Escuela Técnica Superior de Ingeniería de Telecomunicación Escuela Técnica Superior de Ingeniería de Telecomunicación Escuela Técnica Superior de Ingeniería de Telecomunicación
HUB
HUB
Calidad
Actualidad
Agenda
International [EN]
Buscador
El Centro
Estudios
Movilidad
Empleo
Investigación
Trámites
Universidad Politécnica de Cartagena Universidad Politécnica de Cartagena Universidad Politécnica de Cartagena European University of Technology European University of Technology European University of Technology
HUB
Calidad
Actualidad
Agenda
International [EN]
Buscador
El Centro
Estudios
Movilidad
Empleo
Investigación
Trámites

Inicio / Estudios / Grado en Ciencia e Ingeniería de Datos / Plan de Estudios

Guía Docente

MACHINE LEARNING II

Curso 2024-25

  • Presencial

1. Descripción General

Nombre: MACHINE LEARNING II

Código: 525103002

Carácter: Obligatoria

ECTS: 6

Unidad Temporal: Cuatrimestral

Despliegue Temporal: Curso 3º - Primer cuatrimestre

Menciones/Especialidades:

Lengua en la que se imparte: Castellano

Carácter: Presencial

2. Datos del profesorado

3. Competencias y resultados del aprendizaje

3.1. Competencias básicas del plan de estudios asociadas a la asignatura

[CB2 ]. Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio

[CB4 ]. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

3.2. Competencias generales del plan de estudios asociadas a la asignatura

[CG1 ]. Conocer y aplicar la analítica de datos y técnicas estadísticas apropiadas para descubrir nuevas relaciones en los datos y realizar aportaciones a procesos de las organizaciones, así como apoyar en la toma de decisiones.

[CG4 ]. Capacidad para aplicar los métodos generales de la ciencia e ingeniería de datos en los tipos de datos de dominios específicos, así como en la presentación de los datos, el modelado de datos y procesos, los roles organizacionales y las relaciones entre estos.

[CG6 ]. Ser capaz de buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo.

3.3. Competencias específicas del plan de estudios asociadas a la asignatura

[CE1 ]. Usar de forma efectiva una variedad de técnicas de análisis de datos, tales como aprendizaje computacional (incluyendo aprendizaje supervisado, no supervisado y semi-supervisado), minería de datos, analítica prescriptiva y predictiva, para abordar el análisis de datos complejo en todo el ciclo de vida de los datos.

[CE2 ]. Desarrollar programas orientados al análisis de datos, usando las estructuras de datos, algoritmos y herramientas de programación adecuadas.

[CE4 ]. Comprender y usar diferentes métricas de desempeño y precisión para validar modelos en proyectos de analítica, test de hipótesis y recuperación de información.

[CE5 ]. Desarrollar análisis de datos para tareas de organizaciones, integrar diferentes analíticas y aplicaciones de procesamiento de datos en el flujo de trabajo de las organizaciones y los procesos de negocio con el fin de agilizar la toma de decisiones.

3.4. Competencias transversales del plan de estudios asociadas a la asignatura

3.5. Resultados del aprendizaje de la asignatura

Utilizar herramientas para manejo de datos complejos.
Analizar fuentes de datos disponibles y desarrollar herramientas que funcionen con conjuntos de datos complejos.
Desarrollar analíticas especializadas para permitir la toma de decisiones.
Usar múltiples métricas de rendimiento y precisión, seleccione y use las más apropiadas para el tipo específico de aplicación de análisis de datos.

4. Contenidos

4.1 Contenidos del plan de estudios asociados a la asignatura

Soft-computing y razonamiento aproximado. Razonamiento probabilista. Método probabilístico clásico. K-NN y ventanas de Parzen. Redes Bayesianas. Datos secuenciales. Modelos de Markov y modelos ocultos de Markov. Algoritmos genéticos y técnicas evolutivas en ML. Procesado de datos con valores perdidos. Imputación. Evaluación de prestaciones y calidad. Conjuntos desequilibrados. Aprendizaje multitarea.

4.2. Programa de teoría

Unidades didácticas

Temas

1. Razonamiento probabilista y redes bayesianas

2. Datos secuenciales y modelos de Markov

3. Razonamiento fuzzy

4. Algoritmos genéticos

5. Procesado de datos y evaluación de modelos

4.3. Programa de prácticas

Nombre

Descripción

1. Razonamiento probabilista y redes bayesianas

2. Modelos de Markov

3. Sistema de inferencia fuzzy

4. Algoritmo genético

5. Preprocesamiento de datos y evaluación de modelos

Prevencion de riesgos

La Universidad Politécnica de Cartagena considera como uno de sus principios básicos y objetivos fundamentales la promoción de la mejora continua de las condiciones de trabajo y estudio de toda la Comunidad Universitaria. Este compromiso con la prevención y las responsabilidades que se derivan atañe a todos los niveles que integran la Universidad: órganos de gobierno, equipo de dirección, personal docente e investigador, personal de administración y servicios y estudiantes. El Servicio de Prevención de Riesgos Laborales de la UPCT ha elaborado un "Manual de acogida al estudiante en materia de prevención de riesgos" que puedes encontrar en el Aula Virtual, y en el que encontraras instrucciones y recomendaciones acerca de cómo actuar de forma correcta, desde el punto de vista de la prevención (seguridad, ergonomía, etc.), cuando desarrolles cualquier tipo de actividad en la Universidad. También encontrarás recomendaciones sobre cómo proceder en caso de emergencia o que se produzca algún incidente. En especial, cuando realices prácticas docentes en laboratorios, talleres o trabajo de campo, debes seguir todas las instrucciones del profesorado, que es la persona responsable de tu seguridad y salud durante su realización. Consúltale todas las dudas que te surjan y no pongas en riesgo tu seguridad ni la de tus compañeros.

4.4. Programa de teoría en inglés

Unidades didácticas

Temas

1. Probabilistic reasoning and bayesian networks

2. Sequential data and Markov models

3. Fuzzy reasoning

4. Genetic algorithms

5. Data processing and model evaluation

4.5. Observaciones

5. Actividades formativas

Denominación

Descripción

Horas

Presencialidad

Denominación

Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas.

Descripción

Exposición de los contenidos teóricos de la asignatura por parte del profesor.

Horas

30

Presencialidad

100

Denominación

Seminarios y actividades de aula: Exposición, análisis y debate dentro del contexto de aplicaciones específicas de contenidos teóricos, así como planteamiento y resolución de ejercicios y casos prácticos en el aula, tanto al grupo completo como en grupos reducidos. También se contemplan conferencias, debates y seminarios temáticos.

Descripción

Planteamiento y resolución de ejercicios y casos prácticos en el aula.

Horas

3

Presencialidad

100

Denominación

Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos.

Descripción

Simulaciones y/o prácticas con ordenadores, desarrolladas por parejas o individualmente.

Horas

20

Presencialidad

100

Denominación

Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades.

Descripción

Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, sistematización de contenidos, y/o elaboración de informes.

Horas

90

Presencialidad

0

Denominación

Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor.

Descripción

Asistencia individualizada o en grupo, de forma presencial o en la modalidad de videollamada.

Horas

3

Presencialidad

100

Denominación

Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.

Descripción

Pruebas individuales escritas y/o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia.

Horas

4

Presencialidad

100

6. Sistema de evaluación

6.1. Sistema de evaluación continua

Denominación

Descripción y criterios de evaluación

Ponderación

Denominación

Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

Descripción y criterios de evaluación

Prueba de evaluación global de carácter obligatorio consistente en un examen que evalúe los contenidos teóricos de la materia. El examen consistirá en preguntas mixtas de desarrollo corto y/o tipo test, preguntas de demostración de relaciones entre conceptos/propiedades, y ejercicios.

Ponderación

70 %

Denominación

Procedimientos de observación del trabajo del estudiante: Registros de participación, de realización de actividades, cumplimiento de plazos, participación en foros, informes de seguimiento del trabajo fin de grado y registros sobre el desarrollo de las prácticas externas.

Descripción y criterios de evaluación

.

Ponderación

0 %

Denominación

Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

Descripción y criterios de evaluación

Se evalúan los entregables solicitados en cada práctica (informes, código fuente, etc). La nota global del trabajo práctico de laboratorio se calculará como el promedio ponderado de las notas de todos los entregables.

Ponderación

30 %

6.2. Sistema de evaluación final

Denominación

Descripción y criterios de evaluación

Ponderación

Denominación

Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

Descripción y criterios de evaluación

Prueba de evaluación global de carácter obligatorio consistente en un examen que evalúe los contenidos teóricos de la materia. El examen consistirá en preguntas mixtas de desarrollo corto y/o tipo test, preguntas de demostración de relaciones entre conceptos/propiedades, y ejercicios.

Ponderación

70 %

Denominación

Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

Descripción y criterios de evaluación

Se evalúan los entregables solicitados en cada práctica (informes, código fuente, etc). La nota global del trabajo práctico de laboratorio se calculará como el promedio ponderado de las notas de todos los entregables.

Ponderación

30 %

Información

7. Bibliografía y recursos

7.1. Bibliografía básica

Autor: Palma Méndez, José Tomás, Marín Morales, Roque
Título: Inteligencia artificial métodos, técnicas y aplicaciones
Editorial: McGraw-Hill
Fecha Publicación: 2008
ISBN: 9788448156183

Autor: Mitchell, Tom M.
Título: Machine learning
Editorial: The McGraw-Hill Companies, Inc.,
Fecha Publicación: 1997
ISBN: 9780070428072

Autor: Russell, Stuart
Título: Artificial Intelligence: a modern approach
Editorial: Pearson
Fecha Publicación: 2021
ISBN: 9781292401133

7.2. Bibliografía complementaria

Autor: Alpaydin, Ethem
Título: Introduction to machine learning
Editorial: The MIT Press,
Fecha Publicación: 2004
ISBN: 0262012111

CRAI
Campus Virtual
Sede
UPCT-TV

(+34) 968 32 53 13

direccion@etsit.upct.es

  • EL CENTRO
    • Equipo de Dirección
    • Junta Directiva
    • Secretaría Académica
    • Delegación de Estudiantes
    • Profesorado
    • Departamentos
    • Normativa
  • HUB
  • ESTUDIOS DE GRADO
    • Grado en Ciencia e Ingeniería de Datos
    • Grado en Ingeniería en Sistemas de Telecomunicación
    • Grado en Ingeniería Telemática
  • ESTUDIOS DE MÁSTER
    • Máster Universitario en Ingeniería de Telecomunicación
    • Máster Universitario en Ingeniería Telemática
    • Máster Interuniversitario en Comunicación Móvil y Contenido Digital
    • Doble Máster en Ingeniería de Telecomunicación (UPCT + Université de Lille)
    • Doble Máster de Ingeniería de Telecomunicación e Ingeniería Telemática
  • MOVILIDAD
    • Erasmus+
  • INVESTIGACIÓN
    • Grupos de Investigación
    • Cátedras
  • ACTUALIDAD
    • Noticias
    • Agenda
  • TRÁMITES
  • CALIDAD
  • EMPLEO
  • CONTACTO
    • Ubicación

    • Edificio Cuartel de Antigones
      Plaza del Hospital, 1
      30202 - Cartagena

Conserjería
(+34) 968 33 88 59
Dirección

(+34) 968 32 53 13
direccion@etsit.upct.es

Conserjería
Dirección
Logo ETSIT
Universidad Politécnica de Cartagena EUt+ 25 Aniversario de Universidad Politécnica de Cartagena