Página principal > Machine learning for Big Data |
GDOC-2017-62234 |
Curso: 2017-2018
Universidad de Zaragoza,
Zaragoza
Titulación(es): Máster Universitario en Ingeniería Informática
Idioma: Español
Profesor(es): ANA CRISTINA MURILLO, ARNAL
Resumen: Breve presentación de la asignatura
El análisis y la extracción de patrones en grandes volúmenes de datos ocupan actualmente un lugar fundamental en diversas aplicaciones científicas y tecnológicas y tienen gran importancia económica y social. La inmensa cantidad de datos disponibles en la actualidad, provenientes de tecnologías diversas como sensores o la Web 2.0, ha producido un salto cualitativo en numerosos problemas como el reconocimiento de escenas, caras u objetos en imágenes, sistemas de recomendación, o lenguaje natural. En estos y otros campos, la disponibilidad de grandes conjuntos de datos ofrece varias oportunidades, como modelar patrones complejos o mejorar el desempeño de algoritmos sencillos.
El objetivo de este curso es introducir al estudiante en el aprendizaje automático con grandes volúmenes de datos, exponer el estado del arte, limitaciones y ejemplos de aplicación, y profundizar en los algoritmos más extendidos. En concreto se profundizará sobre todo en redes neuronales, que es el algoritmo con más potencial para capturar patrones complejos a partir de datos. También se estudiará el aprendizaje secuencial para el caso de flujos de datos y aproximaciones eficientes al problema del vecino más próximo.
Debe reconocer adecuadamente la autoría, proporcionar un enlace a la licencia e indicar si se han realizado cambios. Puede hacerlo de cualquier manera razonable, pero no de una manera que sugiera que tiene el apoyo del licenciador o lo recibe por el uso que hace. No puede utilizar el material para una finalidad comercial. Si remezcla, transforma o crea a partir del material, deberá difundir sus contribuciones bajo la misma licencia que el original.
Este registro pertenece a las colecciones:
Materiales académicos > Guías docentes > Arquitectura e Ingeniería > Mastéres de Ingeniería y Arquitectura > Ingeniería Informática
Materiales académicos > Guías docentes > Guías docentes: Curso 2017-2018