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.
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
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.
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.