Procesamiento de Señales con Aprendizaje Automático
(Curso Académico 2022 - 2023)

Mostrar Todo Ocultar Todo

• CB7 - 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) relacionados con su área de estudio
• CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades
• CB10 - 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.

• CG1 - Buscar y seleccionar alternativas considerando las mejores soluciones posibles
• CG3 - Incorporar el vocabulario propio para expresarse con precisión en una comunicación efectiva, tanto escrita como oral
• CG4 - Extraer, interpretar y procesar información, procedente de diferentes fuentes, para su empleo en el estudio y análisis
• CG7 - Analizar de forma crítica la propia experiencia de prácticas
• CG9 - Aplicar conocimientos de ciencias y tecnologías avanzadas a la práctica profesional o investigadora

• CT03 - Aplicar una metodología que fomente el aprendizaje y el trabajo autónomo
• CT04 - Desarrollar el pensamiento crítico
• CT05 - Adquirir la capacidad para elaborar un trabajo multidisciplinar

• CE01 - Capacidad para aplicar técnicas de análisis de datos y técnicas inteligentes en robótica y/o informática industrial
• CE04 - Capacidad para uso y desarrollo de código y librerías que permitan captar el entorno y actuar sobre él en sistemas robóticos y/o industriales
• CE12 - Capacidad para el desarrollo de sistemas ciberfísicos, internet de las cosas y/o técnicas basadas en cloud computing

El algebra lineal del aprendizaje.
ML supervisado y no supervisado.
Supervisado: regresión, SVM, árboles de decisión.
No supervisado: Clustering, reducción de dimensionalidad, PCA, TSN.
Técnicas de evaluación y medición.
Procesado de señal en el aprendizaje automático.

En cada tema tanto la bibliografía como el material utilizado se impartirá en inglés.

-La metodología presencial de la asignatura se utiliza conjuntamente con el trabajo autónomo del alumno. Se realizará una
secuenciación de actividades como clases magistrales, actividades en ingles, ejercicios y actividades de laboratorio para
cada tema. Al alumno se le solicita hacer el trabajo de preparación de la teoria simultáneamente con las clases magistrales
para afrontar con mayor seguridad de éxito el resto de competencias y habilidades de cada tema.

Actividades formativas	Horas presenciales	Horas de trabajo autónomo	Total horas	Relación con competencias
Enseñanza teórica	11,00	0,00	11,0	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]
Enseñanza práctica	11,00	0,00	11,0	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]
Asistencia a tutorías	1,00	0,00	1,0	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]
Trabajo personal	0,00	49,50	49,5	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]
Evaluación	2,50	0,00	2,5	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]
Total horas
Total ECTS

Machine Learning for Signal Processing, Data Science, Algorithms, and Computational Statistics, Max. A. Little, Oxford University Press, 2019

- Evaluación continua:

El estudiante será evaluado con pruebas escritas sobre el contenido explicado hasta el momento de la prueba a lo largo del curso. Se realizarán un total de cuatro pruebas cortas de continua con un valor porcentual del 25% cada una. Se entiende como agotada  la convocatoria en la tercera de las pruebas tras superarse el 50% de la evaluación continua. También se le propondrán trabajos que deberán entregar y que forman parte de la evaluación continua, cada uno de los dos trabajos tendrán un valor porcentual de 50%, estos no agotan la evaluación continua.
Cada una de las pruebas debe ser aprobada, de modo que la nota sea más de la mitad de la nota máxima obtenible en cada prueba. La calificación por continua sera la suma de las pruebas aprobadas. Si alguna de las pruebas no se ha superado el día de la convocatoria se realizará la prueba o pruebas que no se hayan superado haciéndose coincidir con la evaluación única.

Evaluación única:
El estudiante que tenga derecho a evaluación única se presentará a una prueba de las cuatro partes evaluables de la asignatura con lo que se puede obtener el 100% de la nota. Estos estudiantes pueden, con carácter previo a la prueba escrita de cada convocatoria, entregar alguno de los trabajos propuestos que le permitiran, cuando están aprobados, subir la nota final. 

 

Tipo de prueba	Competencias	Criterios	Ponderación
Pruebas escritas objetivas (exámenes)	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]	Son cuatro pruebas de continua y la correspondiente prueba única	50,00 %
Evaluación de trabajos y proyectos	[CE12], [CE04], [CE01], [CT05], [CT04], [CT03], [CG9], [CG7], [CG4], [CG3], [CG1], [CB10], [CB9], [CB7]	Se trata de dos trabajos entregables	50,00 %

 La distribución de los temas por semana es orientativo, puede sufrir cambios según las necesidades de organización docente.
Cada tema se impartirá en  exposición magistral de los contenidos teóricos y ejemplos resueltos de los ejercicios con ejemplos en inglés, luego se trabajaran habilidades de práctica informática.

Semana	Temas	Actividades de enseñanza aprendizaje	Horas de trabajo presencial	Horas de trabajo autónomo	Total
Semana 8:	El algebra lineal del aprendizaje.	Teoría, problemas y ejercicios de ordenador. Evaluación continua	4.00	6.00	10.00
Semana 9:	ML supervisado y no supervisado.	Teoría, problemas y ejercicios de ordenador. Evaluación continua Primera prueba corta de evaluación	4.00	6.00	10.00
Semana 10:	Supervisado: regresión, SVM, árboles de decisión.	Teoría, problemas y ejercicios de ordenador. Evaluación continua	4.00	6.00	10.00
Semana 11:	No supervisado: Clustering, reducción de dimensionalidad, PCA, TSN.	Teoría, problemas y ejercicios de ordenador. Evaluación continua Segunda prueba corta de evaluación	4.00	6.00	10.00
Semana 12:	Técnicas de evaluación y medición.	Teoría, problemas y ejercicios de ordenador. Evaluación continua	4.00	6.00	10.00
Semana 13:	Procesado de señal en el aprendizaje automático.	Teoría, problemas y ejercicios de ordenador. Evaluación continua Tercera prueba corta de evaluación	3.00	6.00	9.00
Semana 14:			0.00	10.00	10.00
Semana 15 a 17:	Las semanas 15 y 16 se dedican a evaluación y recuperación	pruebas y repaso de pruebas Cuarta prueba corta de evaluación Evaluación continua y evaluación única	2.50	3.50	6.00
Total			25.50	49.50	75.00