Tratamiento Estadístico Computacional de la Información (conjunto con UPM)
Máster. Curso 2023/2024.
TÉCNICAS DE RECONOCIMIENTO DE PATRONES - 607581
Curso Académico 2023-24
Datos Generales
- Plan de estudios: 063U - MÁSTER UNIVERSITARIO EN TRATAMIENTO ESTADÍSTICO COMPUTACIONAL DE LA INFORMA (2013-14)
- Carácter: OBLIGATORIA
- ECTS: 3.0
SINOPSIS
COMPETENCIAS
Generales
CG1 - Aprender a aplicar los conocimientos adquiridos y a explotar su potencial para la resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) en el tratamiento estadístico-computacional de la información.
CG2 Elaborar adecuadamente y con originalidad argumentos motivados y proyectos de trabajo, redactar planes, así como formular hipótesis y conjeturas razonables en su área de especialización.
CG3 - Integrar los conocimientos adecuados y enfrentarse a la complejidad de emitir juicios en función de criterios, de normas externas o de reflexiones personales justificadas.
CG4 - Comunicar y presentar públicamente ideas, procedimientos o informes de investigación, así como asesorar a personas u organizaciones en el tratamiento estadístico-computacional de la información. La presentación de estas ideas debe transmitir de forma clara y precisa las conclusiones de forma que sean entendidas tanto por el especialista como por el profano en temas estadístico-computacionales.
CG5 - Comprender y utilizar el lenguaje y las herramientas matemáticas para modelizar y resolver problemas complejos, reconociendo y valorando las situaciones y problemas susceptibles de ser tratados matemáticamente.
CG6 - Conocer los modelos, métodos y técnicas relevantes en distintas áreas de aplicación de la estadística matemática participando en la creación de nuevas tecnologías que contribuyan al desarrollo de la Sociedad de la Información.
CG7 - Saber abstraer en un modelo matemático las propiedades y características esenciales de un problema real reconociendo su rango de aplicabilidad y limitaciones.
Específicas
CE2 - Capacidad para planificar la resolución de un problema en función de las herramientas de que se disponga y, en su caso, de las restricciones de tiempo y recursos.
CE4 - Desarrollar habilidades de aprendizaje en Estadística Computacional y Matemáticas, así como en sus respectivas aplicaciones, que permitan al alumno continuar estudiando y profundizando en la materia de modo autónomo, así como el desarrollo profesional con un alto grado de independencia.
CE5 - Resolver problemas y casos reales planteados en el tratamiento estadístico-computacional de la información generada en los ámbitos de la ciencia, la tecnología y la sociedad mediante habilidades de modelización matemática, estimación y computación.
ACTIVIDADES DOCENTES
Clases teóricas
50%
Clases prácticas
50%
Presenciales
No presenciales
Semestre
Breve descriptor:
Formalización de las técnicas relacionadas con el reconocimiento de patrones y aplicación al diseño de sistemas biométricos.
Objetivos
- Conocerán los conceptos y técnicas relacionados con el reconocimiento de patrones y su formalismo matemático, los fundamentos de los sistemas biométricos, y la aplicación de las técnicas de reconocimiento de patrones en el diseño de sistemas biométricos.
- Serán capaces de determinar los ingredientes de un problema para diseñar la arquitectura que mejor se adecua a su resolución.
- Serán capaces de resolver problemas colaborando con compañeros, y de exponer sus resultados.
Contenido
1. Introducción a las técnicas de reconocimiento de patrones
2. Clasificadores de patrones basados en la teoría de decisión bayesiana
3. Clasificadores lineales
4. Clasificadores no lineales
5. Extracción/selección de características
6. Generación de características
7. Evaluación del clasificador
Evaluación
Por defecto será Evaluación Progresiva. En caso de suspender ésta o por renuncia, se procederá a la Evaluación por Prueba Final.
En la Evaluación Progresiva:
- Trabajo (70%): elaboración y entrega del trabajo, exposición del trabajo en aula, examen oral en la exposición del trabajo.
- Examen teórico-práctico (20%)
- Asistencia y participación activa (10%): se tendrá en cuenta la asistencia a clase por parte del alumno.
La evaluación por Prueba Final, así como el examen de la convocatoria extraordinaria consistirá en las mismas pruebas y exámenes que se hayan ido haciendo durante el curso con la misma proporción de nota. Se podrán guardar notas correspondientes a los exámenes teórico-prácticos así como las correspondientes pruebas de participación activa.
Bibliografía
Theodoridis S., Koutroumbas K. (2009): Pattern Recognition. Academic Press.
https://ebookcentral.proquest.com/lib/upmes/detail.action?docID=534973.
Theodoridis S., Pikrakis A., Koutroumbas K., Cavouras (2010): D. Introduction to Pattern Recognition. A Matlab Approach. Academic Press.
https://www.sciencedirect.com/book/9780123744869/introduction-to-pattern-recognition
Ficheros Matlab: https://booksite.elsevier.com/9780123744869/
Webb A., Copsey K. (2011): Statistical Pattern Recognition. Wiley.
https://ebookcentral.proquest.com/lib/upmes/detail.action?docID=819173
Dougherty G. (2013): Pattern Recognition and Classi.cation. An Introduction. Springer.
Richard O. Duda, Peter E. Hart, David G. Stork. (2001): Pattern classification. Wiley.
John L. Semmlow, Benjamin Griffel.(2014) : Biosignal and Medical Image Processing. CRC Press.
Bishop C. (1995): M. Neural Networks for Pattern Recognition. Clarendon Press-Oxford.
Cohen A. (1986): Biomedical Signal Processing. CRC Press.
Vapnik V. N.( 2000): The Nature of Statistical Learning. NY Springer.
Otra información relevante
Profesora:
Nombre: Ana María Ugena Martínez
Despacho: A-308, ETS Ingenieros de Telecomunicación, UPM
Correo electrónico: anamaria.ugena@upm.es
Teléfono: +34 91 0672284
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases teóricas y/o prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo único | 05/12/2023 - 22/02/2024 | MARTES 18:00 - 19:30 | - | JORGE GONZALEZ ORTEGA |
JUEVES 19:30 - 21:00 | - | JORGE GONZALEZ ORTEGA |