| Títol variant: |
Computational Learning |
| Títol variant: |
Aprendizaje Computacional |
| Data: |
2021-22 |
| Resum: |
L'assignatura preten intorudir els concepte de la intel·ligència artificial que es basa en l'obttenció del coneixent, conceptes i tendenciese a partir de les dades. Es tracta de formar a l'alumne per ser un "enginyer de dades", i és una de les professions amb més futur i més demandades en l'actualitat per les grans empreses i start-ups tecnologiques. De fet, es preveu que el creixement de la demanda d'aquest professionals en enginyeria de dades sigui exponencial a nivell europeu, sobretot degut al creixement en la generació de dades massives. Aixi, el principal objectiu de l'assignatura és que l'alumne sàpiga trobar una bona solució (a vegades la millor és impossible) a problemes en contextes diferents dels tractats, a partir d'identificar les necessitats de representació del coneixement i, segons sigui aquest, aplicar la/les tècnica/ques més adecuada/es per generar automàticament bons models matemàtics que expliquin les dades ambun error acceptable. Els continguts escollits per aquesta assignatura són les tecniques i conceptes que s'usen extensivament en la industria, entent-la en el seu concepte més ampli. La base algorismica serà fonamental durant el desenvolupament de l'assignatura que vol tenir un enfor eminentment enginyeril, focalitzant-se en el ús del les propostes sense deixar de banda la comprensió dels fonaments matemàtics que les sustenten. Els algorismes i tècniques que es mostren són la base fonamental per a l'aprenentage computacional 'tradicional' sense el que no es pot entendre les tecniques que es desenvoluparan en propers cursos. No per bàsiques són obsoletes, ans al contrari, cobreixen un gran bentall d'aplicacions i problemes on són fonamentals. L'alumne ha de ser conscient que aquest coneixement que és punta de llança de l'estat de l'art te una dificultat inherent, implicant un estudi i una dedicació considerables, quantificada en hores en la secció d'Activitats formatives d'aquesta guia. Això és perquè en aquesta assignatura no només s'ensenyen una part dels continguts més importants en materia d'aprenentatge automàtic per esdevenir enginyer de dades, sino a més es treballa una línia de currículum que permeti ampliar el ventall de llocs de treball als que podreu accedir després de la carrera, així com posar les bases metodològiques necessàries per fer un Màster en enginyeria de dades o en intel·ligència artificial. Els objectius de l'assignatura es poden resumir en: Coneixements: 1 Coneixements: - Descriure les tècniques bàsiques d'aprenentatge computacional. - Enumerar els passos essencials dels diferents algorismes d'aprenentatge - Identificar els avantatges i inconvenients dels algorismes d'aprenentatge que s'expliquen. - Resoldre problemes computacionals aplicant diferents tècniques d'aprenentatge per trobar la solució òptima. - Entendre el resultat i les limitacions de les tècniques d'aprenentatge en diferents casos d'estudi. - Saber escollir l'algorisme d'aprenentatge més adequat per solucionar problemes contextualitzats. Habilitats: - Reconèixer les situacions en les quals l'aplicació d'algorismes d'aprenentatge computacional pot ser adient per solucionar un problema - Analitzar el problema a resoldre i dissenyar la solucióòptima aplicant les tècniques apreses - Redactar documents tècnics relacionats amb l'anàlisi i la solució d'un problema - Programar els algorismes bàsics per solucionar els problemes proposats - Avaluar els resultats de la solució implementada i valorar les possibles millores - Defensar i argumentar les decisions preses en la solució dels problemes proposats. |
| Resum: |
The course aims to introduce the concepts of artificial intelligence that is based on obtaining knowledge, concepts and trends from the data. It is about training the student to be a "data engineer," and it is one of the professions with the most future and most in demand today by large companies and technology start-ups. In fact, the growth in demand for this data engineering professional is expected to be exponential at the European level, mainly due to the growth in mass data generation. Thus, the main objective of the subject is that the student knows how to find a good solution (sometimes the best is impossible) to problems in different contexts of the treatises, from identifying the needs of representation of the knowledge and, according to this, apply the most appropriate technique (s) to automatically generate good mathematical models that explain the data with an acceptable error. The contents chosen for this subject are the techniques and concepts that are used extensively in the industry, understanding it in its broadest concept. The algorithmic basis will be fundamental during the development of the subject that wants to have an eminently engineering approach, focusing on the use of the proposals without leaving aside the understanding of the mathematical foundations that support them. The algorithms and techniques shown are the fundamental basis for 'traditional' computational learning without which one cannot understand the techniques that will be developed in future courses. Not because they are basic, they are obsolete, on the contrary, they cover a wide range of applications and problems where they are fundamental. The student must be aware that this knowledge that is the spearhead of the state of the art has an inherent difficulty, involving considerable study and dedication, quantified in hours in the section of formative activities of this guide. . This is because in this subject not only some of the most important contents in the field of machine learning to become a data engineer are taught, but also a curriculum line is worked that allows to expand the range of jobs to which you can access after the degree, as well as lay the methodological bases necessary to do a Master in data engineering or artificial intelligence. The objectives of the subject can be summarized in: Knowledges: 1 Knowledges: - Describe basic computer learning techniques. - List the essential steps of the different learning algorithms - Identify the advantages and disadvantages of the learning algorithms that are explained. - Solve computational problems applying different learning techniques to find the optimal solution. - Understand the result and limitations of learning techniques in different case studies. - Know how to choose the most appropriate learning algorithm to solve contextualized problems. Abilities: - Recognize situations in which the application of computational learning algorithms may be appropriate to solve a problem - Analyze the problem to be solved and design the optimal solution applying the techniques learned - Write technical documents related to the analysis and solution of a problem - Program the basic algorithms to solve the proposed problems - Evaluate the results of the implemented solution and assess possible improvements - Defend and argue the decisions taken in solving the proposed problems. |
| Resum: |
La asignatura pretende intorudir los concepto de la inteligencia artificial que se basa en el obttenció del conociendo, conceptos y tendenciese a partir de los datos. Se trata de formar al alumno para ser un "ingeniero de datos", y es una de las profesiones con más futuro y más demandadas en la actualidad por las grandes empresas y start-ups tecnológicas. De hecho, se prevé que el crecimiento de la demanda de estos profesionales en ingeniería de datos sea exponencial a nivel europeo, sobre todo debido al crecimiento en la generación de datos masivas. Así, el principal objetivo de la asignatura es que el alumno sepa encontrar una buena solución (a veces la mejor es imposible) a problemas en contextos distintos de los tratados, a partir de identificar las necesidades de representación del conocimiento y, según sea este, aplicar la / técnica / s más adecuada / as para generar automáticamente buenos modelos matemáticos que expliquen los datos conun error aceptable. Los contenidos elegidos para esta asignatura son las técnicas y conceptos que se usan extensivamente en la industria, entendiendo-la en su concepto más amplio. La base algorítmica será fundamental durante el desarrollo de la asignatura que quiere tener un afuera eminentemente ingenieril, focalizándose en el uso del las propuestas sin dejar de lado la comprensión de los fundamentos matemáticos que las sustentan. Los algoritmos y técnicas que se muestran son la base fundamental para el aprendizaje computacional 'tradicional' sin el que no se puede entender las técnicas que se desarrollarán en próximos cursos. No por básicas son obsoletas, al contrario, cubren un gran Bentall de aplicaciones y problemas donde son fundamentales. El alumno debe ser consciente de que este conocimiento que es punta de lanza delestado del arte tiene una dificultad inherente, implicando un estudio y una dedicación considerables, cuantificada en horas en la sección de Actividades formativas de esta guía . Esto es porque en esta asignatura no sólo se enseñan una parte de los contenidos más importantes en materia de aprendizaje automático para convertirse en ingeniero de datos, sino además se trabaja una línea de currículo que permita ampliar el abanico de puestos de trabajo a los que podrá acceder después de la carrera, así como poner las bases metodológicas necesarias para realizar un Master en ingeniería de datos o en inteligencia artificial. Los objetivos de la asignatura se pueden resumir en: 1 Los objetivos de la asignatura se pueden resumir en: conocimientos: - Describir las técnicas básicas de aprendizaje computacional. - Enumerar los pasos esenciales de los diferentes algoritmos de aprendizaje - Identificar las ventajas e inconvenientes de los algoritmos de aprendizaje que se explican. - Resolver problemas computacionales aplicando diferentes técnicas de aprendizaje para encontrar la solución óptima. - Entender el resultado y las limitaciones de las técnicas de aprendizaje en diferentes casos de estudio. - Saber escoger el algoritmo de aprendizaje más adecuado para solucionar problemas contextualizados. habilidades: - Reconocer las situaciones en las que la aplicación de algoritmos de aprendizaje computacional puede ser adecuado para solucionar un problema - Analizar el problema a resolver y diseñar la solucióòptima aplicando las técnicas aprendidas - Redactar documentos técnicos relacionados con el análisis y la solución de un problema - Programar los algoritmos básicos para solucionar los problemas propuestos - Evaluar los resultados de la solución implementada y valorar las posibles mejoras - Defender y argumentar las decisiones tomadas en la solución de los problemas propuestos. |
| Drets: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.  |
| Llengua: |
Català, anglès, castellà |
| Titulació: |
Grau en Enginyeria de Dades [2503758] |
| Pla d'estudis: |
Enginyeria de Dades [1394] |
| Document: |
Objecte d'aprenentatge |
visitant ::
identificació
