Descripción de los fundamentos y principios básicos. Describir los tipos de problemas que se abordan y los campos de aplicación. Enumerar y clasificar las aproximaciones existentes. Describir los algoritmos más representativos.
Fundamentos y utilidad. Revisión de algoritmos (método APriori). Ejemplos de aplicaciones.
Algoritmos básicos de clustering (k-medias, métodos jerárquicos aglomerativos y divisivos, etc). Descripción del funcionamiento. Variantes de los métodos básico. Ejemplos de aplicaciones.
Revisión de métodos de aprendizaje, optimización y búsqueda de inspiración biológica. Algoritmos de colonias de hormigas (Ant colony optimization), algoritmo de enjambre (swarm), variantes de la computación evolutiva, etc
Aproximaciones existentes, funcionamiento, algoritmos y métodos (modelos de Markov, Q-learning, etc). Campos de aplicación.
Métodos relacionados con el aprendizaje automático no revisados en clase de teoría.
Describir el papel de las técnicas de aprendizaje automático en distintos campos de la informática, bien de forma general o restringido a problemas concretos. Enumerar las técnicas empleadas, los problemas existentes.
Descripción del modo en que se aplican técnicas de aprendizaje en las aplicaciones de Data Mining. Necesidad de las técnicas de aprendizaje, utilidad y uso que les es dado, métodos/algoritmos típicos. Metodologías para el desarrollo de aplicaciones de Data Mining, ejemplos concretos, etc.
Definición del concepto Inteligencia de Negocio, campos de aplicación típicos, etc. Descripción del modo en que se aplican técnicas de aprendizaje en aplicaciones Business Intelligence. Necesidad de las técnicas de aprendizaje, utilidad y uso que les es dado, métodos/algoritmos típicos. Metodologías para el desarrollo de aplicaciones de Business Intelligence, ejemplos concretos, etc.
Análisis y descripción de técnicas y algoritmos de aprendizaje empleados en distintas áreas del procesamiento de los lenguajes naturales. Explicar el uso que se hace de esas técnicas, información usada para el aprendizaje, estrategías empleadas, etc. Uso en aplicaciones concretas: clasificación de textos (documentos, e-mail, páginas web) traducción automática, adquisición de conocimiento sobre textos (Text Mining), uso en buscadores WEB, etc
Análisis y descripción de técnicas y algoritmos de aprendizaje empleados en distintas áreas del procesamiento de imágenes. Explicar el uso que se hace de esas técnicas, información usada para el aprendizaje, estrategías empleadas, etc. Uso en aplicaciones concretas: reconocimiento de formas, reconocimiento de caracteres, segmentación de imágenes/regiones, búsqueda, clasificación y clustering de imágenes, etc
Describir técnicas, algoritmos y estrategías de aprendizaje de uso en sistemas basados en agentes inteligentes. Explicar el uso que se hace de esas técnicas, información usada para el aprendizaje, estrategías empleadas, etc. Uso de aprendizaje automático para coordinación y planificación distribuida, descripción de aplicaciones concretas, etc
Describir en que consisten los sistemas de recomendación (recommender systems), qué son los filtros colaborativos y cúales son sus aplicaciones prácticas. Describir técnicas, algoritmos y estrategías de aprendizaje de uso en sistemas de recomendación. Describir las ''competiciones'' existentes como el Netflix Prize, etc
Análisis y descripción de la aplicación del aprendizaje automático en cualquier ámbito práctico. Mostrar el tipo de algoritmos empleados, el modo en que se integra el aprendizaje en dichas aplicaciones, los datos manejados en el proceso de aprendizaje, ventajas que aporta el uso de aprendizaje, inconvenientes, otras aproximaciones/alternativas, etc
Estudio del uso de métodos concretos de aprendizaje automático en un problema dado.
Descripción de herramientas de aprendizaje automático disponibles a modo de pequeño manual, indicando sus funcionalidades, instalación, ejemplos de uso, etc. Comparación de las funcionalidades de diversas herramientas, etc.