Diferencia entre revisiones de «Sistemas de aprendizaxe automáticos»
Ir a la navegación
Ir a la búsqueda
| (No se muestran 8 ediciones intermedias del mismo usuario) | |||
| Línea 8: | Línea 8: | ||
* [[Contidos básicos de Sistemas de Aprendizaxe Automáticos conforme ao Real Decreto 279/2021, de 20 de abril]] | * [[Contidos básicos de Sistemas de Aprendizaxe Automáticos conforme ao Real Decreto 279/2021, de 20 de abril]] | ||
| + | |||
| + | == Caracterización de la Inteligencia Artificial fuerte y débil == | ||
| + | |||
| + | * [[Inteligencia Artificial Débil]] | ||
| + | * [[Inteligencia Artificial Fuerte]] | ||
| + | |||
| + | == Determinación de sistemas de aprendizaje automático (''Machine Learning'') == | ||
| + | |||
| + | * [[Sistemas de aprendizaje automático]] | ||
| + | * [[Técnicas para desarrollar aprendizaje automático]] | ||
| + | * [[Algoritmos o modelos aplicados al aprendizaje automático]] | ||
| + | * Procedimientos del Machine Learning: Datos, identifica patrones y toma decisiones. | ||
| + | * Herramientas de. Aprendizaje automático. | ||
| + | * Aplicaciones del Machine Learning. | ||
| + | |||
| + | == Algoritmos aplicados al aprendizaje supervisado y optimización del modelo == | ||
| + | |||
| + | * Determinación de elementos y herramientas de aprendizaje supervisado. | ||
| + | * Datos etiquetados. | ||
| + | * Variables de entrada (''input data''). Etiquetas de salida. | ||
| + | * Plataformas de aprendizaje automático supervisado. | ||
| + | * [[Fases del aprendizaje automático supervisado]] | ||
| + | |||
| + | == Aplicación de técnicas de aprendizaje no supervisado == | ||
| + | |||
| + | * Técnicas de aprendizaje no supervisado | ||
| + | * Algoritmos de aprendizaje no supervisado. Agrupación de cluster, Reducción de dimensión, entre otros. | ||
| + | * Determinación de elementos y herramientas de Aprendizaje no supervisado. | ||
| + | * Plataformas de aprendizaje automático no supervisado. | ||
| + | * [[Fases del aprendizaje automático no supervisado]] | ||
| + | |||
| + | == Aplicación de modelos computacionales de redes neuronales y comparación con otros modelos == | ||
| + | |||
| + | * [[Aprendizaje automático frente a aprendizaje profundo]] | ||
| + | * [[Cómo aprende una red neuronal]] | ||
| + | * [[Modelos de redes neuronales artificiales]] | ||
| + | |||
| + | == Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático == | ||
| + | |||
| + | * Capacidad de generalización. | ||
| + | * Test. | ||
| + | * Validación. | ||
| + | * Matriz de confusión | ||
{{LicenciaCC|usuario=joselv|nomeeapelidos=José López Villar|modulo=Sistemas de aprendizaxe automáticos|nivelgrao=especialización|nomegrao=[[Intelixencia artificial e big data]]}} | {{LicenciaCC|usuario=joselv|nomeeapelidos=José López Villar|modulo=Sistemas de aprendizaxe automáticos|nivelgrao=especialización|nomegrao=[[Intelixencia artificial e big data]]}} | ||
Revisión actual del 19:36 27 feb 2023
Sumario
- 1 Introdución
- 2 Contidos
- 2.1 Caracterización de la Inteligencia Artificial fuerte y débil
- 2.2 Determinación de sistemas de aprendizaje automático (Machine Learning)
- 2.3 Algoritmos aplicados al aprendizaje supervisado y optimización del modelo
- 2.4 Aplicación de técnicas de aprendizaje no supervisado
- 2.5 Aplicación de modelos computacionales de redes neuronales y comparación con otros modelos
- 2.6 Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático
Introdución
O módulo profesional Sistemas de aprendizaxe automáticos ten:
- o código MP5072
- unha duración de 91 horas
Contidos
Caracterización de la Inteligencia Artificial fuerte y débil
Determinación de sistemas de aprendizaje automático (Machine Learning)
- Sistemas de aprendizaje automático
- Técnicas para desarrollar aprendizaje automático
- Algoritmos o modelos aplicados al aprendizaje automático
- Procedimientos del Machine Learning: Datos, identifica patrones y toma decisiones.
- Herramientas de. Aprendizaje automático.
- Aplicaciones del Machine Learning.
Algoritmos aplicados al aprendizaje supervisado y optimización del modelo
- Determinación de elementos y herramientas de aprendizaje supervisado.
- Datos etiquetados.
- Variables de entrada (input data). Etiquetas de salida.
- Plataformas de aprendizaje automático supervisado.
- Fases del aprendizaje automático supervisado
Aplicación de técnicas de aprendizaje no supervisado
- Técnicas de aprendizaje no supervisado
- Algoritmos de aprendizaje no supervisado. Agrupación de cluster, Reducción de dimensión, entre otros.
- Determinación de elementos y herramientas de Aprendizaje no supervisado.
- Plataformas de aprendizaje automático no supervisado.
- Fases del aprendizaje automático no supervisado
Aplicación de modelos computacionales de redes neuronales y comparación con otros modelos
- Aprendizaje automático frente a aprendizaje profundo
- Cómo aprende una red neuronal
- Modelos de redes neuronales artificiales
Valoración de la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje automático
- Capacidad de generalización.
- Test.
- Validación.
- Matriz de confusión
Estes apuntes foron creados para o módulo profesional Sistemas de aprendizaxe automáticos do ciclo de grao especialización Intelixencia artificial e big data. Creados e editados por José López Villar baixo a licenza Creative Commons 3.0:
- Copiar, distribuír e comunicar publicamente a obra, sempre mencionando ós autores.
- Uso non comercial.
- Compartir as modificacións baixo a mesma licenza.