Universidad Pública de Navarra



Año Académico: 2025/2026 | Otros años:  2024/2025  |  2023/2024  |  2022/2023  |  2021/2022 
Graduado o Graduada en Ciencia de Datos por la Universidad Pública de Navarra
Código: 505304 Asignatura: APRENDIZAJE AUTOMÁTICO
Créditos: 6 Tipo: Obligatoria Curso: 3 Periodo: 1º S
Departamento: Estadística, Informática y Matemáticas
Profesorado:
SESMA SARA, MIKEL (Resp)   [Tutorías ]

Partes de este texto:

 

Módulo/Materia

  • Nivel 1: Aprendizaje.
  • Nivel 2: Aprendizaje.

Subir

Descripción/Contenidos

Aprendizaje basado en ejemplos. Análisis del bias. Aprendizaje automático e inteligente. Máquinas de soporte vectorial. Ensembles. Análisis del clúster. Perceptrón multicapa. Aprendizaje bayesiano. 

Subir

Competencias genéricas

No aplica

Subir

Competencias específicas

No aplica

Subir

Resultados aprendizaje

RA04 - Saber utilizar los procesos teóricos y aplicados que permiten extraer información a partir de conjuntos de datos de naturaleza homogénea u heterogénea, en particular cuando se trata de grandes volúmenes de datos TIPO: Conocimientos o contenidos
RA05 - Identificar las soluciones más adecuadas y efectivas para los problemas que se planteen el marco de la Ciencia de Datos, teniendo en cuenta tanto las características propias del problema como el entorno del mismo TIPO: Conocimientos o contenidos
RA29 - Entender las estructuras bioinspiradas para el aprendizaje, sus bases teóricas, su diseño y sus aplicaciones en diferentes problemas TIPO: Competencias
RA27 - Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio TIPO: Competencias
RA28 - Manejar los métodos de aprendizaje tanto estadísticos como automáticos aplicados a conjuntos de datos TIPO:
Competencias

Subir

Metodología

Metodología - Actividad 

Horas presenciales 

Horas no presenciales 

A1- Clases expositivas 

28 

 

A2- Prácticas 

28 

 

A4- Realización de trabajos/proyectos en grupo 

 

10 

A5-Estudio y trabajo autónomo del estudiante 

 

78 

A6- Tutorías 

 

2 

A7- Pruebas de evaluación 

4 

 

Total 

60 

90 

Subir

Evaluación

 

Actividad de
evaluación		 Peso (%) Carácter
recuperable		 Nota mínima
requerida
SE1- Pruebas escritas 50%  Sí 5/10
SE5- Pruebas e informes de trabajo experimental  30%
 Sí 5/10
SE3- Presentaciones orales  5%  No  
SE4- Trabajos e informes 15% No  

Nota: La calificación de aquellos estudiantes que no alcancen la nota mínima en las actividades primera o segunda será:

  • La media ponderada con los pesos indicados si esta media es menor o igual a 4.
  • 4 si la media es mayor que 4.

Subir

Temario

  • Introducción
  • Regresión lineal
  • Regresión logística
  • Regularización
  • Teoría del aprendizaje. Bias, Varianza
  • K vecinos más cercanos
  • Aprendizaje estadístico
  • Redes Neuronales
  • Máquinas de Soporte Vectorial (SVM)
  • Árboles de decisión

Subir

Bibliografía

Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.


La bibliografía básica de la asignatura es la que sigue:

  • Gonzalo Pajares, Aprendizaje Automatico, Ra-Ma, 2010

La bibliografía complementaria de la asignatura es la que sigue:

  • Mitchell, T. (1997)."Machine Learning", McGraw Hill. ISBN 0-07-042807-7
  • Trevor Hastie, Robert Tibshirani, Jerome Friedman, "The elements of statistical learning", Springer. Acceso libre online
  • Bishop, C. M. (2006), "Pattern Recognition and Machine Learning", Springer, ISBN 0-387-31073-8

Subir

Idiomas

Castellano

Subir

Lugar de impartición

Universidad Pública de Navarra, Campus Arrosadía.

Subir