1. Proporcionar una introducción al lenguaje de programación Python y a sus principales módulos (Numpy, Scipy y Matplotlib). 2. Introducir desde un perspectiva teórico-práctica técnicas de machine learning de regresión, clasificación y clustering, utilizando el módulo scikit-learn en Python. 3. Introducir desde un perspectiva teórico-práctica técnicas de optimización metaheurísticas basadas en trayectoria y en población, utilizando el módulo DEAP en Python. 4. Introducir desde un perspectiva teórico-práctica técnicas de deep learning, incluyendo las Fully Connected Networks, Convolutional Neural etworks (CNNs) y Recurrent Neural Networks (RNNs). 5. Introducción al aprendizaje por refuerzo y el aprendizaje por refuerzo profundo. 6. Aplicaciones comerciales.
Competencias
- Capacidad de resolver problemas con iniciativa, toma de decisiones, creatividad, y de comunicar y transmitir conocimientos, habilidades y destrezas - Capacidad para reconocer cuándo se necesita información, dónde localizarla, cómo evaluar su idoneidad y darle el uso adecuado de acuerdo con el problema que se plantea - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo
Procedimientos de Evaluación
Asistencia, Pruebas, Trabajos
Requisitos
Requisitos específicos de admisión a los estudios:
Cualquier persona interesada con conocimientos previos de programación (no es necesario en Python).
Criterios de selección de alumnos:
Orden de Preinscripción.
Dirección
Unidad Promotora:
Escuela Técnica Superior de Ingeniería
Director de los estudios:
D. Sergio Luis Toral Marín
Departamento del Director:
Ingeniería Electrónica
Impartición
Idioma de impartición:
Español
Lugar de impartición:
Escuela Técnica Superior de Ingeniería (Aulas del centro)
