En esta asignatura aprenderás los conceptos básicos del aprendizaje automático
y la ciencia de datos, ¿qué es?, ¿qué disciplinas abarca?, ¿qué aplicaciones
tiene?, etc. En particular conocerás los algoritmos básicos de clasificación
supervisada y las técnicas necesarias para evaluar el rendimiento de los
algoritmos y de los modelos obtenidos.
Tambien aprenderás cómo preprocesar los datos para obtener así modelos de
mayor calidad (simples, comprensibles, eficientes, etc.).
Por último, aprenderás a poner en funcionamiento las técnicas estudiadas
mediante dos tipos de ejercicios prácticos: usando una herramienta tipo suite
como WEKA y programando tus propios scripts y algoritmos en R.
A3. Ciencia de datos y aprendizaje automático
102466
2019-20
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
4,5
OPTATIVA
Anual
Castellano
En esta materia se estudiarán los fundamentos del proceso para descubrir
patrones en conjuntos de datos. Se estudiarán algoritmos y técnicas de
preparación de los datos, algunos algoritmos básicos de aprendizaje automático
y métodos de evaluación de estos algoritmos:
Objetivos y aplicaciones de la ciencia de datos.
Preprocesamiento de datos: Selección de variables, discretización, selección
de instancias, valores imperfectos (ruido, datos perdidos).
Técnicas de validación: entrenamiento, hold-out, cross-validation, etc.
Algoritmos de aprendizaje supervisado: árboles de decisión, técnicas de
vecinos más cercanos, Naive Bayes, Perceptrón.
1. Módulo 1: Introducción a la minería de datos y ciencia de datos
1.1. Motivación
2. Módulo 2: Técnicas de validación y evaluación
2.1. Entrenamiento y validación, hold-out, cross-validation
3. Módulo 3: Algoritmos básicos de aprendizaje supervisado
3.1. Métodos basados en instancias/vecinos (kNN)
4. Módulo 4: Preprocesamiento de datos
4.1. Integración, manipulación y visualización
5. Módulo Práctico: Weka, R y Kaggle
Unidades
1.2. Minería y ciencia de datos, ejemplos
1.3. El proceso de KDD. CRISP-DM
1.4. Tareas, técnicas y herramientas
2.2. Evaluación con costes y desbalanceo
2.3. Análisis ROC
3.2. Árboles de decisión
3.3. Clasificación probabilística - Naive Bayes
3.4. Redes neuronales
4.2. Selección de variables
4.3. Discretización
4.4. Selección de instancias (prototipos)
4.5. Valores imperfectos, ruido, datos perdidos
CG1 - Entender los conceptos, los métodos y las aplicaciones de la
inteligencia artificial.
CG3 - Gestionar de manera inteligente los datos, la información y su
representación.
CE2 - Aplicar las técnicas de aprendizaje automático utilizando la metodología
de validación y presentación de resultados más apropiada en cada caso.
CE5 - Analizar las fuentes documentales propias del ámbito de la investigación
en Inteligencia Artificial para poder determinar cuáles de ellas son
relevantes en la resolución de problemas concretos.
A1 - Sesiones presenciales virtuales (clases en vídeo): visionado
inicial del material audiovisual que constituye las lecciones de la
asignatura. Se asume 1.5 veces el tiempo real de vídeo, puesto que el
estudiante deberá parar, repetir, etc. algunas secuencias (17 horas).
A2 - Trabajos individuales: realización de ejercicios, resolución de
problemas, realización de prácticas y/o trabajos/proyectos individuales (50
horas).
A3 - Trabajo autónomo: estudio del material básico, lecturas
complementarias y otros contenidos y estudio (32 horas).
A4 - Foros y chats: lanzamiento, lectura y contestación de cuestiones y
temas para la discusión general (5,5 horas).
A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc
(5,5 horas).
Puede consultar en este enlace el Cronograma
de Carga de Trabajo.
E1 - Valoración de los cuestionarios de evaluación: Se
entregarán por parte de los estudiantes entre 8-10 entregas (problemas,
pequeños programas, etc.) relativos a los contenidos de cada unidad didáctica.
En total representan el 40% de la nota.
E2 - Valoración de la participación en foros y chats: En
función del nivel y tipo de participación en foros y debates de la asignatura
se podrá obtener hasta un 10% de la puntuación total.
E3 - Valoración de los trabajos individuales: Los alumnos deberán
presentar un trabajo individual de ciencia de datos basado en un caso de
estudio propuesto por los profesores, en el que se demuestren las competencias
adquiridas durante la asignatura. Su valoración corresponde al 50% del total
de la asignatura.
Para la convocatoria ordinaria, habrá 3 fechas de entrega de trabajos
final de curso. Los alumnos podrán entregar sus trabajos en cualquier momento,
pero sólo en estas fechas se recogerán y evaluarán los que se hayan entregado.
Las fechas serán:
20/12/19
15/03/20
31/05/20
Habrá una convocatoria extraordinaria en todas las asignaturas.
Para su evaluación, la fecha límite para la entrega de trabajos será:
10/07/20
Para los Trabajos Fin de Máster habrá dos convocatorias:
Convocatoria ordinaria: Entrega de TFM hasta el 01/07/20 y defensa el 15/07/20
Convocatoria extraordinaria: Entrega de TFM hasta el 01/09/20 y defensa el
15/09/20
Las actas de la convocatoria ordinaria se cerrarán en julio de 2020 y las de
la convocatoria extraordinaria en septiembre de 2020.
Las sesiones se desarrollarán de octubre a marzo.
Foster Provost and Tom Fawcett "Data Science for Business: Fundamental
principles of data mining and data analytic thinking", O'Reilly Media, 2013
Jeffrey Stanton "Introduction to Data Science", 2012.
https://ischool.syr.edu/media/documents/2012/3/DataScienceBook1_1.pdf
Lars Nielsen, Noreen Burlingame "A simple introduction to data science", 2013
(ultra-short introduction)
Rachel Schutt "Doing data science", O'Reilly 2013
Jiawei Han "Data Mining: Concepts and Techniques"
José Hernández-Orallo, M.José Ramírez-Quintana, Cèsar Ferri, "Introducción a
la minería de datos", Pearson 2004
Peter Flach "Machine learning: the art and science of algorithms that make
sense of data", Cambridge 2013
Trevor Hastie, Robert Tibshirani , Jerome Friedman. The Elements of
Statistical Learning: Data Mining, Inference, and Prediction. Springer Series.
2009. ISBN 978-0-387-84858-7
Pang-Ning Tan, Michael Steinbach, Vipin Kumar "Introduction to Data Mining",
Addison-Wesley, 2005. ISBN : 0321321367
Xindong Wu, Vipin Kumar "The Top Ten Algorithms in Data Mining". Chapman and
Hall/CRC, 2009. ISBN: 9781420089646
Mark Hall, Ian Witten, Eibe Frank "Data Mining: Practical Machine Learning
Tools and Techniques", Morgan Kaufmann Publishers, 2011. ISBN:
978-0-12-374856-0
Salvador García, Julián Luengo, Francisco Herrera "Data Preprocessing in Data
Mining" Springer, 2015. ISBN: 978-3-319-10246-7
Árboles de decisión
Tan, Steinbach y Kumar, 2005. Chapter 4. Classification: Basic Concepts,
Decision Trees, and Model Evaluation. http://www-users.cs.umn.edu/~kumar/dmbook/ch4.pdf
Naive Bayes
Tom Mitchell, 2015. Chapter 2. Estimating Probabilities: MLE and MAP. http://www.cs.cmu.edu/%7Etom/mlbook/Joint_MLE_MAP.pdf
Tom Mitchell, 2015. Chapter 3. Naive Bayes and Logistic Regression. http://www.cs.cmu.edu/%7Etom/mlbook/NBayesLogReg.pdf
Selección de atributos
Isabelle Guyon and André Elisseeff. "An introduction to variable and feature
selection". Journal of Machine Learning Research 3:1157-1182, 2003. www.jmlr.org/papers/volume3/guyon03a/guyon03a.pdf
Gavin Brown, Adam Pocock, Ming-Jie Zhao, Mikel Luján. "Conditional Likelihood
Maximisation: A Unifying Framework for Information Theoretic Feature
Selection". Journal of Machine Learning Research 13:27−66, 2012. http://www.jmlr.org/papers/volume13/brown12a/brown12a.pdf
Lab (R and Kaggle)
CRAN manuals: http://cran.r-project.org/doc/manuals/R-intro.pdf,
http://cran.r-project.org/doc/contrib/Torfs+Brauer-Short-R-Intro.pdf
Luis Torgo "Data Mining with R", CRC Press 2010
Wikibooks: http://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R,
http://en.wikibooks.org/wiki/R_Programming
Graham Williams: Hands-On Data Science with R, http://onepager.togaware.com/
Lab (WEKA)
WEKA software: http://www.cs.waikato.ac.nz/ml/weka/index.html
The Weka Wiki: https://weka.wikispaces.com/
A presentation demonstrating all graphical user interfaces (GUI) in Weka. http://prdownloads.sourceforge.net/weka/weka.ppt
Libros
Enlaces a documentos disponibles en línea (por tema)
Este documento puede utilizarse como documentación de referencia de esta asignatura para la solicitud de reconocimiento de créditos en otros estudios. Para su plena validez debe estar sellado por la Secretaría de Estudiantes UIMP.
Descripción no definida
Anual
Créditos ECTS: 4,5
Gámez Martín, José Antonio
Catedrático de Lenguajes y Sistemas Informáticos
Universidad de Castilla-La Mancha
Alfaro Jiménez, Juan Carlos
Teaching Assistant
Personal Investigador Predoctoral en Formación (FPU)
Universidad Castilla-La Mancha
Charte Ojeda, Francisco
Profesor Ayudante Doctor de Arquitectura y Tecnologías de Computadoras
Universidad de Jaén
Del Jesús Díaz, María José
Catedrática de Ciencias de la Computación e Inteligencia Artificial
Universidad de Jaén
Hernández Orallo, José
Catedrático Lenguajes y Sistemas Informáticos
Universidad Politécnica de Valencia
Martínez Plumed, Fernando
Teaching Assistant
Investigador Postdoctoral en Informática
Universidad Politécnica de Valencia