Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentacin Asignatura
Objetivos
Conocer los principales mtodos de aprendizaje inductivo. Ser capaces de aplicar tcnicas de aprendizaje automtico sobre un caso prctico.
2
Introduccin. Aprendizaje inductivo. Mtodos de aprendizaje inductivo. Data Mining. Aprendizaje por refuerzo. Ejemplo de aplicacin.
3
Introduccin.
Inteligencia artificial. Aprendizaje automtico. Tipos de aprendizaje. Conceptos bsicos. rboles de decisin. Otros modelos. Criterios de seleccin de modelos.
4
2.
Aprendizaje inductivo.
Mtodo del vecino ms cercano. rboles de decisin. Listas de reglas. Aprendizaje Bayesiano. Redes neuronales. Funciones de base radial.
4.
Data Mining.
Introduccin Modelado mediante estados y acciones. Recompensa retrasada. Aprendizaje Q. Agarre de objetos con un robot.
6.
Ejemplo de aplicacin.
Entorno WEKA de aprendizaje automtico y Data Mining. Utilizacin de WEKA desde la lnea de comandos. Almacenamiento de modelos con WEKA. Comparacin de mtodos de aprendizaje.
Bibliografa
"Introduccin a la minera de datos". J. Hernndez Orallo, M. J. Martnez Quintana, C. Ferri Ramrez. Ed. Pearson Prentice Hall, 2004. "Machine Learning". Tom M. Mitchell. Ed. McGraw-Hill, 1997. "Data Mining" I. H. Witten, E. Frank. Ed. Morgan Kaufmann, 2000.
Planificacin
Sesin 1 de teora
Exposiciones de trabajos.
Evaluacin
Dos criterios:
Informes de prcticas. Trabajo final. Comn con otras asignaturas. Especfico de esta asignatura.
Bien comentario de artculo. O bien trabajo prctico.
10
Presentacin Asignatura
11