CB6 Tenir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context de recerca. CB7 Que els estudiants sàpiguen aplicar els coneixements adquirits i la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis relacionats amb la seva àrea d'estudi CB10 Que els estudiants tinguin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma CG1Dissenyar propostes creatives CE6 Analitzar un problema de ciència de dades i identificar les tècniques i les eines apropiades per a resoldre'l CE7 Entendre, desenvolupar, modificar i aplicar de manera efectiva mètodes d'aprenentatge automàtic CE8 Quantificar la bondat dels resultats obtinguts mitjançant la tecnologia de la ciència de dades a través de mètriques adequades CE13 Entendre les dades a partir de visualitzacions adequades
1. Xarxes Neuronals. Repàs. 2. Xarxes Neuronals Convolucionals 3. Transfer Learning and Knowledge Distillation 4. Models seqüencials: Xarxes Neuronals Recurrents i Mecanismes d'Attention 5. Models Generatius 6. Large Language Models 7. Paranys i explicabilitat del ML 8. Graph Neuronal Networks 9. Reinforcement Learning 10. Models Recomanedors
Tipus d’activitat Hores amb professor Hores sense professor Hores virtuals amb professor Total Anàlisi / estudi de casos 2,00 60,00 0 62,00 Lectura / comentari de textos 0 50,00 0 50,00 Resolució d'exercicis 15,00 65,00 0 80,00 Sessió participativa 37,00 50,00 0 87,00 Total 54,00 225,00 0 279
Varis (2024). Apunts i articles proposat per cada professor. Varis,, Jigar Tewar (2023). Generative AI models 2023: Large language models (LLMs) (2023). Kindle Edition. Sinan Ozdemir (2023). Quick Start Guide to Large Language Models: Strategies and Best Practices for Using ChatGPT and Other LLMs . Addison-Wesley Professional. Shubham Saboo (2022). GPT-3: Building Innovative NLP Products Using Large Language Models. O'Reilly Media. I. Goodfellow, Y. Bengio, A. Courville (2016). Deep Learning. MIT Press. R. Shanmugamani (2018). Deep Learning for Computer Vision. Packt Publishing. D. Foster (2023). Generative Deep Learning, 2nd Edition. O'Reilly Media.
Activitats d'avaluació: Descripció de l'activitat Avaluació de l'activitat % Recuperable Exercici de Classificació d'imatges Presentació i correcció 5 No Exercici de Detecció i Classificació d'objectes Presentació i correcció 5 No Exercici de Generació d'imatges Presentació i correcció 5 No Prova de ML per imatges Examen 35 No Pràctica amb LLM Presentació i correcció 5 No Implementació d'una GNN Presentació i correcció 5 No Resolució d'un problema mitjançant RL Presentació i correcció 5 No Prova LLM, GNN i RL Examen 35 No
Presentar les pràctiques i exercicis de l'assignatura. Realització de les proves. La suma ponderada de les parts avaluables ha de ser >= 5. Criteris específics de la nota «No Presentat»: No presentar cap pràctica ni exercici i tampoc assistir a cap prova. Avaluació única: Presentar les pràctiques i exercicis de l'assignatura. Realització de les proves. La suma ponderada de les parts avaluables ha de ser >= 5. Requisits mínims per aprovar: Per considerar superada l’assignatura, caldrà obtenir una qualificació mínima de 5.0