|
||||||||||||||||||||||||||||
Consulta de les dades generals Descripció L'assignatura en el conjunt del pla d'estudis Objectius i competències Continguts Consulta dels recursos d'aprenentatge de la UOC per a l'assignatura Informació addicional sobre els 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 per al segon semestre del curs 2023-2024. Podeu consultar 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 d'aprofundir en diverses tècniques d'aprenentatge automàtic (machine learning). A l'assignatura de Mineria de dades ja es va veure una introducció a l'extracció i selecció de característiques, diverses tècniques d'aprenentatge no supervisat (agrupament o clustering) així com també algunes tècniques d'aprenentatge supervisat (k nearest neighbors, arbres de decisió i regressió lineal simple). A més, es van analitzar els diversos protocols d'avaluació (divisió de les dades en entrenament, validació i test, cross-validation) així com diverses mesures d'avaluació (exactitud, f-score, precisió i sensibilitat, entre d'altres). En aquesta assignatura es donaran a conèixer altres tècniques d'aprenentatge supervisat molt esteses en el camp de l'aprenentatge automàtic. D'una banda, els arbres de decisió, la regressió logística, el classificador Naïve Bayes, les support vector machines i les xarxes neuronals pel que fa als algorismes de classificació. D'altra banda, la regressió lineal múltiple i el support vector regressor pel que fa a algorismes de regressió. A continuació, s'introduiran tècniques que permeten combinar diversos mètodes com bagging i boosting. A més, es farà una introducció a les tècniques de deep learning, on es veuran les xarxes neuronals feed-forward (multi layer perceptron i xarxes neuronals convolucionals) i les xarxes neuronals recurrents. També coneixerem en què es basen els sistemes recomanadors i les diferents tècniques existents per recomanar un producte a un usuari en funció de les seves pròpies preferències i les de la resta d'usuaris d'una plataforma. Per últim, es veurà una tercera família d'algorismes d'aprenentatge automàtic: l'aprenentatge per reforç o reinforcement learning, on un agent és capaç d'aprendre a partir de recompenses positives o negatives que rep de l'entorn amb què interacciona. |
||||||||||||||||||||||||||||
Aquesta assignatura té com a prerequisit haver superat l'assignatura Mineria de dades. A Mineria de dades es fa una introducció a diverses tècniques d'aprenentatge supervisat i no supervisat, en problemes tant de classificació com de regressió, i també inclou una descripció sobre els protocols i mesures d'avaluació. |
||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||
L'assignatura compta amb uns recursos textuals amb tots els fonaments teòrics de l'assignatura. Aquests recursos textuals es complementen amb uns recursos pràctics en format notebook. Els notebooks estan implementats en python i han estat desenvolupats perquè siguin fàcilment executables a google Colab. Puntualment poden haver-hi altres recursos complementaris. | ||||||||||||||||||||||||||||
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. La UOC es reserva la potestat de sol·licitar a l'estudiant que s'identifiqui o que acrediti l'autoria del seu treball al llarg de tot el procés d'avaluació pels mitjans que estableixi la Universitat (síncrons o asíncrons). A aquests efectes, la UOC pot exigir a l'estudiant l'ús d'un micròfon, una càmera o altres eines durant l'avaluació i que s'asseguri que funcionen correctament. La verificació dels coneixements per garantir l'autoria de la prova no implicarà en cap cas una segona avaluació. |
||||||||||||||||||||||||||||
|