Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2007
Descripció:
Aprenentatge automàtic, descobriment de coneixement, ecosistemes, sistemes distribuïts d'informació, Intel•ligència Artificial.
Crèdits:
4
Idioma principal de les classes:
Sense especificar
S’utilitza oralment la llengua anglesa en l'assignatura:
Sense especificar
S’utilitzen documents en llengua anglesa:
Sense especificar

Grups

Altres Competències

  • L’objectiu del curs és introduir a l’estudiant en les tècniques i mètodes de l’Aprenentatge Automàtic. L’estudiant coneixerà quines són les eines disponibles per aprendre coneixement a partir de dades, com a un procés de descobriment del coneixement. Al final del curs, l’estudiant ha de ser capaç d’identificar si una aproximació basada en l’Aprenentatge Automàtic és apropiada per aprendre coneixement per resoldre un problema donat.

Continguts

1. Part 1: Basic Machine Learning Methods

          1.1. Introduction.

          1.2. Data preparation.

          1.3. Induction of Decision Tress. ID3.

          1.4. Neural Networks

          1.5. Deductive learning

          1.6. Bayesian Networks

          1.7. Clustering

          1.8. Case-based reasoning

          1.9. Genetic algoritms

2. Part II: Advanced topics

          2.1. Reinforcement learning

          2.2. Boosting algoritms

          2.3. Support Vector Machines

          2.4. MAS learning paradigms

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Total 0 0 0

Bibliografia

  • Adamo, Jean-Marc (2000). Data mining for association rules and sequential patterns, : sequential and parallel algorithms. New York: Springer.
  • Cristianini, Shawe-Ta (2000). An Introduction to Support Vector Machines and Other Kernel-based Learning Metho (1st edition). Cambridge University Press.
  • Duda, Richard O, Hart, Peter E, Stork, David G (cop. 2001). Pattern classification (2nd ed). New York [etc.]: John Wiley & Sons.
  • Fayyad, Usama M. (cop. 1996). Advances in knowledge discovery and data mining. Menlo Park, Califòrnia [etc.]: AAA/MIT Press.
  • Giráldez, Raúl, Riquelme, José C., Aguilar, Jesús S. (D.L. 2004). Tendencias de la minería de datos en España : (TIC2002-11124-E). [Sevilla]: s.n..
  • Hand, D. J (cop. 2001). Principles of data mining. Cambridge: MIT Press.
  • Hastie, Trevor, Tibshiriani, Robert, Friedman, Jerome (cop. 2001). The Elements of statistical learning. New York [etc.]: Springer.
  • Hernández Orallo, José, Ramírez Quintana, María José, Ferri Ramírez, Cèsar (cop. 2004). Introducción a la minería de datos. Madrid: Pearson.
  • Isasi Viñuela, Pedro, Galván León, Inés M (cop. 2004). Redes de neuronas artificiales, : un enfoque práctico. Madrid [etc.]: Prentice Hall.
  • MacKay, David J. C. (cop. 2003). Information theory, inference, and learning algorithms. Cambridge [etc.]: Cambridge University Press.
  • Mitchell, Melanie (cop. 1996). An Introduction to genetic algorithms. Cambridge [etc.]: The MIT Press.
  • Mitchell, Tom M (cop. 1997). Machine learning. New York [etc.]: The McGraw-Hill Companies.
  • Moreno, A., et al. (1994). Aprendizaje Automático. Edicions UPC.
  • Sangüesa, R. (2000). Data Mining. Una introducció.. Edicions UOC.
  • Sutton, Richard S, Barto, Andrew G (cop. 1998). Reinforcement learning, : an introduction. Cambridge, Mass: MIT Press.
  • Russell, Stuart J, Norvig, Peter, Canny, John Francis (cop. 2003). Artificial intelligence, : a modern approach (2nd ed). Englewood Cliffs, N.J: Prentice Hall.

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %

Qualificació

Mètodes docents:
Els continguts de l’assignatura poden resultar a primer cop d’ull molt complexos. Tanmateix, el desenvolupament d’aquests només es realitza de forma fonamental.

El desenvolupament de l’assignatura es realitzarà en classes teòriques. A les classes de teoria es presentarà la matèria, incloent la realització d’exemples que il·lustrin les idees exposades. S’utilitzarà la pissarra i també transparències.
Tipus d'exàmens:
Cada estudiant haurà de realitzar un treball, acordat prèviament amb el professor, i sobre el qual serà avaluat.

Observacions

Consulteu http://eia.udg.edu/~blopez/taace/

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.