El Aprendizaje Automático es una rama de la Inteligencia Artificial que abarca diferentes técnicas, las cuales permiten dotar a los computadores de la capacidad de "aprender" modelos tales que, de forma automática, pueden ser usados, por un lado, para resolver problemas nuevos o, por otro lado, para mejorar el rendimiento en problemas ya vistos. El objetivo principal de esta asignatura es dar una visión introductoria de las técnicas y algoritmos de aprendizaje más importantes existentes en la actualidad.
Existen distintas formas de clasificar las diferentes técnicas pertenecientes al ámbito del aprendizaje automático. Así, atendiendo a su naturaleza inferencial, se puede hablar de técnicas de aprendizaje inductivas, deductivas, abductivas y por analogía. Atendiendo al tipo de modelo aprendido, se habla de técnicas simbólicas (modelos que manejan sólo conocimiento expresado en forma simbólica), conexionistas (si el conocimiento es sólo de tipo numérico) y mixtas (modelos que participan de los dos tipos de conocimiento anteriores). Finalmente, dependiendo de si en el conjunto de datos de entrenamiento existe o no información de la clase o concepto al que pertenece cada ejemplo, se habla, respectivamente, de técnicas de aprendizaje supervisado o no-supervisado. Utilizaremos esta última taxonomía como hilo conductor a la hora de presentar las diferentes técnicas de aprendizaje que se estudiarán en la asignatura.
La asignatura Aprendizaje Automático, junto con las asignaturas Introducción a la Inteligencia Artificial (2º curso) y Ampliación de Sistemas Inteligentes (4º Curso), pertenece a la materia denominada Sistemas Inteligentes. Además, se trata de una asignatura cuatrimestral (6 créditos), de carácter obligatorio y que se imparte en el primer cuatrimestre de 4º Curso del Grado en Ingeniería Informática.
Desde el punto de vista del futuro perfil profesional y/o investigador del estudiante, esta asignatura es clave para trabajar en muchas de las subáreas relacionadas con la Inteligencia Artificial, tales como la minería de datos, aprendizaje profundo, visión artificial, robótica y procesamiento de lenguaje natural, entre otras.
