Ficha validada si Universidad Pública de Navarra - Campus de Excelencia Internacional Ficha de la asignatura - Universidad Pública de Navarra

Universidad Pública de Navarra



Año Académico: 2017/2018 | Otros años:  2016/2017  |  2015/2016 
Máster Universitario en Sistemas de Información Geográfica y Teledetección
Código: 73126 Asignatura: Sistemas inteligentes para la extracción de información
Créditos: 3 Tipo: Obligatoria Curso: 1 Periodo: 2º S
Departamento: Automática y Computación
Profesores
SANZ DELGADO, JOSÉ ANTONIO (Resp)

Partes de este texto:

 

Módulo/Materia

Módulo: Teledetección

Materia: Extracción de información de imágenes remotas

Subir

Descriptores

Sistemas inteligentes. Clasificación supervisada y no supervisada. Multiclasificadores  

Subir

Competencias genéricas

CB7: Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.

CB8: Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.

Subir

Competencias específicas

CE09: Ser capaz de utilizar técnicas y métodos avanzados de procesamiento de imágenes satelitales y aéreas para extraer información que permita comprender fenómenos complejos y dinámicos.

Subir

Resultados aprendizaje

RA6: Manejar las herramientas matemáticas utilizadas en los sistemas inteligentes y el procesamiento avanzado de imágenes.
RA7: Determinar la técnica adecuada para obtener la información necesaria en un problema de teledetección.
RA8: Aplicar herramientas avanzadas de clasificación supervisada y no supervisada para clasificar o segmentar una imagen. 

Subir

Metodología

Actividades formativas Horas presenciales Horas no presenciales
A-1 Clases expositivas/participativas 12  
A-2 Prácticas 16  
A-3 Actividades de aprendizaje cooperativo    
A-4 Realización de proyectos individuales o en grupo   22
A-5 Estudio y trabajo autónomo del estudiante   20
A-6 Tutorías   3
A-7 Pruebas de evaluación 2  
     
TOTAL 30 45

 

Metodologías Docentes

  • Método expositivo
  • Resolución de ejercicios y problemas
  • Aprendizaje basado en problemas
  • Aprendizaje cooperativo en grupos pequeños
  • Aprendizaje orientado a proyectos
  • Orientación
  • Evaluación de competencias

Subir

Relación actividades formativas-competencias

Competencia Actividad formativa
CB7 A-2, A-4
CB8 A-2, A-3, A-4
CE09 A-1, A-2, A-4, A-5, A-6

Subir

Idiomas

Castellano, aunque se podrá proporcionar a los estudiantes bibliografía y material docente en ingles.

Subir

Evaluación

Resultado de aprendizaje Sistema de evaluación Peso (%) Carácter recuperable
RA6, RA7, RA8 Pruebas de duración corta 5 No
RA6, RA7, RA8 Pruebas de respuesta larga 50 Nota mínima para que pondere en calificación final = 4/10 Recuperable mediante prueba escrita
RA7, RA8 Trabajos e informes 45 Recuperable mediante trabajo extra

 

 

La evaluación de recuperación consistirá en un examen teórico-práctico que recuperará los apartados segundo y tercero (95%). 
La calificación final de aquellos estudiantes que no obtengan un 5 (sobre 10) en esta recuperación será la obtenida en este examen.

Subir

Contenidos

  • Sistemas inteligentes y procesamiento avanzado de imagen.
  • Técnicas avanzadas de clasificación no supervisada. Algoritmos de agrupamiento o clustering. Agrupamiento difuso. aplicación a segmentación de imágenes en teledetección.
  • Técnicas avanzadas de clasificación supervisada. Árboles de decisión y árboles de decisión difusos. Redes neuronales. Máquinas de vectores soportes.
  • Multiclasificadores.

Subir

Temario

Tema 1: Introducción a la minería de datos. Proceso KDD.

Tema 2: Definición de los problemas de clasificación. Evaluación de los resultados.

Tema 3: Técnicas de pre-procesamiento de los datos.

Tema 4: Sistemas de clasificación.

Tema 5: Sistemas de clasificación múltiples.

Subir

Bibliografía

Acceda a la bibliografía que su profesor ha solicitado a la Biblioteca.


  • Data Mining. Practical machine learning tools and techniques (Third Edition). I. A. Witten, E. Frank y M. A. Hall. Morgan Kaufman Publishers (2011).
  • Data mining and knowledge discovery handbook (Second Edition). O. Maimon y L. Rokach. Springer (2010).
  • The top ten algorithms in data mining (First edition). X. Wu y V. Kumar. Chapman & Hall/CRC (2009).
  • Classification and modeling with linguistic information granules. Advanced approaches to linguistic data mining. H. Ishibuchi, T. Nakashima y M. Nii.Springer (2005).
  • Data mining with decision trees. Theory and applications. L. Rokach y O. Maimon. World scientific Publishing (2008).
  • Patter classification using ensemble methods. L. Rokach. World Scientific Publishing (2010).

Subir

Lugar de impartición

Aula de informática del Aulario. Se concretará aula antes del inicio del curso. Consultar en la web del master, en el apartado de Calendario, Horarios y Aulas.

Subir