CG1, CG2, CG5, CG11.

CE4, CE5, CE6, CE8, CE12, CE13

50%

50%

2,4

3,6

8

1) Conjuntos de datos no estructurados complejos: imágenes, video, audio, señales.

2) Algoritmos de clasificación, detección y localización en imágenes y video.

3) Algoritmos de clasificación (Deep learining) para datos de tipo audio.

4) Algoritmos de clasificación (Deep learning) para datos de tipo texto.

5) Algoritmos basados en aprendizaje por Refuerzo.

6) Transformación y manipulación de datos estructurados (Redes GAN).

Evaluación continua que constituirá al menos el 35% de la calificación.
El porcentaje restante, corresponderá al examen final.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final.
b) La media ponderada de la evaluación continua y la prueba final.
Cualquier alumno tendrá derecho a una prueba final pudiendo resultar su calificación la nota final del curso.

Szeliski, R. (2022). Computer vision: algorithms and applications. Springer Nature. https://szeliski.org/Book/

Woods, R. E., & Gonzalez, R. C. (2021). Digital image processing third edition. ( https://ucm.on.worldcat.org/oclc/318406316 )

S., Mugesh. Hands-On ML Projects with OpenCV: Master Computer Vision and Machine Learning Using OpenCV and Python, Orange Education PVT Ltd, 2023. ProQuest Ebook Central, https://ebookcentral.proquest.com/lib/universidadcomplutense-ebooks/detail.action?docID=30682670.

Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep learning, An MIT Press book (2016). https://www.deeplearningbook.org/
https://docs.opencv.org/

Little, M. A. (2019). Machine learning for signal processing: data science, algorithms, and computational statistics. Oxford University Press, USA. ( https://ucm.on.worldcat.org/oclc/1111972843 )

Camastra, F., & Vinciarelli, A. (2015). Machine learning for audio, image and video analysis: theory and applications. Springer. ( https://ucm.on.worldcat.org/oclc/914713382 )