Anar al contingut (clic a Intro)
UdG Home UdG Home
Tancar
Menú

Estudia

Dades generals

Curs acadèmic:
2010
Descripció:
Crèdits:
4
Idioma principal de les classes:
Català
S’utilitza oralment la llengua anglesa en l'assignatura:
Indistintament (50%)
S’utilitzen documents en llengua anglesa:
Majoritàriament (75%)

Grups

Grup A

Durada:
Semestral, 1r semestre
Professorat:
Maria Beatriz Lopez Ibañez  / ISRAEL MUÑOZ MORENO  / Carles Pous Sabadi

Continguts

1. INTRODUCTION

          1.1. Machine Learning, Knowledge Discovery, Data Mining

          1.2. Genetic Algorithms, Explanation-Based Learning

          1.3. Multi-agent Learning

          1.4. Statistics (Regression, Monte Carlo, Clustering)

          1.5. Challenges

2. PREPROCESSING

          2.1. Sampling

          2.2. Feature Extraction, Feature Selection, Feature generation

          2.3. Dimension Reduction (Principal Component Analysis)

3. PREDICTIVE LEARNING (FROM OBSERVATION)

          3.1. Bayesian Classifier

          3.2. Induction of Decision Trees

          3.3. Classification Rule Induction

          3.4. Classifier Evaluation

4. DESCRIPTIVE LEARNING

          4.1. Subgroup Discovery

          4.2. Associative Rule Induction

5. STRUCTURED DATA LEARNING

          5.1. Data series

          5.2. Multi-relational data: Inductive Logic Programing, Itemsets

6. STATISTICAL LEARNING METHODS

          6.1. Neural Networks

          6.2. Instance-based Learning

          6.3. Bayesian Networks

          6.4. Support Vector Machine

7. REINFORCEMENT LEARNING

Activitats

Tipus d’activitat Hores amb professor Hores sense professor Total
Anàlisi / estudi de casos 6,00 8,00 14,00
Elaboració individual de treballs 2,00 12,00 14,00
Resolució d'exercicis 4,00 4,00 8,00
Sessió expositiva 16,00 17,00 33,00
Sessió pràctica 6,00 12,00 18,00
Total 34,00 53,00 87

Bibliografia

  • Russell, Stuart J., Norvig, Peter, Canny, John Francis (cop. 2003). Artificial intelligence : a modern approach (2nd ed.). Englewood Cliffs, N.J.: Prentice Hall.
  • Mitchell, Tom M. (cop. 1997). Machine learning. New York [etc.]: The McGraw-Hill Companies.
  • Witten, I. H., Frank, Eibe (cop. 2005). Data mining : practical machine learning tools andtechniques (2nd ed.). Amsterdam [etc.]: Morgan Kaufman.
  • Pérez López, C. Santin González, D. (2007). Mineria de Datos. Técnicas y Herramientas (1ª Edició). Madrid: Thomson-Paraninfo .

Avaluació i qualificació

Activitats d'avaluació:

Descripció de l'activitat Avaluació de l'activitat %
Pràctica 1. Inductive Decision Trees Es valorarà les respostes correctes i argumentades del qüestinari de pràctiques. És necessari lliurar-les en el termini programat.
Pràctica 2. Ensemble Learning Es valorarà les respostes correctes i argumentades del qüestinari de pràctiques. És necessari lliurar-les en el termini programat.
Pràctica 3. Instance-Based Learning Es valorarà les respostes correctes i argumentades del qüestinari de pràctiques. És necessari lliurar-les en el termini programat.
Treball curs. Es valoraran les fonts d'informació consultades, la capacitat de síntesi, l'anàlisi de resultats, l'organització de la documentació, la redacció i l'elegància de la solució presentada.
Resolució exercicis Resposta correcta, completa i raonada dels exercicics plantejats.

Qualificació

La nota final (NF) s'obté del promig ponderat de la nota de pràctiques (NP), la nota de seminaris(NS), la nota de treballs (NW) i la nota de proves escrites (NE). El càlcul es farà de la manera següent:

NF = 0,3*NP + 0,2*NS + 0,3*NW + 0,2*NE


Aquest promig es farà sempre i quant es tingui que NP>5, NS>5, NW>5 i NE >5.

Observacions

Durant el curs es proporcionaran articles específics i material complementari dels diversos temes.

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.