algoritmo EM y algoritmo k-means. Teoría del Aprendizaje automático supervisado Planteamiento del problema del Aprendizaje Automático supervisado. Problemas de clasificación y de regresión. Compromiso sesgo-varianza. Sobreajuste y infrajuste. Cotas de generalización. Dimensión de Vapnik- Chervonenkis y complejidad de un modelo. Selección de modelos y selección de las variables del modelo. Aprendizaje automático supervisado (I): problemas de clasificación El algoritmo del perceptrón. Teorema de Novikoff. Separaciones con márgenes máximos. Funciones de kernel. Máquinas de vectores soporte para clasificación. Funciones de error y redes neuronales para clasificación: perceptrón multicapa y red de funciones de base radial. Aprendizaje automático supervisado (II): problemas de regresión Mínimos cuadrados: métodos analíticos y iterativos. Funciones de error para regresión y redes neuronales multicapa: perceptrón multicapa y red de funciones de base radial. Máquina de vectores soporte para regresión. Aprendizaje automático supervisado (III): combinación de modelos 3 / 10
4 Bagging, boosting y ECOC. El compromiso sesgo/varianza revisitado. Aprendizaje por refuerzo Descripción del aprendizaje por refuerzo. Procesos de Markov. Ecuaciones de Bellman. Valores y métodos de diferencias temporales. Aprendizaje Q y algoritmo Sarsa. Aplicaciones. Apuntes sobre aprendizaje transductivo. 4 / 10
5 Planificación de actividades Desarrollo del tema 1 de Dedicación: 10h Grupo grande/teoría: 2h Actividades dirigidas: 0h Aprendizaje autónomo: 6h El alumno recibe información general y conceptos básicos sobre el aprendizaje automático así como ejemplos modernos de aplicación. 1, 11 Desarrollo del tema 2 de Dedicación: 8h Grupo grande/teoría: 2h Actividades dirigidas: 0h El profesor imparte la teoría del aprendizaje automático no supervisado, focalizando en algoritmos de clustering. 1, 2, 9 Resolución de los problemas del tema 2 de Dedicación: 10h Actividades dirigidas: 2h Aprendizaje autónomo: 8h El profesor plantea hasta 3 problemas relacionados con el tema en curso y los alumnos se los preparan. En las clases de problemas, el profesor resuelve dificultades, da orientaciones hacia la solución total de los problemas y resuelve eventuales dudas generales. Los alumnos trabajan de nuevo los problemas y los entregan. 1, 3, 8 Desarrollo del tema 3 de Dedicación: 12h Grupo grande/teoría: 6h Actividades dirigidas: 0h 5 / 10
6 El profesor plantea el problema del Aprendizaje Automático supervisado. Explica las diferencias entre problemas de clasificación y de regresión. El compromiso sesgo-varianza y las nociones de sobreajuste e infrajuste y otras herramientas teóricas para selección de modelos. 1, 8 Resolución de los problemas del tema 3 de Dedicación: 13h Actividades dirigidas: 3h Aprendizaje autónomo: 10h El profesor plantea hasta 3 problemas relacionados con el tema en curso y los alumnos se los preparan. En las clases de problemas, el profesor resuelve dificultades, da orientaciones hacia la solución total de los problemas y resuelve eventuales dudas generales. Los alumnos trabajan de nuevo los problemas y los entregan. 3, 4, 5, 6 Desarrollo del tema 4 de Dedicación: 12h Grupo grande/teoría: 6h Actividades dirigidas: 0h El profesor explica los fundamentos de los algoritmos de separación por hiperplanos: el algoritmo del perceptrón y la separación con margen máximo. Introduce las funciones de kernel y las máquinas de vectores soporte para clasificación. Introduce las redes neuronales para clasificación: perceptrón multicapa y red de funciones de base radial. 1, 6, 7, 11 Resolución de los problemas del tema 4 de Dedicación: 13h Actividades dirigidas: 3h Aprendizaje autónomo: 10h El profesor plantea hasta 3 problemas relacionados con el tema en curso y los alumnos se los preparan. En las clases de problemas, el profesor resuelve dificultades, da orientaciones hacia la solución total de los problemas y resuelve eventuales dudas generales. Los alumnos trabajan de nuevo los problemas y los entregan. 6 / 10
7 2, 3, 4, 6 Desarrollo del tema 5 de Dedicación: 13h Grupo grande/teoría: 6h Actividades dirigidas: 1h El profesor introduce los métodos para problemas de regresión: básicamente mínimos cuadrados (métodos analíticos y iterativos). Introduce funciones de error para regresión y adapta las redes neuronales multicapa a este caso. Introduce la Máquina de vectores soporte para regresión. 1, 5, 6, 7 Resolución de los problemas del tema 5 de Dedicación: 13h Actividades dirigidas: 3h Aprendizaje autónomo: 10h El profesor plantea hasta 3 problemas relacionados con el tema en curso y los alumnos se los preparan. En las clases de problemas, el profesor resuelve dificultades, da orientaciones hacia la solución total de los problemas y resuelve eventuales dudas generales. Los alumnos trabajan de nuevo los problemas y los entregan. 3, 4, 7 Desarrollo del tema 6 de Dedicación: 11h Grupo grande/teoría: 4h Actividades dirigidas: 1h El profesor introduce las técnicas básicas de ensembles: Bagging, boosting y ECOC, y las explica a la luz del compromiso sesgo / varianza. 2, 8, 11 7 / 10
8 Resolución de los problemas del tema 6 de Dedicación: 10h Actividades dirigidas: 2h Aprendizaje autónomo: 8h El profesor plantea hasta 3 problemas relacionados con el tema en curso y los alumnos se los preparan. En las clases de problemas, el profesor resuelve dificultades, da orientaciones hacia la solución total de los problemas y resuelve eventuales dudas generales. Los alumnos trabajan de nuevo los problemas y los entregan. 2, 3, 4, 9, 10 Desarrollo del tema 7 de Dedicación: 11h Grupo grande/teoría: 4h Actividades dirigidas: 1h El profesor explica los fundamentos del aprendizaje por refuerzo y sus aplicaciones e introduce brevemente el aprendizaje transductivo. 10, 11 Resolución de los problemas del tema 7 de Dedicación: 10h Actividades dirigidas: 2h Aprendizaje autónomo: 8h El profesor plantea hasta 3 problemas relacionados con el tema en curso y los alumnos se los preparan. En las clases de problemas, el profesor resuelve dificultades, da orientaciones hacia la solución total de los problemas y resuelve eventuales dudas generales. Los alumnos trabajan de nuevo los problemas y los entregan. 3, 4, 11 Examen final Dedicación: 3h Actividades dirigidas: 3h Aprendizaje autónomo: 0h 5, 6, 7, 8, 9, 10 8 / 10
9 Entrega de la práctica Dedicación: 0h Actividades dirigidas: 0h Aprendizaje autónomo: 0h 2, 3, 4, 5, 6, 7, 8, 9, 10 Sistema de calificación La asignatura puede aprobarse mediante la evaluación continua, de la siguiente manera: NProbs = Nota media de los problemas realizados durante el curso NPract = Nota del trabajo práctico NPart = Nota de la competencia transversal NF1 = 50% NProbs + 40% NPract + 10% NPart La asignatura puede también aprobarse mediante un examen final, de la siguiente manera: NExF = Nota obtenida en el examen final (periodo de exámenes) NF2 = 40% NExF + 20% NProbs + 30% NPract + 10% NPart En cualquier caso, la nota final es el máximo de las dos: NOTA FINAL = max (NF1, NF2) 9 / 10
10 Bibliografía Básica: Alpaydin, E. Introduction to machine learning. 3rd ed. MIT Press, ISBN Bishop, C.M. Pattern recognition and machine learning. Springer, ISBN Cherkassky, V.; Mulier, F. Learning from data: concepts, theory, and methods [en línea]. 2nd ed. John Wiley, 2007Disponible a: < ISBN Haykin, S.S. Neural networks and learning machines. 3rd ed. Prentice Hall, ISBN Murphy, K. P. Machine learning : a probabilistic perspective. MIT Press, cop ISBN Complementaria: Hastie, T.; Tibshirani, R.; Friedman, J. The elements of statistical learning: data mining, inference, and prediction. 2nd ed. Springer, ISBN Duda, R.O.; Hart, P.E.; Stork, D.G. Pattern classification. 2nd ed. John Wiley & Sons, ISBN Bishop, C.M. Neural networks for pattern recognition. Clarendon Press, ISBN Otros recursos: Enlace web / 10
APA - Aprendizaje Automático
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 723 - CS - Departamento de Ciencias de la Computación Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan
Más detallesMD - Minería de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 018 70 - FIB - Facultad de Informática de Barcelona 73 - CS - Departamento de Ciencias de la Computación 715 - EIO - Departamento
Más detallesMD - Minería de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 017 70 - FIB - Facultad de Informática de Barcelona 73 - CS - Departamento de Ciencias de la Computación 715 - EIO - Departamento
Más detalles240AR022 - Reconocimiento de Formas y Aprendizaje Automático
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 707 - ESAII - Departamento de Ingeniería de
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN APRENDIZAJE DE MÁQUINA
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN APRENDIZAJE DE MÁQUINA OBJETIVO GENERAL El objetivo general del Aprendizaje de Máquina (ML por
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesIAAE - Inteligencia Artificial Aplicada a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesSID - Sistemas Inteligentes Distribuidos
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 723 - CS - Departamento de Ciencias de la Computación Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan
Más detallesAnálisis de Datos para la Industria y los Servicios
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 715 - EIO - Departamento de Estadística e Investigación
Más detallesAPE - Aprendizaje Estadístico
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 200 - FME - Facultad de Matemáticas y Estadística 715 - EIO - Departamento de Estadística e Investigación Operativa 1004 -
Más detallesPontificia Universidad Católica del Ecuador
1. DATOS INFORMATIVOS: MATERIA O MÓDULO: CÓDIGO: CARRERA: NIVEL: INTELIGENCIA ARTIFICIAL II (Aprendizaje Automático) IS-12653 INGENIERIA DE SISTEMAS SEPTIMO No. CRÉDITOS: 4 CRÉDITOS TEORÍA: 2 CRÉDITOS
Más detallesIA - Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesIA - Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesECSDI - Ingeniería del Conocimiento y Sistemas Distribuidos Inteligentes
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA GRADO DE INGENIERÍA INFORMÁTICA CURSO 2013/14 ASIGNATURA: INTRODUCCIÓN A LOS MODELOS COMPUTACIONALES
ESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA GRADO DE INGENIERÍA INFORMÁTICA CURSO 2013/14 ASIGNATURA: INTRODUCCIÓN A LOS MODELOS COMPUTACIONALES DATOS DE LA ASIGNATURA Denominación: INTRODUCCIÓN A LOS MODELOS
Más detallesAC2 - Arquitectura de Computadores II
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 701 - AC - Departamento de Arquitectura de Computadores Curso: Titulación: 2016 GRADO EN INGENIERÍA INFORMÁTICA
Más detallesCCQ - Computación y Criptografía Cuánticas
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 748 - FIS - Departamento de Física Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan 2010). (Unidad
Más detallesModelado y Simulación de Sistemas
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 707 - ESAII - Departamento
Más detallesModelado y Simulación de Sistemas
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 205 - ESEIAAT - Escuela Superior de Ingenierías Industriales, Aeroespacial y Audiovisual de Terrassa 707 - ESAII - Departamento
Más detallesFUNDAMENTOS Y APLICACIONES DE APRENDIZAJE AUTOMÁTICO
FUNDAMENTOS Y APLICACIONES DE APRENDIZAJE AUTOMÁTICO Año 2016 Carrera/ Plan: Licenciatura en Informática Plan 2015 Licenciatura en Sistemas Plan 2015 Licenciatura en Informática Plan 2003-07/Plan 2012
Más detallesCCQ - Computación y Criptografía Cuánticas
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 748 - FIS - Departamento de Física Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan 2010). (Unidad
Más detallesCarrera de Posgrado: Doctorado en Ingeniería Curso: TÓPICOS SELECTOS EN APRENDIZAJE MAQUINAL Año Académico: 2012
Carrera de Posgrado: Doctorado en Ingeniería Curso: TÓPICOS SELECTOS EN APRENDIZAJE MAQUINAL Año Académico: 2012 1. Objetivos. Que el alumno: Conozca los fundamentos teóricos de las técnicas más utilizadas
Más detallesPIB - Procesado de Imágenes Biomédicas
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática
Más detallesDLAI - Aprendizaje Profundo para Inteligencia Artificial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona 739 - TSC - Departamento de Teoría
Más detallesLI - Lógica en la Informática
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 270 - FIB - Facultad de Informática de Barcelona 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesESCUELA POLITÉCNICA SUPERIOR DE CÓRDOBA
Curso 17/1 DENOMINACIÓN DE LA ASIGNATURA Denominación: INTRODUCCIÓN A LOS MODELOS COMPUTACIONALES Código: 11 Plan de estudios: GRADO DE INGENIERÍA INFORMÁTICA Curso: Denominación del módulo al que pertenece:
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2015-2016 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Escuela Politécnica Superior
Más detallesCCQ - Computación y Criptografía Cuánticas
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 748 - FIS - Departamento de Física Curso: Titulación: 2018 GRADO EN INGENIERÍA INFORMÁTICA (Plan 2010). (Unidad
Más detallesAEAE - Ampliación de Estadística y Aplicaciones a la Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 820 - EUETIB - Escuela Universitaria de Ingeniería Técnica Industrial de Barcelona 749 - MAT - Departamento de Matemáticas
Más detallesIT - Teoría de la Información
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona 739 - TSC - Departamento de Teoría
Más detallesPEM - Gestión de Proyectos en Ingeniería
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 820 - EEBE - Escuela de Ingeniería de Barcelona Este 717 - EGE - Departamento de Expresión Gráfica en la Ingeniería GRADO
Más detallesGuía docente de la asignatura
Guía docente de la asignatura Asignatura Materia TÉCNICAS DE APRENDIZAJE AUTOMÁTICO COMPUTACIÓN Módulo Titulación GRADO EN INGENIERÍA INFORMÁTICA (463) Plan 463 Código 45209 Periodo de impartición 2º CUATRIMESTRE
Más detallesAsignaturas Temas Asignaturas Temas
1 Datos de la Asignatura Nombre de la asignatura: Carrera: Clave de la asignatura: Reconocimiento de Patrones Ingeniería en Sistemas CIE-0701 Horas teoría / práctica / Créditos: 2 2 6 2 Historia del Programa
Más detallesPRE - Programación para Ingenieros
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesGRADO EN INGENIERÍA EN TECNOLOGÍAS INDUSTRIALES (Plan 2010). (Unidad docente Obligatoria) 6 Idiomas docencia: Catalán
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 723 - CS - Departamento
Más detallesADEI - Análisis de Datos y Explotación de la Información
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 715 - EIO - Departamento de Estadística e Investigación Operativa Curso: Titulación: 2018 GRADO EN INGENIERÍA INFORMÁTICA
Más detallesJuegos para Computadores. Estructura y Desarrollo
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 723 - CS - Departamento de Ciencias de la Computación
Más detallesJuegos para Computadores. Estructura y Desarrollo
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 723 - CS - Departamento de Ciencias de la Computación
Más detallesAAPX - Análisis y Evaluación de Prestaciones en Redes
Unidad responsable: 230 - ETSETB - Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona Unidad que imparte: 744 - ENTEL - Departamento de Ingeniería Telemática Curso: Titulación: 2016
Más detallesEQUADIF - Ecuaciones Diferenciales
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 250 - ETSECCPB - Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos de Barcelona 751 - DECA - Departamento
Más detallesGEOC - Geometría Computacional
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 749 - MAT - Departamento de Matemáticas Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan 2010). (Unidad
Más detallesINFO-N1O23 - Informática
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 340 - EPSEVG - Escuela Politécnica Superior de Ingeniería de Vilanova i la Geltrú 723 - CS - Departamento de Ciencias de la
Más detallesMP - Multiprocesadores
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 701 - AC - Departamento de Arquitectura de Computadores Curso: Titulación: 2016 GRADO EN INGENIERÍA INFORMÁTICA
Más detalles240EO016 - Automatización de Procesos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 707 - ESAII - Departamento de Ingeniería de
Más detallesTDEE - Transporte y Distribución de Energía Eléctrica
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 709 - EE - Departamento de Ingeniería Eléctrica GRADO EN INGENIERÍA DE
Más detallesPROGRAMA DE CURSO. Horas Docencia Horas de Trabajo Horas de Cátedra Docentes ,5 5,5. Resultados de Aprendizaje
PROGRAMA DE CURSO Código Nombre CC5113 Aprendizaje Automático Bayesiano Nombre en Inglés Bayesian Machine Learning SCT Unidades Horas Docencia Horas de Trabajo Horas de Cátedra Docentes Auxiliar Personal
Más detallesESTA-C3O43 - Estadística
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 340 - EPSEVG - Escuela Politécnica Superior de Ingeniería de Vilanova i la Geltrú 749 - MAT - Departamento de Matemáticas
Más detallesLP - Lenguajes de Programación
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 723 - CS - Departamento de Ciencias de la Computación Curso: Titulación: 2016 GRADO EN INGENIERÍA INFORMÁTICA (Plan
Más detallesSIM - Simulación
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 200 - FME - Facultad de Matemáticas y Estadística 715 - EIO - Departamento de Estadística e Investigación Operativa 1004 -
Más detallesMétodos Numéricos y Cuantitativos de Gestión
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 732 - OE - Departamento
Más detallesASTAT - Estadística Avanzada
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 390 - ESAB - Escuela Superior de Agricultura de Barcelona 749 - MAT - Departamento de Matemáticas GRADO EN INGENIERÍA AGRÍCOLA
Más detallesGRADO EN INGENIERÍA EN TECNOLOGÍAS INDUSTRIALES (Plan 2010). (Unidad docente Obligatoria) 6 Idiomas docencia: Catalán
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 723 - CS - Departamento
Más detallesDESP - Diseño Electrónico: Sistemas de Potencia
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 330 - EPSEM - Escuela Politécnica Superior de Ingeniería de Manresa 750 - EMIT - Departamento de Ingeniería Minera, Industrial
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN PROGRAMACION CONCURRENTE Y DISTRIBUIDA
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN PROGRAMACION CONCURRENTE Y DISTRIBUIDA OBJETIVO GENERAL En esta asignatura se expondrán las diferentes
Más detallesTDEE - Transporte y Distribución de Energía Eléctrica
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 820 - EEBE - Escuela Universitaria de Ingeniería Técnica Industrial de Barcelona 709 - EE - Departamento de Ingeniería Eléctrica
Más detallesIngeniería del Fuego
Unidad responsable: 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona Unidad que imparte: 713 - EQ - Departamento de Ingeniería Química Curso: Titulación: 2017 GRADO EN INGENIERÍA
Más detalles240EO321 - Técnicas de Organización Industrial
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 732 - OE - Departamento de Organización de Empresas
Más detallesSimulación y Optimización de Procesos Químicos
Unidad responsable: 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona Unidad que imparte: 713 - EQ - Departamento de Ingeniería Química Curso: Titulación: 2016 GRADO EN INGENIERÍA
Más detallesOtros: FATOS XHAFA XHAFA- ANGELA MARTIN PRAT - JOSEFINA LOPEZ HERRERA
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 205 - ESEIAAT - Escuela Superior de Ingenierías Industrial, Aeroespacial y Audiovisual de Terrassa 723 - CS - Departamento
Más detallesRIVC - Robótica Industrial y Visión por Computador
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 295 - EEBE - Escuela de Ingeniería de Barcelona Este 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática
Más detallesGUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC)
GUÍA DOCENTE: Sistemas Basados en Conocimiento y Minería de Datos (SBC) Curso Académico: 2017-2018 Programa: Centro: Universidad: Máster Universitario en Ingeniería Informática Universidad Autónoma de
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Reconocimiento de Patrones Área a la que pertenece: Área de Formación Integral Profesional Horas teóricas: 3 Horas prácticas: 1 Créditos: 7 Clave: F0182 Asignaturas antecedentes y
Más detallesAS - Arquitectura del Software
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 747 - ESSI - Departamento de Ingenieria de Servicios y Sistemas de Información Curso: Titulación: 2017 GRADO EN
Más detallesMCSBB - Modelización y Control de Sistemas Biomédicos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2018 295 - EEBE - Escuela de Ingeniería de Barcelona Este 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática
Más detallesFM - Fundamentos Matemáticos
Unidad responsable: 270 - FIB - Facultad de Informática de Barcelona Unidad que imparte: 749 - MAT - Departamento de Matemáticas Curso: Titulación: 2017 GRADO EN INGENIERÍA INFORMÁTICA (Plan 2010). (Unidad
Más detalles240IAU11 - Fundamentos de Robótica
Unidad responsable: 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona Unidad que imparte: 707 - ESAII - Departamento de Ingeniería de Sistemas, Automática e Informática Industrial
Más detallesMétodos Predictivos en Minería de Datos
Métodos Predictivos en Minería de Datos Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado en Minería de Datos de la Universidad de Stanford.
Más detallesI - Informática
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesI - Informática
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 295 - EEBE - Escuela de Ingeniería de Barcelona Este 723 - CS - Departamento de Ciencias de la Computación GRADO EN INGENIERÍA
Más detallesAC - Arquitectura de Computadores
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2017 270 - FIB - Facultad de Informática de Barcelona 701 - AC - Departamento de Arquitectura de Computadores GRADO EN INGENIERÍA
Más detalles240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona EIO - Departamento de Estadística e Investigación Operativa
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 715 - EIO - Departamento de Estadística e Investigación
Más detalles