El aprendizaje automático es clave para el desarrollo de sistemas inteligentes y el análisis de datos en ciencia e ingeniería. Tiene un papel decisivo en tecnologías de uso cada vez más común como los reconocedores de voz de los teléfonos móviles o los vehículos autónomos, por ejemplo, así como también sirve para permitir el acceso a la información contenida en nuestro ADN o para dotar de sentido a la avalancha de datos que pueden recogerse en la web.
Así, dado que el aprendizaje automático es una de las bases de la ciencia de datos, en este curso se ofrece una introducción a los métodos más comunes que son de uso frecuente en este ámbito. En esta asignatura se tratarán los fundamentos teóricos, así como algoritmos esenciales en el aprendizaje supervisado y una introducción al aprendizaje no supervisado. Proporcionará las competencias para resolver problemas de aplicación de estas tecnologías y la base necesaria para abordar el estudio de otras materias del Máster relacionadas que se cursan el el segundo semestre.
resolver problemasEn el aprendizaje supervisado se utilizan pares de datos de entrada y de salida con los que se entrenan los distintos algoritmos. Tras el entrenamiento el sistema debe ser capaz de asociar un dato de entrada, no visto previamente, con su dato de salida.
CONTEXTUALIZACIÓN
La asignatura tiene 6 créditos ECTS, de carácter obligatorio, impartida en el primer semestre del Máster Universitario en Ingeniería y Ciencia de Datos. Guarda relación con las siguientes asignaturas también disponibles en el mismo Máster: