Models Gràfics Probabilístics

Esteu aquí

Crèdits
4.5
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
UB;CS
Probabilistic Graphical Models are a core technology for machine learning, decision making, machine vision, natural language processing and many other artificial intelligence applications. In this course we provide an overview of the subject. We review the formal theoretical foundations and we perform a practical project where the student can apply the technology successfully to a problem of his interest.

Professors

Responsable

  • Jerónimo Hernández González ( )

Hores setmanals

Teoria
1
Problemes
0.7
Laboratori
0.5
Aprenentatge dirigit
0
Aprenentatge autònom
4

Competències

Competències Tècniques Generals

Genèriques

  • CG3 - Capacitat per a la modelització, càlcul, simulació, desenvolupament i implantació en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca, desenvolupament i innovació en tots els àmbits relacionats amb la Intel·ligència Artificial.

Competències Tècniques de cada especialitat

Acadèmiques

  • CEA3 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Aprenentatge Automàtic, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.
  • CEA12 - Capacitat de comprendre les tècniques avançades d'Enginyeria del Coneixement, Aprenentatge Automàtic i Sistemes de Suport a la Decisió, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.
  • CEA13 - Capacitat de comprendre les tècniques avançades de Modelització, Raonament i Resolució de problemes, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.

Professionals

  • CEP1 - Capacitat de resoldre les necessitats d'anàlisi de la informació de les diferents organitzacions, tot identificant les fonts d'incertesa i variabilitat.
  • CEP2 - Capacitat de resoldre els problemes de presa de decisions de les diferents organitzacions, integrant eines intel·ligents.
  • CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.
  • CEP5 - Capacitat de dissenyar noves eines informàtiques i noves tècniques d'Intel·ligència Artificial en l'exercici professional.

Competències Transversals

ús solvent dels recursos d'informació

  • CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.

Raonament

  • CT6 - Capacitat d'avaluar i analitzar de manera raonada i crítica sobre situacions, projectes, propostes, informes i estudis de caracter cientific-tecnic. Capacitat d'argumentar les raons que expliquen o justifiquen aquestes situacions, propostes, etc.

Analisis i sintesis

  • CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.

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.
  • CB9 - Que els estudiants posseeixin les habilitats d'aprenentatge que els permetin continuar estudiant d'una manera que haurà de ser en gran mesura autodirigida o autònoma.

Objectius

  1. Ser capaç d'utilitzar Models gràfics probabilistes en escenaris de negoci i investigació.
    Competències relacionades: CB6, CB9, CT4, CT6, CT7, CEA12, CEA13, CEA3, CEA8, CEP5, CEP1, CEP2, CEP3, CG3,

Activitats

Activitat Acte avaluatiu


Classe

Collaborative style lectures
Objectius: 1
Teoria
0h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

S'impartiran classes on es presentaran els principals continguts als estudiants. Es demanarà als estudiants que facin exercicis per augmentar i aprofundir els coneixements adquirits a les classes. Finalment, un examen validarà els resultats d'aprenentatge dels estudiants.

Mètode d'avaluació

The course will be marked by an examination and through the evaluation of the exercises requested to the students along the course. However, there is room for a different evaluation method to be agreed between the students and the course professor when the course begins.

Bibliografia

Bàsica:

Web links

Capacitats prèvies

The course requires the student to have some minor knowledge of linear algebra and some concepts of calculus. He should be proficient in algorithmics as well.

Addenda

Continguts

There are no significant changes.

Metodologia docent

Beyond the adaptation of the course to a mixed (presential-virtual) methodology, there are no significant changes.

Mètode d'avaluació

There are no significant changes.

Pla de contingència

In case of total confinement the classes will switch to virtual synchronous.