Aprendizaje Automtico y Data Mining

Presentacin Asignatura

Objetivos

Distinguir conceptos de:

Inteligencia artificial. Aprendizaje automtico. Data mining.

Conocer los principales mtodos de aprendizaje inductivo. Ser capaces de aplicar tcnicas de aprendizaje automtico sobre un caso prctico.
2

Programa teora (3 sesiones)

1. 2. 3. 4. 5. 6.

Introduccin. Aprendizaje inductivo. Mtodos de aprendizaje inductivo. Data Mining. Aprendizaje por refuerzo. Ejemplo de aplicacin.
3

Programa teora detallado (I)

1.

Introduccin.

Inteligencia artificial. Aprendizaje automtico. Tipos de aprendizaje. Conceptos bsicos. rboles de decisin. Otros modelos. Criterios de seleccin de modelos.
4

2.

Aprendizaje inductivo.

Programa teora detallado (II)

3.

Mtodos de aprendizaje inductivo.

Mtodo del vecino ms cercano. rboles de decisin. Listas de reglas. Aprendizaje Bayesiano. Redes neuronales. Funciones de base radial.

4.

Data Mining.

Programa teora detallado (III)

5.

Aprendizaje por refuerzo.

Introduccin Modelado mediante estados y acciones. Recompensa retrasada. Aprendizaje Q. Agarre de objetos con un robot.

6.

Ejemplo de aplicacin.

Programa prcticas (2 sesiones)

1. 2. 3. 4.

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

Mircoles 28 de Mayo 18:00-21:00

Jueves 29 de Mayo 18:00-21:00

Sesin 1 de teora

Viernes 30 de Mayo 18:00-21:00

Sesin 2 de teora. Sesin 3 de teora.

Mircoles 4 de Junio 18:00-21:00

Jueves 5 de Junio 18:00-21:00

Sesin 1 de prcticas. Sesin 2 de prcticas.

Fecha por determinar

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.

Dos posibilidades para el trabajo final:

10

Aprendizaje Automtico y Data Mining

Presentacin Asignatura

11