|
||||||||
Consulta de les dades generals Descripció Informació prèvia a la matrícula Objectius i competències Continguts Consulta dels recursos d'aprenentatge de què disposa l'assignatura Recursos d'aprenentatge i eines de suport Informacions sobre l'avaluació a la UOC Consulta del model d'avaluació | ||||||||
Aquest és el pla docent de l'assignatura. Us servirà per planificar la matrícula (consulteu si l'assignatura s'ofereix aquest semestre a l'espai del Campus Més UOC / La Universitat / Plans d'estudis). Un cop comenci la docència, heu de consultar-lo a l'aula. (El pla docent pot estar subjecte a canvis.) | ||||||||
La motivació principal d'aquesta assignatura és la de donar a conèixer l'aprenentatge automàtic i com es situa dins del camp de la Intel·ligència Artificial. A Intel·ligència Artificial (Grau en Enginyeria Informàtica) es va donar una visió general de la Intel·ligència Artificial i es varen presentar alguns dels mètodes i tècniques anomenats clàssics, com son la resolució de problemes i cerca i els sistemes basats en el coneixement, també es varen veure tècniques més avançades com son les xarxes neurals i el raonament aproximat. A l'assignatura d'Aprenentatge computacional es van introduir els problemes de l'aprenentatge (supervisat i no supervisat) i sistemes multi agent. En aquesta assignatura s'aprofundirà en problemes avançats d'aprenentatge, introduint els sistemes d'extracció de característiques, els sistemes no lineals basats en Kernels, els processos d'optimització o les tècniques d'aprenentatge profund, sempre des d'una vessant pràctica tocant exemples de problemes reals. |
||||||||
És recomanable haver cursat les assignatures d'Intel·ligència Artificial i Aprenentatge Computacional del grau en Enginyeria Informàtica. També és molt recomanable haver superat l'assignatura de prácitques de programació o equivalent en algun programa d'informàtica. Si vé l'assignatura no està pensada per a tenir una alta càrrega de programació, es donaran per sabuts els conceptes més bàsics d'algorísmica. |
||||||||
Les competències generals del Màster que es posen de manifest en aquesta assignatura són:
Les competències específiques d'aquesta assingatura són:
|
||||||||
En aquesta assignatura els continguts s'han estructurat en dos mòduls. En el primer mòdul es dona una visió general de l'aprenentatge dins de la Intel·ligència Artificial. En principi es fa la distinció entre algorismes dedicats a l'agrupació (clustering) i recomanació d'informació, els algorismes d'extracció i selecció de característiques, els algorismes de classificació, els mètodes d'optimització i les tècniques d'aprenentatge profund. La distinció entre aprenentatge supervisat i no supervisat es inherent al capítols de clustering i classificació, tot i que es també present en el capítol d'extracció de característiques. El segon mòdul, molt més breu, està dedicat a l'aprenentatge del llenguatge Python. Es pretén introduir a l'estudiant en algunes (de les moltes) característiques que té aquest llenguatge, de cara a una millor comprensió dels mòduls de teoria, i poder realitzar pràctiques de forma autònoma. A continuació es dóna el contingut detallat de cadascun d'aquests mòduls. 1. Introducció a la Intel·ligència Artificial (IA) 2.2.5. Conclusions 5.4.1. Descripció del mètode 5.4.2. Exemple d'aplicació 5.4.3. Anàlisi del mètode 5.5.6. Problemes amb restriccions 5.5.7. Anàlisi del mètode
6. Aprenentatge profund 6.1.1. Assoliments recents 6.1.2. Causes 6.1.3. Arquitectures 6.1.4. Biblioteques 6.2. Xarxes neuronals 6.2.1. Components d'una xarxa neuronal 6.2.2. Funcions d'activació 6.2.3. Entrenament d'una xarxa neuronal 6.2.4. Problemes d'aprenentatge 6.2.5. Algunes solucions 6.2.6. Aprenentatge profund 6.3. Perceptró multicapa 6.3.1. Idea 6.3.2. Exemple d'MLP 6.4. Classificació d'imatges amb xarxes neuronals convolucionals (CNN) 6.4.1. Implementació de les CNN a Python utilitzant les llibreries Keras 6.5. Xarxes recurrents 6.5.1. Idea 6.5.2. Programació 6.6. Altres arquitectures 6.6.1. Autocodificadors 6.6.2. Aprenentatge per reforç 6.6.3. Sistemes generadors
7. Annex: conceptes bàsics d'estadística |
||||||||
|
||||||||
L'assignatura es compon dels mòduls didàctics en suport paper, que contenen exercicis d'autoavaluació amb solucions i activitats diverses. Aquest material es complementarà amb aquell que els consultors posin a l'abast dels estudiants a l'aula de l'assignatura. Es preveu també la creació d'una aula de laboratori per a resoldre els dubtes corresponents al llenguatge Python |
||||||||
El procés d'avaluació es fonamenta en el treball personal de l'estudiant i pressuposa l'autenticitat de l'autoria i l'originalitat dels exercicis realitzats. La manca d'autenticitat en l'autoria o d'originalitat de les proves d'avaluació; la còpia o el plagi; l'intent fraudulent d'obtenir un resultat acadèmic millor; la col·laboració, l'encobriment o l'afavoriment de la còpia, o la utilització de material o dispositius no autoritzats durant l'avaluació, entre d'altres, són conductes irregulars que poden tenir conseqüències acadèmiques i disciplinàries greus. D'una banda, si es detecta alguna d'aquestes conductes irregulars, pot comportar el suspens (D/0) en les activitats avaluables que es defineixin en el pla docent -incloses les proves finals- o en la qualificació final de l'assignatura, sigui perquè s'han utilitzat materials o dispositius no autoritzats durant les proves, com ara xarxes socials o cercadors d'informació a internet, perquè s'han copiat fragments de text d'una font externa (internet, apunts, llibres, articles, treballs o proves d'altres estudiants, etc.) sense la citació corresponent, o perquè s'ha practicat qualsevol altra conducta irregular. De l'altra, i d'acord amb les normatives acadèmiques, les conductes irregulars en l'avaluació, a més de comportar el suspens de l'assignatura, poden donar lloc a la incoació d'un procediment disciplinari i a l'aplicació, si escau, de la sanció que correspongui. |
||||||||
|