|
||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción Conocimientos previos Información previa a la matrícula Objetivos y competencias Contenidos Consulta de los recursos de aprendizaje de la UOC para la asignatura Información adicional sobre los recursos de aprendizaje y herramientas de apoyo Informaciones sobre la evaluación en la UOC Consulta del modelo de evaluación | ||||||||||||||||||||||||||||||
Este es el plan docente de la asignatura para el primer semestre del curso 2024-2025. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios. | ||||||||||||||||||||||||||||||
El curso de Reconocimiento de Patrones introducirá al estudiante a las técnicas que permiten extraer información de un conjunto de datos. En particular el curso se centra en el reconocimiento de patrones dentro del contexto de la visión por computador. Las imágenes son una de las principales fuentes de información utilizadas por el cerebro humano a nivel perceptivo para tomar decisiones. Como consecuencia, el reconocimiento de patrones dentro del contexto de la visión por computador tiene un gran interés, especialmente hoy en día que tenemos a nuestra disposición una enorme cantidad de datos visuales que no es posible analizar a mano. Las aplicaciones a nivel práctico del reconocimiento de patrones en el contexto de la visión artificial son muchas. Por ejemplo la seguridad, la medicina, la inspección automática, o la navegación automática. |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
Este curso está orienteado al estudio de los conceptos fundamentales de la visión por computador, el reconocimiento de patrones y otros temas avanzados relacionados con los problemas de análisis y reconocimiento automático de imágenes complejas. En particular, los objetivos del aprendizaje son los siguientes:
Las competencias específicas que se tratan en este curso son las siguientes: A1. Capacidad para comprender y poder aplicar conocimientos avanzados de computación y métodos numéricos o computacionales a problemas de ingeniería. A2. Capacidad para aplicar métodos computacionales, matemáticos y estadísticos para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y/o sistemas basados en el conocimiento. A3. Capacidad para aplicar los métodos matemáticos y computacionales a la resolución de problemas tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación. A4. Capacidad para modelar problemas mediante un lenguaje matemático y resolverlos mediante un razonamiento formal. A5. Capacidad para identificar teorías matemáticas necesarias para la construcción de modelos a partir de problemas de otras disciplinas. A6. Capacidad para manejar software matemático y estadístico. A9. Capacidad para analizar y procesar datos que permitan generar y gestionar información útil en la toma de decisiones. A10. Capacidad para diseñar, implementar y validar algoritmos utilizando las estructuras más convenientes. |
||||||||||||||||||||||||||||||
Tema 1. Introducción a la visión por computador. Breve historia de la visión por computador. Espacios de color. Tema 2. Procesado de Imágenes: Filtros lineales y filtros no lineales. Operadores morfológicos. Tema 3. Extracción de características. Detección y descripción de características. Feature matching. Content-based image retrieval. Segmentación. Tema 4. Machine Learning. Aprendizaje supervisado y no supervisado. Deep Neural Networks. Convolutional Neural Networks. Tema 5. Clasificación de Imágenes. Métodos basados en características. Métodos basados en Convolutional Neural Networks. Tema 6. Detección de objetos. Detección de caras. Detección de personas. Detección de objetos. Tema 7. Segmentación semántica. Instance segmentation. Panoptic segmentation. Pose estimation. Tema 8. Comprensión de vídeo (Video understanding). Reconocimiento de acciones. Optical flow. Object tracking. Video object segmentation. Tema 9. Modelos generativos. Autoencoders. Variational autoencoders. Generative Adversarial Networks (GANs). |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
Para los ejercicios prácticos se usaran los recursos que se pueden encontrar en el siguiente repositorio de código de la asignatura: https://gitlab.uoclabs.uoc.es/patternrecognition/pattern-recognition/-/tree/master |
||||||||||||||||||||||||||||||
En la UOC, la evaluación generalmente es virtual. Se estructura en torno a la evaluación continua, que incluye diferentes actividades o retos; la evaluación final, que se lleva a cabo mediante pruebas o exámenes, y el trabajo final de la titulación. Las actividades o pruebas de evaluación pueden ser escritas y/o audiovisuales, con preguntas aleatorias, pruebas orales síncronas o asíncronas, etc., de acuerdo con lo que decida cada equipo docente. Los trabajos finales representan el cierre de un proceso formativo que implica la realización de un trabajo original y tutorizado que tiene como objetivo demostrar la adquisición competencial hecha a lo largo del programa. Para verificar la identidad del estudiante y la autoría de las pruebas de evaluación, la UOC se reserva la potestad de aplicar diferentes sistemas de reconocimiento de la identidad y de detección del plagio. Con este objetivo, la UOC puede llevar a cabo grabación audiovisual o usar métodos o técnicas de supervisión durante la ejecución de cualquier actividad académica. Asimismo, la UOC puede exigir al estudiante el uso de dispositivos electrónicos (micrófonos, cámaras u otras herramientas) o software específico durante la evaluación. Es responsabilidad del estudiante asegurar que estos dispositivos funcionan correctamente. El proceso de evaluación se fundamenta en el trabajo personal del estudiante y presupone la autenticidad de la autoría y la originalidad de las actividades académicas. La web sobre integridad académica y plagio de la UOC contiene información al respecto. La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; la suplantación de identidad; la aceptación o la obtención de cualquier actividad académica a cambio o no de una contraprestación; la colaboración, el encubrimiento o el favorecimiento de la copia, o el uso de material, software o dispositivos no autorizados en el plan docente o el enunciado de la actividad académica, incluida la inteligencia artificial y la traducción automática, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves. Estas conductas irregulares pueden conllevar el suspenso (D/0) en las actividades evaluables definidas en el plan docente -incluidas las pruebas finales- o en la calificación final de la asignatura, ya sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas (como el uso de inteligencia artificial no permitida, redes sociales o buscadores de información en internet), porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas de otros estudiantes, etc.) sin la citación correspondiente, por la compraventa de actividades académicas, o porque se ha llevado a cabo cualquier otra conducta irregular. Asimismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC. En el marco del proceso de evaluación, la UOC se reserva la potestad de:
Inteligencia artificial en el marco de la evaluación La UOC reconoce el valor y el potencial de la inteligencia artificial (IA) en el ámbito educativo y, a su vez, pone de manifiesto los riesgos que supone si no se utiliza de forma ética, crítica y responsable. En este sentido, en cada actividad de evaluación se informará al estudiantado sobre las herramientas y los recursos de IA que se pueden utilizar y en qué condiciones. Por su parte, el estudiantado se compromete a seguir las indicaciones de la UOC a la hora de realizar las actividades de evaluación y de citar las herramientas utilizadas y, concretamente, a identificar los textos o imágenes generados por sistemas de IA, los cuales no podrá presentar como si fueran propios. Respecto a usar o no la IA para resolver una actividad, el enunciado de las actividades de evaluación indica las limitaciones en el uso de estas herramientas. Debe tenerse en cuenta que usarlas de manera inadecuada, como por ejemplo en actividades en las que no están permitidas o no citarlas en las actividades en las que sí lo están, puede considerarse una conducta irregular en la evaluación. En caso de duda, se recomienda que, antes entregar la actividad, se haga llegar una consulta al profesorado colaborador del aula. |
||||||||||||||||||||||||||||||
|