A la Ciència de les dades és imprescindible aplicar la intel·ligència artificial, en concret l'aprenentatge artificial, com a mètodes d'anàlisi de les dades. Aquests mètodes permeten explicitar el coneixement de la base de coneixement. En aquesta assignatura, com a continuació de l'assignatura MD005-Sistemes Basats en el Coneixement, es treballaran mètodes d'aprenentatge artificial profunds (e.g. Bagging/Boosting, Computació Evolutiva i Deep Learning), i altres mètodes que no s'hagin introduït al Semestre 1 (com Support Vector Machines o Regles associatives).
Així mateix, es realitzarà un projecte juntament amb l'assignatura MD009 Eines avançades d'anàlisi de dades aplicant totes les tècniques basades en estadística o aprenentatge artificial vistes fins al moment, amb la finalitat de resoldre un problema concret. Serà com un mini Treball Final de Màster realitzat en grup.
Professors Titulars
Professors Docents
Les matèries del mòdul de Ciència de les Dades del primer semestre del MUDS o equivalent. Coneixements bàsics de programació.
Els objectius es centraran en:
Conèixer l'abast de la intel·ligència artificial, en concret l'aprenentatge automàtic, a la ciència de les dades.
Ser coneixedors dels requeriments computacionals i de la qualitat de les solucions dels diferents mètodes.
Ser coneixedors dels mètodes daprenentatge artificial profunds. Bagging/Boosting, Deep Learning i Computació Evolutiva. Usant Python i les seves llibreries.
Ser coneixedors d'un mapa global: quina tècnica fer servir, donat un problema i un conjunt de dades.
TEMARI
1. Bagging & Boosting
2. Neural Networks. Deep Learning
3. Computació evolutiva. Algorismes genètics
4. Support Vector Machines
5. Association Rules
6. Projecte (projecte conjunt amb l'assignatura MD009 - Eines avançades d'anàlisi de dades)
Nota: els temes poden ajustar i/o modificar-se a criteri de la coordinació del màster.
La metodologia usada combina les classes magistrals, la resolució dexercicis, la participació de lalumnat i el desenvolupament dun projecte. Per a lalumne/a això comportarà tant treballs individuals com treballs en grup, així com exercicis conceptuals, exercicis implementats, presentacions orals i presentacions escrites.
Avaluació continua
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe. La nota final serà una ponderació de dos blocs:
- Exercicis: 60%
- Projecte: 40%
Avaluació continua
Aquesta assignatura s'avaluarà de manera continuada a partir d'exercicis, treballs, pràctiques i presentacions a classe. La nota final serà una ponderació de dos blocs:
- Exercicis: 60%
- Projecte: 40%
Convocatòria extraordinària
Es determinarà lexamen i/o treballs de convocatòria extraordinària des de la coordinació de lassignatura.
Normativa de còpies
Lassignatura es regeix per la normativa de còpies general de La Salle Campus BCN:
https://www.salleurl.edu/ca/normativa-de-copies
Les activitats formatives es consideraran que tenen la següent categoria:
Exercicis: moderadament significativa
Projecte: altament significativa
Avaluació final: altament significativa
La bibliografia s'anirà detallant al llarg de l'assignatura.
Apunts de classe
Documentació i articles que es penjaran a la Intranet (eStudy)
Tot el material de classe (presentacions, exercicis, articles, documents, etcètera) es compartiran a la carpeta de l'assignatura de la Intranet de La Salle: eStudy.