Se comunica a los estudiantes de la asignatura "Técnicas de Aprendizaje Profundo en la Industria" (Cód. 28070143), del Máster Universitario en Industria Conectada, la siguiente modificación en el equipo docente de la asignatura:

Se incorpora el profesor D. José Manuel Castillo Cara, como miembro del equipo docente y causa baja el profesor D. Mariano Rincón Zamorano.

PRESENTACIÓN

Las redes neuronales profundas, o Aprendizaje Profundo (Deep Learning), son una tecnología basada en el concepto clásico de redes neuronales. En Aprendizaje Profundo, además del concepto de perceptrón o neurona clásica, se usa un conjunto de capas intermedias de aprendizaje denominadas capas ocultas (Hidden Layers) que se usan para identificar características específicas de la función no lineal a implementar (por ejemplo, una clasificación múltiple). No es una tecnología novedosa, sino que la aparición de técnicas de computación avanzada (procesamiento distribuido, clústeres, GPUs, etc.) ha permitido implementar (crear modelos) de este tipo de redes neuronales con poco esfuerzo y con tiempos razonables de ejecución comparados con los de las implementaciones de sus antecesoras. Adicionalmente, se han conseguido factores de precisión muy cercanos al 100% en tareas tan específicas como el reconocimiento de imágenes o del lenguaje hablado.
Esta asignatura se centra en mostrar los fundamentos del Aprendizaje Profundo y las principales herramientas que se pueden utilizar para desarrollar modelos basados en redes neuronales que, posteriormente, habilitarán al estudiante para resolver problemas de aplicación de este tipo de tecnología.

CONTEXTUALIZACIÓN

"Técnicas de aprendizaje profundo en la industria" es una asignatura de 5 créditos ECTS, de carácter obligatorio e impartida en el segundo semestre del Máster Universitario en  Industria Conectada. Guarda relación con las siguientes asignaturas de este mismo Máster: "Fundamentos matemáticos para la analítica de datos" e "Inteligencia Artificial en la Ingeniería".

Se recomienda que los interesados en cursar esta asignatura del Máster tengan un nivel de lectura en inglés suficiente como para entender contenidos técnicos en dicha lengua. Gran parte de la bibliografía, así como los recursos proporcionados al estudiante en el curso virtual, pueden estar únicamente en inglés debido a la novedad de algunos de los contenidos propuestos para la asignatura.

Se recomienda también tener unos conocimientos sólidos de programación. Se fomentará el uso de software libre siempre y cuando sea posible para la realización de las actividades y las practicas propuestas.

La tutorización de los estudiantes tendrá lugar esencialmente a través de los foros de la plataforma de enseñanza virtual, aunque también podrán utilizarse ocasionalmente otros medios, tales como chats interactivos o servicios de mensajería instantánea. Adicionalmente, está también previsto, para temas personales que no afecten al resto de los estudiantes, atender consultas en persona, por teléfono o correo electrónico. 

El seguimiento del aprendizaje se realizará revisando la participación de los alumnos en los distintos foros de debate y las aportaciones de material nuevo, además de la entrega en fecha de los diferentes trabajos prácticos que se han planificado durante el desarrollo del curso.

En caso de necesitar contactar con el Equipo Docente por medios distintos al curso virtual, se utilizará preferentemente el correo electrónico, pudiéndose también realizar entrevistas personales (presenciales, por teléfono o por videoconferencia) en los horarios establecidos y concertadas con antelación. Los horarios establecidos de atención al estudiante son los siguientes:

COMPETENCIAS GENERALES

CG1 - - Diseñar estrategias para organizar y planificar entornos industriales conectados

CG2 - - Resolver problemas asociados al diseño o desarrollo de sistemas industriales conectados

CG4 - - Ser capaz de gestionar información proveniente de sistemas industriales conectados

CG5 - - Ser capaz de diseñar y desarrollar sistemas industriales conectados de manera eficiente

COMPETENCIAS BÁSICAS

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación deideas, a menudo en un contexto de investigación

CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio

CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios

CB9 - Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades

CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Los estudiantes que cursen esta asignatura optativa adquirirán las siguientes competencias específicas:

- Conocer y comprender los fundamentos de las redes neuronales y sus variaciones, así como las técnicas de implementación y desarrollo de este tipo de algoritmos en entornos industriales

- Ser capaz de elegir las soluciones y proveedores adecuados para la implementación de soluciones de Deep Learning en entornos Cloud e Industriales

A. Conocimientos teóricos:

· Identificar el concepto de red neuronal profunda y la estructura que define su comportamiento.

· Distinguir las distintas tipologías de redes neuronales profundas, identificando las características y propiedades más relevantes que las hacen recomendables para la solución de distintos tipos de problemas, tanto de aplicación como de investigación.

· Aplicar redes neuronales profundas en diferentes ámbitos de la industria, analizando el problema y seleccionando o diseñando la tipología más adecuada.

· Comprender los nuevos usos de las técnicas de aprendizaje profundo en la industria conectada.

B. Conocimientos prácticos o destrezas:

· Elegir las soluciones y proveedores adecuados para la implementación de soluciones de Deep Learning en entornos en la nube e Industriales de producción y de investigación.

Esta asignatura ha sido diseñada para la enseñanza a distancia. Por tanto, el sistema de enseñanza-aprendizaje estará basado en gran parte en el estudio independiente o autónomo del estudiante. Para ello, el estudiante contará con diversos materiales, que permitirán su trabajo autónomo, y la Guía de Estudio de la asignatura, que incluye orientaciones para la realización de las actividades prácticas. Asimismo, mediante la plataforma virtual de la UNED existirá un contacto continuo entre el equipo docente y los/as estudiantes, así como una interrelación entre los propios estudiantes a través de los foros, importantísimo en la enseñanza no presencial. 

El estudio de esta asignatura se realizará a través de los materiales y enlaces que el Equipo Docente publicará en el curso virtual.

Las actividades formativas para el estudio de la asignatura son las siguientes: 

• Estudios de contenidos (55 horas)
• Actividades en la plataforma virtual (10 horas)
• Prácticas informáticas (60 horas)
• Total:125 horas

Los medios necesarios para el aprendizaje son: 

1. Materiales teórico-prácticos preparados por el Equipo Docente para cubrir los conceptos básicos del temario. 
2. Bibliografía complementaria. El estudiante puede encontrar en ella información adicional para completar su formación. 
3. Curso Virtual de la asignatura, donde el estudiante encontrará: 

• Una guía de la asignatura en la que se hace una descripción detallada del plan de trabajo propuesto. 

• Un calendario con la distribución temporal de los temas propuesta por el Equipo Docente y con las fechas de entrega de las actividades teórico-prácticas que el estudiante tiene que realizar para su evaluación.            

• Enunciado de las actividades teórico-prácticas propuestas y zona donde depositar los entregables asociados a dichas actividades. 

• Los foros por medio de los cuales el Equipo Docente aclarará las dudas de carácter general y que se usarán también para comunicar todas aquellas novedades que surjan a lo largo del curso. Éste será el principal medio de comunicación entre los distintos participantes en la asignatura. 

Los libros includos en la bibliografía básica se pueden descargar gratuitamente o son accesibles desde la colección de acceso restringido de la Biblioteca de la UNED O’Reilly for Higher Education (New Safari).

Los libros includos en la bibliografía complementaria son accesibles desde la colección de acceso restringido de la Biblioteca de la UNED O’Reilly for Higher Education (New Safari).

Los/as estudiantes dispondrán de los siguientes recursos de apoyo al estudio: 

• Guía de la asignatura. Incluye el plan de trabajo y orientaciones para su desarrollo. Esta guía será accesible desde el curso virtual. 

• Curso virtual. A través de esta plataforma los/as estudiantes tienen la posibilidad de consultar información de la asignatura, realizar consultas al Equipo Docente a través de los foros correspondientes, consultar e intercambiar información con el resto de los compañeros/as. 

• Biblioteca. El estudiante tendrá acceso tanto a las bibliotecas de los Centros Asociados como a la biblioteca de la Sede Central, en ellas podrá encontrar un entorno adecuado para el estudio, así como de distinta bibliografía que podrá serle de utilidad durante el proceso de aprendizaje. Además, desde la biblioteca digital de la UNED, el estudiante tendrá acceso a O’Reilly for Higher Education (New Safari), una biblioteca digital con más de 30.000 libros técnicos en constante actualización.