Aprenentatge Automàtic II

• Professorat
• Hores setmanals
• Competències
• Objectius
• Continguts
• Activitats
• Metodologia docent
• Mètode d'avaluació
• Bibliografia
• Capacitats prèvies

Professorat

Responsable

• Ferran Marques Acosta ( )

Altres

• Carlos Hernández Pérez ( )
• Jaume Alexandre Solé Gómez ( )
• Javier Ruiz Hidalgo ( )
• Laia Albors Zumel ( )

Hores setmanals

Competències

Competències Tècniques

Competències tècniques

• CE1 - Utilitzar amb destresa els conceptes i mètodes matemàtics subjacents els problemes de la ciència i l'enginyeria de les dades.
• CE2 - Ser capaç de programar solucions a problemes d'enginyeria: Dissenyar solucions algorítmiques eficients a un problema computacional donat, implementar-les en forma de programari robust, estructurat i mantenible, i comprovar la validesa de la solució.
• CE3 - Analitzar fenòmens complexos mitjançant la probabilitat i l'estadística, i plantejar models d'aquests tipus en situacions concretes. Formular i resoldre problemes d'optimització matemàtica.
• CE4 - Utilitzar els sistemes de computació actuals, inclosos els sistemes d'alt rendiment, per al procés de grans volums de dades des del coneixement de la seva estructura, funcionament i particularitats.
• CE5 - Dissenyar i aplicar tècniques de processat de senyal, triant entre diferents eines tecnològiques, incloses les de visió artificial, de reconeixement del llenguatge parlat i de tractament de dades multimèdia.
• CE6 - Construir o utilitzar sistemes de processat i comprensió del llenguatge escrit, integrant-lo en altres sistemes dirigits per les dades. Dissenyar sistemes de recerca d'informació textual o hipertextual i d'anàlisi de xarxes socials.
• CE8 - Capacitat de triar i emprar tècniques de modelització estadística i anàlisi de dades, avaluant la qualitat dels models, validant-los i interpretant-los.
• CE9 - Capacitat de triar i emprar una varietat de tècniques d'aprenentatge automàtic i construir sistemes que les utilitzin per a la presa de decisions, fins i tot de forma autònoma.

Competències Transversals

Transversals

• CT3 - Comunicació eficaç oral i escrita. Comunicar-se de forma oral i escrita amb altres persones sobre els resultats de l'aprenentatge, de l'elaboració del pensament i de la presa de decisions; participar en debats sobre temes de la pròpia especialitat.
• CT5 - Ús solvent dels recursos d'informació. Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació en l'àmbit de l'especialitat i valorar de forma crítica els resultats d'aquesta gestió.
• CT6 [Avaluable] - Aprenentatge autònom. Detectar deficiències en el propi coneixement i superar-les mitjançant la reflexió crítica i l'elecció de la millor actuació per ampliar aquest coneixement.
• CT7 - Tercera llengua. Conèixer una tercera llengua, preferentment l'anglès, amb un nivell adequat oral i escrit i d'acord amb les necessitats que tindran els titulats i titulades.

Competències Tècniques Generals

Genèriques

• CG1 - Concebre sistemes computacionals que integren dades de procedències i formes molt diverses, construeixen amb ells models matemàtics, raonen sobre aquests models i actuen en conseqüència, aprenent de l'experiència.
• CG2 - Elegir i aplicar els mètodes i tècniques més adequats a un problema definit per dades que representin un repte pel seu volum, velocitat, varietat o heterogeneïtat, inclosos mètodes informàtics, matemàtics, estadístics i de processament del senyal.
• CG3 - Treballar en equips i projectes multidisciplinaris relacionats amb el processat i explotació de dades complexes, interactuant fluidament amb enginyers i professionals d'altres disciplines.
• CG4 - Identificar oportunitats per a aplicacions innovadores orientades a dades en entorns tecnològics en contínua evolució.
• CG5 - Poder recórrer a coneixements fonamentals i metodologies de treball sòlides adquirits durant els estudis per adaptar-se als nous escenaris tecnològics del futur.

Objectius

1. Organitzar el flux de resolució d'un problema de l'aprenentatge automàtic, analitzant les possibles opcions i elegint les més adequades al problema
   Competències relacionades: CE8, CT6, CG2,
2. Decidir, defensar i criticar una solució per a un problema d'aprenentatge automàtic, argumentant els punts forts i febles de l'apropament
   Competències relacionades: CE1, CE2, CE3, CE4, CE5, CE6, CE8, CE9, CT6, CG1, CG2,
3. Conèixer i saber aplicar tècniques avançades per la resolució de problemes d'aprenentatge no supervisat, especialment de clustering
   Competències relacionades: CE1, CE2, CE4, CT5, CG1, CG2,
4. Conèixer i saber aplicar tècniques avançades de mètodes d'aprenentatge profund, per a la resolució de problemes d'aprenentatge, tant supervisat com no supervisat
   Competències relacionades: CE1, CE2, CE3, CE4, CE8, CT5, CT7, CG1, CG2, CG5,
5. Conèixer i saber aplicar les difererents arquitectures de xarxes per la resolució de problemes complexos mitjançant tècniques d'aprenentatge profund
   Competències relacionades: CE1, CE2, CE3, CE4, CE5, CE6, CE8, CT5, CG1, CG2, CG4, CG5,
6. Saber identificar problemes que involucrin processament de senyal, com ara dades en forma d'audio, imatge o video, o una combinació seva, i resoldre-les amb tècniques avançades d'aprenentatge computacional
   Competències relacionades: CE1, CE2, CE3, CE4, CE5, CE8, CE9, CT5, CT7, CG1, CG2, CG3, CG4,
7. Saber identificar problemes que involucrin processament de la parla humana o no humana, com ara dades en forma d'audio o texte, o una combinació seva, i resoldre-les amb tècniques avançades d'aprenentatge computacional
   Competències relacionades: CE1, CE2, CE3, CE4, CE6, CT3, CT7, CG1, CG2, CG3, CG4, CG5,

Continguts

1. Elements Bàsics en Xarxes Neuronals
   - Retropropagació
   - Perceptró i perceptró multicapa.
   - Funcions de pèrdua
   - Optimitzadors.
   - Convolució
   - Pool i Xarxes Neuronals Convolucionals
   - Deconvolució i Skip
2. Aspectes pràctics en Xarxes Neuronals
   - Interpretabilitat
   - Metodologia
   - Dropout i Regularització
   - Aprenentatge per Transferència i Adaptació al Domini
3. Arquitectures
   - RNN, LSTM, GRU.
   - Atenció i Transformers.
   - Generatives: GAN
   - GNN i AutoEncoders.

Activitats

Activitat Acte avaluatiu

Metodologia docent

Mètode d'avaluació

Bibliografia

Bàsica:

• Pattern recognition and machine learning - Bishop, C.M, Springer, 2006. ISBN: 0387310738
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003157379706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Deep learning - Goodfellow, I.; Bengio, Y.; Courville, A, The MIT Press, 2016. ISBN: 9780262035613
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004107709706711&context=L&vid=34CSUC_UPC:VU1&lang=ca

Complementaria:

• Machine Learning 2 - Giró-i-Nieto, Xavier; Marqués, Ferrán; Ruíz, Javier, Notes de classe , .
  

Capacitats prèvies