Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 109 Horas de Tutorías: 1 Clase Expositiva: 14 Clase Interactiva: 26 Total: 150
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa Máster en Visión por Computador / Computer Vision
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
El objetivo de esta materia es conocer y aplicar modelos neuronales avanzados, conocer las técnicas de la estado del arte de aprendizaje profundo, con planteamientos de entrenamiento end-to-end, y minimizando él uso de datos etiquetados, para resolver aplicaciones de visión por ordenador usando las metodologías cubiertas en la materia.
-Conocer, aplicar y evaluar modelos neuronales avanzados.
-Conocer técnicas de aprendizaje profundo, con planteamientos de entrenamiento end-to-end, y minimizando el uso de datos etiquetados.
-Resolver aplicaciones de visión por computador usando métodos avanzados de aprendizaje automático.
Perceptrón multicapa y retropropagación.
Redes convolucionales y recurrentes
Principios de deep learning
Aprendizaje auto-supervisado y autoencoders.
Modelos neuronales avanzados para visión por computador.
Paradigmas avanzados de supervisión
Temas seleccionados en aprendizaje máquina para visión por computador
Aplicaciones avanzadas en visión por computador.
Básica:
Artículos recientes en revistas y conferencias científicas relevantes:NIPS,
ICML, IJCAI, AAAI, ECML, CVPR, ICDM, IEEE PAMI, IEEE TKDE, etc.
Complementaria
Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press. 2017.
Competencias del título: Específicas
A2 CE2 - Conocer y aplicar técnicas de aprendizaje automático y reconocimiento de patrones aplicadas a visión por computador
Competencias del título: Básicas / Generales
B1 CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.
B2 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
B5 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
B6 CG1 - Capacidad de análisis y síntesis de conocimientos
B8 CG3 - Capacidad para desarrollar sistemas de visión por computador dependiendo de las necesidades existentes y aplicar las herramientas tecnológicas más adecuadas
B10 CG5 - Capacidad para identificar problemas sin resolver y aportar soluciones innovadoras
B11 CG6 - Capacidad para identificar resultados teóricos o nuevas tecnologías con potencial innovador y convertirlos en productos y servicios de utilidad para la sociedad
Competencias del título: Transversales / Nucleares
C1 CT1 - Ejercer la profesión con conciencia clara de su dimensión humana, económica, legal y ética y con un claro compromiso de calidad y mejora continua
C2 CT2 - Capacidad de trabajo en equipo, organización y planificación
Sesión magistral:
Lecciones magistrales participativas con el objetivo de aprender los contenidos teóricos de la materia
Estudio de casos:
Elaboración y presentación de trabajos sobre metodologías del estado del arte seleccionadas y relacionados con la materia.
Prueba objetiva:
Tests de evaluación continua durante el curso. Evaluación mediante examen al final del curso como alternativa.
Prácticas de laboratorio:
Análisis y resolución de casos prácticos con el objetivo de afianzar la aplicación práctica de los contenidos teóricos. Prácticas en aulas de informática, aprendizaje basado en la resolución de casos prácticos, trabajo autónomo y estudio independiente del alumnado, y trabajo en
grupo y aprendizaje cooperativo.
Investigación (Proyecto de investigación):
Aprendizaje basado en la resolución de casos prácticos, trabajo autónomo y estudio independiente del alumnado, y trabajo en grupo y aprendizaje cooperativo.
-Investigación (Proyecto de investigación)(20):
Resolución de casos prácticos de aplicación de la materia mediante trabajo autónomo del alumno, y usando las técnicas aprendidas durante el curs0.
Comnptencias: A2 B1 B2 B5
B6 B8 B10 B11
C2 C1
-Estudio de casos (15):
Elaboración y presentación de trabajos sobre metodologías de la estado del arte seleccionadas.
Competencias: A2 B1 B2 B5
B6 B8 B10 B11
C1 C2
-Prácticas de laboratorio (40):
Análisis y resolución de casos prácticos con el objetivo de afianzar la aplicación práctica de los contenidos teóricos.
Competencias: A2 B1 B2 B5
B6 B8 B10 B11
C1 C2
-Prueba objetiva (25):
Tests de evaluación continua durante el curso. Evaluación mediante examen al final del curso como alternativa.
Competencias: A2 B1 B2 B5
B6 B8 B10 B11
C1 C2
El tiempo de estudio promedio recomendado es de 2 horas por semana. Además, debe contarse el tiempo dedicado a la realización de trabajos de prácticos que estimamos en 6.5 h /semana más. En total suman alrededor de 120 h / semestre.
Asignaturas que se recomienda haber cursado previamente:
Fundamentos de Aprendizaje Automático para Visión por Computador/614535007
Descripción y Modelado de Imagen/614535004
Asignaturas que se recomienda cursar simultáneamente:
Reconocimiento Visual/614535005