Economía - Matemáticas y Estadística Plan 2019. (Plan a extinguir)
Grado y Doble Grado. Curso 2024/2025.
APRENDIZAJE AUTOMÁTICO: MACHINE LEARNING - 901991
Curso Académico 2024-25
Datos Generales
- Plan de estudios: DT30 - DOBLE GRADO ECONOMÍA - MATEMÁTICAS Y ESTADÍSTICA (2019) (2019-20)
- Carácter: Optativa
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio
CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética
CB4 - Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado
CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía
CG1 - Comprender y utilizar las técnicas y modelos de la Estadística con el lenguaje matemático adecuado.
CG4 - Asimilar la definición de nuevos objetos matemático-estadísticos, en términos de otros ya conocidos, y ser capaz de utilizar dichos objetos en diferentes contextos.
CG5 - Saber construir nuevos métodos y modelos bien fundamentados mediante el análisis y demostración de sus propiedades más relevantes.
Transversales
CT2 - Saber aplicar sus conocimientos a su trabajo o vocación de una forma profesional y que posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro del área de la Estadística, con base en las Matemáticas.
CT3 - Tener la capacidad de reunir e interpretar datos relevantes (dentro del área de la Estadística y las Matemáticas y de alguno de us campos de aplicación) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
CT4 - Poder transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
CT5 - Haber desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de
autonomía.
Específicas
herramientas estadístico-matemáticas más adecuadas.
CE2 - Resolver problemas de Estadística mediante herramientas matemáticas e informáticas.
CE3 - Utilizar aplicaciones informáticas de análisis estadístico, cálculo numérico y simbólico, visualización gráfica, optimización u otras para resolver problemas estadísticos.
CE4 - Desarrollar programas que resuelvan problemas estadísticos utilizando para cada caso el entorno computacional adecuado.
CE5 - Utilizar herramientas de búsqueda de recursos bibliográficos en Matemáticas y Estadística.
ACTIVIDADES DOCENTES
Clases teóricas
Sesiones prácticas en laboratorio de informática, con sesiones de resolución de problemas tutorizadas por el profesor.
Clases prácticas
Elaboración de prácticas o en grupo de problemas y entrega de algunos problemas escogidos por escritos.
Exposiciones
Presenciales
No presenciales
Semestre
Breve descriptor:
El aprendizaje automático o aprendizaje estadístico automatizado estudia algoritmos que mejoran de forma automática con la experiencia en la realización de una tarea. Tales algoritmos construyen modelos estadísticos basados en datos muestrales, conocidos como datos de entrenamiento, para hacer predicciones y apoyar decisiones. Se emplean en numerosas aplicaciones en la actualidad. En el curso se introducen los principales modelos y técnicas de aprendizaje automático y se practica su implementación en problemas relevantes.
Requisitos
Objetivos
· Presentar los métodos principales del aprendizaje automático en sus tres modalidades principales: supervisado, no supervisado, por refuerzo.
· Implementar algoritmos de aprendizaje automático.
· Ilustrar algunos desarrollos actuales de la investigación en aprendizaje automático.
Contenido
1. Introducción. Conceptos básicos de aprendizaje automático. Conceptos básicos sobre aprendizaje supervisado. Conceptos básicos sobre aprendizaje no supervisado. Conceptos básicos sobre aprendizaje por refuerzo.
2. Algoritmos de regresión.
3. Algoritmos de clasificación: KNN, Naive Bayes, clasificación bayesiana.
4. Arboles de decisión, bosques aleatorios, boosting.
5. Redes neuronales. Redes neuronales profundas.
6. Aprendizaje no supervisado.
7. Aprendizaje por refuerzo.
Se empleará Python, así como diversas librerías. En particular, keras y tensorflow.
Evaluación
Realización de exámenes parciales y/o prácticas: 30%
Nota*: El 30% de la calificación obtenida por ejercicios y prácticas durante el curso se mantendrá para la convocatoria extraordinaria.
Es necesario obtener al menos una puntuación de 3.5 puntos en el examen para poder aprobar la asignatura.
Bibliografía
C. Bishop (2006). Pattern Recognition and Machine Learning. Springer
Hastie, Tibshirani, Friedman (2009) Elements of Statistical Learning. Springer
Goodfellow, Bengio, Courville (2017) Deep Learning, MIT Press.
Sutton, Barto (2018) Reinforcement learning: An introduction, MIT Press.
Otra información relevante
Barber (2020) Bayesian reasoning and machine learning.
Bishop (2006) Pattern Recognition and Machine Learning. Springer
Artículos
Bibliografía sobre ML y R
Chollet (2018) Deep Learning with R, Manning.
Ciaburro (2020) Reinforcement Learning with R, Packt
Estructura
Módulos | Materias |
---|---|
No existen datos de módulos o materias para esta asignatura. |
Grupos
Clases teóricas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo único | 20/01/2025 - 09/05/2025 | MIÉRCOLES 14:00 - 15:00 | B16 | JORGE MARCO BLANCO |
VIERNES 14:00 - 15:00 | B16 | JORGE MARCO BLANCO |
Clases prácticas | ||||
---|---|---|---|---|
Grupo | Periodos | Horarios | Aula | Profesor |
Grupo único | 20/01/2025 - 09/05/2025 | MIÉRCOLES 15:00 - 16:00 | INF3 Aula de Informática | JORGE MARCO BLANCO |
VIERNES 15:00 - 16:00 | INF4 Aula de Informática | JORGE MARCO BLANCO |