Cursos de Doctorado

CURSO 2007-2008

Aprendizaje Automático y Data Mining

Profesor Responsable: César Fernández

Programa  Bibliografía  Planificación Transparencias Guiones prácticas Programa WEKA Trabajos propuestos

 

 

 Programa:

1.- Introducción.

 

    - Inteligencia artificial.

    - Aprendizaje automático.

    - Tipos de aprendizaje.


2.- Aprendizaje inductivo.

 

        - Conceptos básicos.

        - Árboles de decisión.

        - Otros modelos.

        - Criterios de selección de modelos.

 

3.- Métodos de aprendizaje inductivo.

 

        - Método del vecino más cercano.

        - Árboles de decisión.

        - Listas de reglas.

        - Aprendizaje Bayesiano.

        - Redes neuronales.

        - Funciones de base radial.

 

4.- Data Mining.

 

5.- Aprendizaje por refuerzo.

 

        - Introducción

        - Modelado mediante estados y acciones.

        - Recompensa retrasada.

        - Aprendizaje Q.

 

6.- Ejemplo de aplicación.

 

 

 

 


Bibliografía:

 


Planificación:

Fecha  Hora Tipo clase Aula Material (transparencias, guiones)
Miércoles 28 de Mayo 18:00 - 21:00 Teoría 0.1 (Torreblanca)

0: Presentación (PDF 1451KB)

1: Introducción (PDF 259KB)

2: Aprendizaje inductivo (PDF 287KB)

3: Métodos de aprendizaje inductivo (PDF 547KB)

4: Métodos de aprendizaje inductivo (continuación) (PDF 2849KB)

5: Data Mining (PDF 197KB)

6: Aprendizaje por refuerzo (PDF 369KB)

7: Ejemplo de aplicación (PDF 2046KB)

Jueves 29 de Mayo 18:00 - 21:00 Teoría 0.1 (Torreblanca)
Viernes 30 de Mayo 18:00 - 21:00 Teoría 0.1 (Torreblanca)
Miércoles 4 de Junio 16:00 - 19:00 Prácticas Laboratorio 1.1 Automática (Altabix) P1: Entorno WEKA de aprendizaje automático y Data Mining (PDF 1424KB)

            Ejemplos (maquina.xls 17KB)

P2: Utilización de WEKA desde la línea de comandos (PDF 88KB)

            Ejemplos (datos_1.arff 76KB) (datos_2.arff 73KB) (datos_3.arff 68KB)

            Función (lee_weka.m 2KB)

Jueves 5 de Junioo 16:00 - 19:00 Prácticas Laboratorio 1.1 Automática (Altabix)

P3: Almacenamiento de modelos con WEKA (PDF 104KB)

P4: Comparación de métodos de aprendizaje (PDF 60KB)

            Ejemplos (robot.arff 76KB)

Por determinar   Exposiciones alumnos 0.1 (Torreblanca)  

 


Transparencias:

 


Guiones prácticas:

 

Hay un total de cuatro prácticas a realizar durante las tres sesiones:

            Ejemplos de entrenamiento (maquina.xls 17KB)

            Ejemplos de entrenamiento (datos_1.arff 76KB) (datos_2.arff 73KB) (datos_3.arff 68KB)

            Función de lectura de resultados (lee_weka.m 2KB)

            Ejemplos de entrenamiento (robot.arff 76KB)

 


 

Programa WEKA:

 

El programa WEKA para la realización de las prácticas se puede descargar como un fichero zip:

WEKA_JAVA.ZIP (17.872KB)

  • No necesita instalación, basta con extraer todos los ficheros en el directorio que se desee.
  • Es necesario tener JAVA instalado en el equipo para poder utilizar WEKA.

 

 


 

Trabajos propuestos:

 

Se proponen diversos artículos, con distintos niveles de dificultad. Cada alumno deberá elegir un artículo y realizar un trabajo sobre el mismo.

Este trabajo será entregado en papel y además será expuesto en clase (se debe preparar una exposición de unos 15 minutos).

 

Artículos propuestos:

 

 

Nota: La mayoría de los documentos requieren el visualizador Adobe Acrobat Reader para leer o imprimir sus contenidos. Este programa está disponible de manera gratuita para la mayoría de las plataformas. Pulsa en el icono de la izquierda para descargar Acrobat Reader.