Metodología de las Ciencias del Comportamiento y de la Salud (conjunto con UAM y UNED)

Máster. Curso 2020/2021.

TECNOLOGÍA DEL CONOCIMIENTO - 607686

Curso Académico 2020-21

Datos Generales

SINOPSIS

COMPETENCIAS

Generales
CG1 : Aplicar los conocimientos a problemas reales.
CG2 : Obtener información de forma efectiva a partir de libros, revistas especializadas y otras fuentes
CG3 : Afrontar problemas nuevos y adaptarse a nuevas situaciones fomentando la creatividad y el espíritu emprendedor.

Transversales
CT1 : Analizar la situación objetivamente y recopilar la información más relevantes.
CT2 : Transmitir información, ideas, problemas y soluciones a un público tanto especializado como no
especializado.
Específicas
CE1 : Conocer y desarrollar técnicas de aprendizaje automático.
CE2 : Diseñar, implementar y evaluar modelos y sistemas que las utilicenen las áreas del comportamiento y de la salud.

ACTIVIDADES DOCENTES

Clases teóricas
Los alumnos de la modalidad presencial asistirán a las clases semanales en el aula de la UCM, siguiendo las fechas y horarios indicados en la página web del máster (www.metodologiaccs.es, pestaña correspondiente al curso actual); a cada clase seguirá una tutorización en el aula de 1 h de duración. Si por cualquier motivo y durante algún periodo de tiempo no fuese posible la utilización de las aulas físicas de la UCM, las clases se impartirán telemáticamente en el aula virtual de la asignatura en los mismos horarios programados para las clases presenciales (cuando eso ocurra el profesor indicará a través del Campus Virtual el enlace para acceder al aula virtual por internet).
Los alumnos de la modalidad a distancia deberán estudiar los materiales que para cada periodo temporal les indicará el profesor en el campus virtual a lo largo del curso, así como realizar los trabajos prácticos.
Clases prácticas
El alumno deberá realizar y entregar en plazo todos los trabajos prácticos indicados en campus virtual de la asignatura. También se requiere dar una respuesta bien fundamentada a las aclaraciones que sobre los trabajos le solicite el profesor.
Otras actividades
La fecha de inicio y finalización del curso es la misma para todos los alumnos, con independencia de la modalidad elegida (presencial o a distancia), y se indica en el sitio web del máster (www.metodologiaccs.es, pestaña correspondiente al curso actual).

La atención al estudiante, para aclaraciones, resolver dudas, etc. se realizará a través de:
• Tutorías presenciales, en los horarios que se indicarán en el campus virtual y en el despacho 2106-J.
• Tutorías telemáticas por correo electrónico. Cuando resulte necesario también será posible la atención telefónica o por medios análogos, mediante cita acordada previamente.
Los alumnos que están en husos horarios distintos al de Madrid, pueden considerar que los plazos establecidos para entregar los trabajos y las prácticas están expresados en la hora oficial del país donde se encuentran. Sin embargo para contactar con el profesor por teléfono o similar (lo que requiere sincronización real) deben tener en cuenta que éste se encuentra en Madrid, donde la hora oficial es GMT+2 desde el último domingo de marzo hasta el último domingo de octubre (horario de verano); y GMT+1 el resto del año (horario de invierno). Los días festivos y lectivos para esta asignatura son los que indica el calendario académico oficial de la UCM, publicado en su sitio web (www.ucm.es).

Presenciales

5

Semestre

2

Breve descriptor:

La Tecnología del Conocimiento es un área científico-tecnológica, de carácter multidisciplinar. Su objetivo es desarrollar sistemas artificiales con capacidad para generar conocimiento de manera automatizada, elaborarlo, codificarlo, archivarlo y utilizarlo. Este curso se focaliza en el aprendizaje artificial, también denominado aprendizaje automático y machine learning. Sus principales áreas de aplicación están en la industria, la empresa, la sanidad, la enseñanza y otros servicios.

EL CONTENIDO DE ESTA GUÍA REPRODUCE LO MÁS FIELMENTE POSIBLE EL CONTENIDO DE LA GUÍA COMPLETA DE ESTA ASIGNATURA PUBLICADA EN LA WEB OFICIAL DEL MÁSTER www.metodologiaccs.es , DONDE PUEDE CONSULTARSE SELECCIONANDO LA PÁGINA CORRESPONDIENTE AL PRESENTE CURSO ACADÉMICO.

Requisitos

Conocimientos básicos de estadística y probabilidad.

Objetivos

- Estudiar los sistemas artificiales capaces de generar conocimiento, centrándose en los sistemas de aprendizaje automático.

- Conocer las técnicas utilizadas y las aplicaciones prácticas que tienen.

- Iniciarse en el diseño, creación y utilización de esos sistemas.

Contenido


  1. Introducción a la Tecnología del Conocimiento. Sistemas inductivos.
  2. Big Data, minería de datos y descubrimiento de conocimiento: problemas, objetivos, técnicas y herramientas.
  3. Aprendizaje automático. Supervisado y no supervisado. Modelos de clasificación y regresión. Aplicaciones.
  4. Técnicas de aprendizaje no supervisado: K-medias, componentes principales, agrupamiento de variables y casos.
  5. Aprendizaje supervisado: funciones discriminantes, árboles de decisión, bosques aleatorios, vectores soporte.
  6. Redes neuronales de convolución: historia, conceptos, arquitectura, algoritmos de aprendizaje. Sobreajuste. Transferencia de aprendizaje.
  7. Evaluación y comparación de modelos clasificadores y predictivos: problemática, teoría y técnicas.
  8. La inferencia estadística con datos masivos empíricos y de simulación.

Evaluación

CONVOCATORIA ORDINARIA (junio)
La evaluación se basará fundamentalmente en el grado de consecución de los objetivos establecidos para cada uno de los trabajos prácticos a realizar durante el curso, así como en las respuestas a las aclaraciones que sobre los mismos pueda solicitarle el profesor (90%) y en la actividad y participación del alumno en el curso (10%). Por ello resulta imprescindible para superar la evaluación de la asignatura que los trabajos prácticos se entreguen todos y en los plazos fijados (o alternativamente se documente por escrito la causa de los retrasos justificados).

Para superar la asignatura se requiere superar todos y cada uno de los trabajos. Por ello, los trabajos con calificación inferior a 5 deberán repetirse y entregar la nueva versión en el plazo que el profesor especifique; y a falta de especificación expresa, en el plazo de 10 días naturales contados a partir de la fecha en la que a través del campus virtual le haya sido comunicada a alumno la calificación desfavorable o la necesidad de repetirlo.


CONVOCATORIA EXTRAORDINARIA (julio)
La convocatoria extraordinaria tiene lugar para esta asignatura en el mes de julio. La evaluación se hará con el mismo criterio y por el mismo procedimiento que en la convocatoria ordinaria. El alumno deberá entregar antes del día 1 de julio los trabajos que le faltasen por entregar o superar.

Bibliografía

La asignatura dispondrá de bibliografía específica y materiales que se distribuirán a los alumnos escalonadamente durante el curso, desde el Campus Virtual de la UCM.

BIBLIOGRAFÍA ORIENTATIVA
- Alpaydin, E, Introduction to machine learning - MIT Press , 2010
- Bishop, C.M Neural networks for pattern recognition, Clarendon Press , 1995
- Committee on the Analysis of Massive Data et al. Frontiers in Massive Data Analysis. The National Academies Press, 2013
- Duda, R.O. Hart, P.E. Stork, D.G, Pattern classification, John Wiley & Sons, 2001.
- Efron, B., & Hastie, T. Computer Age Statistical Inference: Algorithms, Evidence, and Data Science. Institute of Mathematical Statistics Monographs. Cambridge: Cambridge University Press. 2016.
- Goodfellow I, Bengio Y, Courville A. Deep Learning, MIT Press, 2016
-- Haykin, S.S. Neural networks and learning machines, Prentice Hall, 2009.
- Hernández, J. Ramírez, M.J. y Ferri, C. Introducción a la Minería de Datos, Prentice Hall / Addison Wesley, 2004.
- Mitchell T M, Machine Learning. McGraw-Hill, 1997.

Otra información relevante

ADENDA POR LA COVID-19

El MARCO ESTRATÉGICO PARA DOCENCIA CURSO 2020-21 (aprobado en Consejo de Gobierno de 21 de julio de 2021) prevé maximizar y flexibilizar la presencialidad garantizando la seguridad sanitaria de toda la comunidad universitaria. Esta adenda se ha consensuado en reunión de coordinación de asignatura Tecnología del Conocimiento y ha sido aprobada en Consejo de Departamento de 23.09.2020. Ha previsto tres escenarios posibles.

Escenario 0. Docencia presencial 100% sin distancia de seguridad interpersonal.

En el escenario 1 de semi-presencialidad, la docencia será síncrona, con todos los estudiantes en el aula, excepto quienes por causa justificada no puedan o no deban acudir al aula y que seguirán la clase por videoconferencia.

En el escenario 2 la docencia será en línea, combinando la síncrona y la asíncrona. En la asíncrona se pondrá a disposición de los alumnos recursos de apoyo.

En los 3 escenarios el profesor decidirá sobre la incorporación de actividades formativas específicas. Se utilizará el campus virtual de la Universidad Complutense como plataforma de gestión de docencia y evaluación.

Tutorías: Los horarios estarán publicados en el campus virtual y podrán ser tanto presenciales como virtuales. Siempre que el tema lo permita las tutorías se realizarán preferiblemente en línea (mail y foros); las tutorías presenciales y las síncronas) se atenderán con cita previa y preferiblemente dentro del horario establecido.

Evaluación: En ambos escenarios, se llevará cabo de manera continua y por procedimiento descrito en esta guía docente.

Revisión de examen: Como antes de la pandemia, con adaptaciones para sustituir la comunicación presencial por la virtual.

La Biblioteca de la UCM ha adquirido fondos electrónicos de obras referenciadas en esta guía. El profesor publicará en el campus virtual materiales de elaboración propia o enlaces a recursos adicionales relevantes para el desarrollo docente.

Estructura

MódulosMaterias
No existen datos de módulos o materias para esta asignatura.

Grupos

Clases teóricas y/o prácticas
GrupoPeriodosHorariosAulaProfesor
Grupo A (Presencial)25/01/2021 - 04/06/2021MARTES 11:00 - 12:00-LUIS JAÑEZ ESCALADA
MARTES 12:00 - 13:00-LUIS JAÑEZ ESCALADA
MARTES 13:00 - 14:00-LUIS JAÑEZ ESCALADA
Grupo B (A Distancia) - - -LUIS JAÑEZ ESCALADA


Exámenes finales
GrupoPeriodosHorariosAulaProfesor
Grupo único de examen final - - -


Exámenes parciales
GrupoPeriodosHorariosAulaProfesor
Grupo único de examen parcial - - -