Gaia
Ikaste-Teknika Adimenduak
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Gaztelania
Irakasgaiaren azalpena eta testuingurua
El alumno desarrolla y profundiza la comptencias propias de la titulación pero mucho más aplicado al campo de la Inteligencia Computacional.Irakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
BASOGAIN OLABE, FRANCISCO JAVIER | Euskal Herriko Unibertsitatea | Unibertsitateko Irakaslego Titularra | Doktorea | Elebakarra | Sistemen Ingeniaritza eta Automatika | xabier.basogain@ehu.eus |
LOPEZ GUEDE, JOSE MANUEL | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebakarra | Sistemen Ingeniaritza eta Automatika | jm.lopez@ehu.eus |
ZULUETA GUERRERO, EKAITZ | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Sistemen Ingeniaritza eta Automatika | ekaitz.zulueta@ehu.eus |
Gaitasunak
Izena | Pisua |
---|---|
Identificar y formular la problemática de automatización y control de procesos industriales | 23.0 % |
Adquirir una formación avanzada y multidisciplinar en ámbitos de la automatización y control | 23.0 % |
Aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con el área de la automatización y control de procesos. | 53.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 15 | 22.5 | 37.5 |
Ordenagailuko p. | 15 | 22.5 | 37.5 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Ariketak | 12.5 | 40 % |
Azalpenezko eskolak | 15.0 | 80 % |
Iturriak eta baliabideak erabiltzea | 12.5 | 40 % |
Kasuen analisia | 25.0 | 40 % |
Lanak ekipo informatikoekin | 15.0 | 80 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Azalpenak | 0.0 % | 20.0 % |
Garatu beharreko galderak | 0.0 % | 20.0 % |
Idatzizko azterketa | 50.0 % | 70.0 % |
Lan praktikoak | 0.0 % | 20.0 % |
OTROS | 0.0 % | 10.0 % |
Praktiken Memoria/Txostenak | 30.0 % | 50.0 % |
Ohiko deialdia: orientazioak eta uko egitea
Se aplicará la normativa vigente por la Universidad.El alumno deberá hacer la solicitud según el procedimiento que tiene establecido en función del reglamento académico vigente.
Ezohiko deialdia: orientazioak eta uko egitea
Se realizarán el mismo tipo de pruebas que en la convocatoria extraordinaria y con las mismas ponderaciones. Por tanto el alumno deberá realizar las prácticas que se le han solicitado a lo largo del curso.Irakasgai-zerrenda
IntroducciónClasificadores lineales. Support Vector Machines. Análisis de Componentes Principales
Adaboost
Redes Bayesianas y Diagramas de Influencia. Arboles Decisión (Algoritmo ID3)
Particle Swarm Optimization. Differential Evolution
Computación Neuronal. Paradigmas RNA. MLP. Red Backpropagation. Redes Self Organizing Map & Counterpropagation. Redes Hopfield & Bidirectional. Associative Memory. Red Adaptive Resonance Theory
Aprendizaje por Refuerzo
Bibliografia
Nahitaez erabili beharreko materiala
Apuntes de claseOinarrizko bibliografia
Titulo: Pattern recognition and machine learningAutor: Christopher M. Bishop
Editorial: Springer
Titulo: Pattern classification
Autor: Richard O. Duda, Peter E. Hart, David G. Stork
Editorial: Wiley-Interscience