Aplicaciones Inteligentes de Análisis de Datos en la Industria

• Horas semanales
• Competencias
• Objetivos
• Contenidos
• Actividades
• Metodología docente
• Método de evaluación
• Bibliografía
• Capacidades previas

Horas semanales

Competencias

Competencias Técnicas Genéricas

Genéricas

• CG3 - Capacidad para la modelización, cálculo, simulación, desarrollo e implantación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Inteligencia Artificial.

Competencias Técnicas de cada especialidad

Académicas

• CEA7 - Capacidad de comprender la problemática, y las soluciones a los problemas en la práctica profesional de la aplicación de la Inteligencia Artificial en el entorno empresarial e industrial.

Profesionales

• CEP3 - Capacidad de aplicación de las técnicas de Inteligencia Artificial en entornos tecnológicos e industriales para la mejora de la calidad y la productividad.
• CEP5 - Capacidad de diseñar nuevas herramientas informáticas y nuevas técnicas de Inteligencia Artificial en el ejercicio profesional.

Competencias Transversales

Uso solvente de los recursos de información

• CT4 - Gestionar la adquisicion, la estructuracion, el analisis y la visualizacion de datos e informacion en el ambito de la especialidad y valorar de forma critica los resultados de esta gestion.

Analisis y sintesis

• CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

Objetivos

1. Entender el comportamiento general de los sistemas de recomendación
   Competencias relacionadas: CT4, CT7,
2. Entender como funcionan los sistemas de recomendación para hacer frente a gran número de datos existentes.
   Competencias relacionadas: CEA7, CEP3,
3. Entender las posibles aplicaciones de los sistemas de recomendación dentro del ambito industrial
   Competencias relacionadas: CG3, CEP3,
4. Entender las posibles aplicaciones de la IA en el entorno empresarial
   Competencias relacionadas: CEP5,

Contenidos

1. Sistemas de Recomendación para aplicaciones industriales
   Daremos una visión general de los diferentes tipos de sistemas de recomendación, usos y evaluación.
   
   Sistemas de recomendación colaborativos: explicaremos en detalle cómo funciona el filtrado colaborativo, y cómo podemos utilizar la información de otros usuarios para hacer recomendaciones.
   
   Programando un sistema de recomendación: explicaremos como podemos implementar y validar un sistema de recomendación en Python
2. Experiencias reales de aplicaciones de la IA en la industria
   Se invitarán distintas empresas para que expliquen sus aplicaciones en el ámbito de la IA

Actividades

Actividad Acto evaluativo

Metodología docente

Método de evaluación

Bibliografía

Básica:

• The elements of statistical learning: data mining, inference, and prediction - Hastie, T.; Tibshirani, R.; Friedman, J, Springer, 2009. ISBN: 9780387848570
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003549679706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Learning from data: concepts, theory, and methods - Cherkassky, V.M.; Mulier, F, John Wiley, 2007. ISBN: 0471681822
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003624509706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Modelos neuronales aplicados en economía: casos prácticos mediante Mathematica/Neural Networks - Torra Porras, S.; Monte, E, Addlink Media, 2013. ISBN: 9788461654970
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004003069706711&context=L&vid=34CSUC_UPC:VU1&lang=ca
• Recommender systems handbook - Ricci, F.; Rokach, L.; Shapira, B. (eds.), Springer, 2015. ISBN: 9781489976376
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001346869706711&context=L&vid=34CSUC_UPC:VU1&lang=ca

Capacidades previas