Anàlisi Estadística de Xarxes i Sistemes

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

Professorat

Responsable

• Jorge García Vidal ( )

Altres

• Jose Maria Barceló Ordinas ( )

Hores setmanals

Competències

Competències Tècniques de cada especialitat

Xarxes de computadors i sistemes distribuïts

• CEE2.2 - Capacitat d'entendre els models, problemes i algoritmes relacionats amb les xarxes de computadors, així com poder dissenyar i avaluar algoritmes, protocols i sistemes que tractin la problemàtica de la xarxes de comunicació entre computadors.

Competències Tècniques Generals

Genèriques

• CG4 - Capacitat per a la direcció general i tècnica de projectes de recerca, desenvolupament i innovació, en empreses i centres tecnològics, en l'àmbit de l'Enginyeria Informàtica.

Competències Transversals

Actitud adequada davant el treball

• CTR5 - Tenir motivació per a la realització professional i per a afrontar nous reptes, tenir una visió àmplia de les possibilitats de la carrera professional en l'àmbit de l'enginyeria en informàtica. Sentir-se motivat per la qualitat i la millora contínua, i actuar amb rigor en el desenvolupament professional. Capacitat d'adaptació als canvis organitzatius o tecnològics. Capacitat de treballar en situacions de carència d'informació i/o amb restriccions temporals i/o de recursos.

Bàsiques

• CB6 - Que els estudiants sàpiguen aplicar els coneixements adquirits y la seva capacitat de resolució de problemes en entorns nous o poc coneguts dins de contexts més amplis (o multidisciplinaris) relacionats amb la seva àrea d'estudi.

Objectius

1. Habilitat de modelat quantitatiu
   Competències relacionades: CB6, CTR5, CEE2.2, CG4,

Continguts

1. Models de probabilitat
   Probability axioms, basic combinatorics, random variables, independence and conditional probability, expected values (review, only problems and online material), inequalities (Markov, Chebyshev, Jensen), (weak) Law large numbers, entropy and mutual information. Properties of Gaussian distributions, central limit theorem.
2. Modelos lineales
   Spectral theorem for symmetric matrices. Positive-definite matrices, quadratic forms. SVD. Curse of dimensionality, High-dimensional spaces. Dimensionality reduction. PCA. Monroe-Penrose pseudo-inverse.
3. Estimació. Tècniques bàsiques de ML per classificació i regressió
   Estimació de màxima verosimilitut i bayesiana. Funció de decissió, cost, risc, minimització del risc empíric. Estimació i aproximació. Compromís entre el bias i la variança. Clasificació. Regressió lineal.
4. Models gràfics i sistemes dinàmics
   Graphical models. Belief propagation. Hidden Markov Models. Kalman filters. Time series

Activitats

Activitat Acte avaluatiu

Metodologia docent

Mètode d'avaluació

Bibliografia

Bàsica:

• Information theory, inference, and learning algorithms - MacKay, D.J.C, Cambridge University Press, 2003. ISBN: 0521642981
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991002876809706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• An introduction to probability theory and its applications - Feller, W, John Wiley and Sons, 1968. ISBN: 0471257117
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991000036749706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Probability and statistics: the science of uncertainty - Evans, M.J.; Rosenthal, J.S, W.H. Freeman and Company, 2010. ISBN: 9781429224628
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004003999706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• 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
• Foundations of data science - Blum, Arvim; Hopcroft, John; Kannan, Ravindran, Cambridge University Press, 2020. ISBN: 9781108485067
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004203329706711&context=L&vid=34CSUC_UPC:VU1&lang=ca

Complementaria:

• A first look at rigorous probability theory - Rosenthal, J.S, World Scientific , 2006. ISBN: 9812703713
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004193689706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Graphical models, exponential families, and variational inference - Wainwright, M.J.; Jordan, M.I, Foundations and Trends in Machine Learning , .
  https://people.eecs.berkeley.edu/~wainwrig/Papers/WaiJor08_FTML.pdf

Web links

• You can find a pdf copy of MacKay's book http://www.inference.phy.cam.ac.uk/mackay/itila/

Capacitats prèvies