Asignatura Online de aprendizaje computacional

Contenidos

Módulo didáctico 1. Aprendizaje

1. Introducción

   1.1. Algoritmos genéticos para el ajuste de sistemas difusos
   1.2. Una clasificación de las técnicas de aprendizaje
   1.3. El sesgo y la varianza

2. Extracción de características

   2.1. Conjuntos de entrenamiento y espacios de características
   2.2. Taxonomía de los algoritmos de extracción de características
   2.3. Selección de características
   2.4. Extracción de características
   2.4.1. Análisis de componentes principales
   2.4.2. Análisis discriminante lineal (ADL)

3. Aprendizaje no supervisado

   3.1. Algoritmos de categorización: introducción
   3.2. Particiones y particiones difusas de objetos
   3.3. Jerarquías de objetos

4. Aprendizaje supervisado

   4.1. Métodos basados en métodos de categorización
   4.2. Máquinas de vectores de soporte
   4.3. Descripciones lógicas de conceptos
   4.4. Árboles de decisión
   4.5. Combinación de métodos
   4.6. Redes neuronales

5. Representación del conocimiento y aprendizaje

   5.1. Programación lógica inductiva

Módulo didáctico 2. Agentes y sistemas multiagente

1. Agentes inteligentes

   1.1. Características de un agente
   1.2. Agentes deliberativos frente a agentes reactivos
   1.3. Tipos de agentes

2. Sistemas multiagente

   2.1. Ventajas de los sistemas multiagente
   2.2. Técnicas de comunicación
   2.3. Foundation for Intelligent Physical Agents
   2.4. Ontologías
   2.5. Cooperación entre agentes

Recursos de aprendizaje y herramientas de apoyo

La asignatura se compone de dos módulos con soporte en papel, que contienen ejercicios de evaluación con sus soluciones y actividades diversas. Este material se complementará con aquel que los profesores colaboradores pongan a disposición de los estudiantes en el aula de la asignatura.

Aunque no se requiere usar ningún software específico, en el aula se proporcionarán guías o demos de aplicaciones concretas relacionadas con las actividades de evaluación continua (software Weka o de diseño de agentes móviles). Además, para la parte del aprendizaje automático (machine learning), se usará el lenguaje de programación Python y la librería Scikit-learn para el uso de los distintos algoritmos que se ven en la asignatura.

Bibliografía básica:

BISHOP, Chistopher M. (2006). Pattern Recognition and Machine Learning. Springer.

HASTIE, Trevor; FRIEDMAN, Jerome; TIBSHIRANI, Robert (2006).The Elements of Statistical Learning. Springer.

Bibliografía adicional:

DUDA, Richard O.; HART, Peter E.; STORK, David G. (2002, 2.ª ed.). Pattern Classification. Chichester John Wiley & Sons.

LANGLEY, Pat (1996). Elements of Machine Learning. Nueva York: Morgan Kaufmann Publishers.

SCHÖLKOPF, Bertnhard; SMOLA, Alexander J. (2002). Learning with Kernels. The MIT Press.

WEISS, Gerhard (1999). Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. Cambridge: MIT Press.

WOOLDRIDGE, Michael (2002). An Introduction to Multiagent Systems. Chichester: John Wiley & Sons.