Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 109 Horas de Titorías: 1 Clase Expositiva: 14 Clase Interactiva: 26 Total: 150
Linguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado ás titulacións
Áreas: Área externa Máster en Visión por Computador / Computer Vision
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
O obxectivo desta materia é coñecer e aplicar modelos neuronais avanzados, coñecer as
técnicas da estado da arte de aprendizaxe profunda, con formulacións de adestramento
end-to-end, e minimizando el uso de datos etiquetados, para resolver aplicacións de
visión por computador usando as metodoloxías cubertas na materia.
Perceptrón multicapa e retropropagación.
Redes convolucionais e recurrentes
Principios de deep learning
Aprendizaxe auto-supervisada e autoencoders.
Modelos neuronais avanzados para visión por computador.
Paradigmas avanzados de supervisión
Temas seleccionados en aprendizaxe máquina para visión por computador
Aplicacións avanzadas en visión por computador.
Bibliografía básica:
Artigos recentes en revistas e conferencias científicas relevantes: NIPS, ICML, IJCAI, AAAI, ECML, CVPR, ICDM, IEEE PAMI, IEEE TKDE, etc.
Bibliografía complementaria:
Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. MIT Press. 2017.
Competencias do título: Específicas
A2 CE2 - Coñecer e aplicar técnicas de aprendizaxe automática e recoñecemento de patróns aplicadas a visión por computador
Competencias do título: Básicas / Xerais
B1 CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B2 CB7 - Que os estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornas novas ou pouco coñecidas dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo
B5 CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo
B6 CG1 - Capacidade de análise e síntese de coñecementos
B8 CG3 - Capacidade para desenvolver sistemas de visión por computador dependendo das necesidades existentes e aplicar as ferramentas tecnolóxicas máis axeitadas
B10 CG5 - Capacidade para identificar problemas sen resolver e achegar solucións innovadoras
B11 CG6 - Capacidade para identificar resultados teóricos ou novas tecnoloxías con potencial innovador e convertelos en produtos e servizos de utilidade para a sociedade
Competencias do título: Transversais / Nucleares
C1 CT1 - Exercer a profesión con conciencia clara da súa dimensión humana, económica, legal e ética e coun claro compromiso de calidade e mellora continua
C2 CT2 - Capacidade de traballo en equipo, organización e planificación
Sesión maxistral:
Leccións maxistrais participativas co obxectivo de aprender os contidos teóricos da materia
Estudo de casos:
Elaboración e presentación de traballos sobre metodoloxías do estado da arte seleccionados e relacionados coa materia.
Proba obxectiva:
Tests de avaliación continua durante o curso. Avaliación mediante exame ao final do curso como alternativa.
Prácticas de laboratorio:
Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos. Prácticas en aulas de
informática, aprendizaxe baseada na resolución de casos prácticos, traballo autónomo e estudo independente do alumnado, e traballo en
grupo e aprendizaxe cooperativo.
Investigación (Proxecto de investigación):
Aprendizaxe baseada na resolución de casos prácticos, traballo autónomo e estudo independente do alumnado, e traballo en grupo e
aprendizaxe cooperativo.
-Investigación (Proxecto de investigación) (20):
Resolución de casos prácticos de aplicación da materia mediante traballo autónomo do alumno, e usando as técnicas aprendidas durante o curso.
Competencias:
A2 B1 B2 B5
B6 B8 B10 B11
C2 C1
Estudo de casos (15):
Elaboración e presentación de traballos sobre metodoloxías da estado da arte seleccionadas.
Competencias: A2 B1 B2 B5
B6 B8 B10 B11
C1 C2
Prácticas de laboratorio (40):
Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos.
Competencias: A2 B1 B2 B5
B6 B8 B10 B11
C1 C2
Proba obxectiva (25):
Tests de avaliación continua durante o curso. Avaliación mediante exame ao final do curso como alternativa
Competencias:
A2 B1 B2 B5 B6 B8 B10 B11
C1 C2
O tempo de estudo medio recomendable é de 2 horas semanais. Adicionalmente, deberá contarse o tempo dedicado á realización de traballos de prácticos que estimamos en 6.5 h./semana máis. En total suman arredor de 120h/semestre.
Materias que se recomenda ter cursado previamente:
Fundamentos de Aprendizaxe Automática para Visión por Computador/614535007
Descrición e Modelaxe de Imaxe/614535004
Materias que se recomenda cursar simultaneamente:
Recoñecemento Visual/614535005