Asignaturas - Máster universitario en ingeniería y ciencia de datos

En esta segunda asignatura dedicada al aprendizaje automático, abordaremos algunas de las técnicas más recientes y exitosas de la Inteligencia Artificial (IA), responsables de muchos de los avances más relevantes en ciencia de datos en los últimos años.

La asignatura se estructura en cuatro bloques diferenciados y se construye sobre lo aprendido previamente en las asignaturas de Modelado Estadístico de Datos y Aprendizaje Automático I. El primer bloque se centra en los modelos basados en la agregación por Bootstrap (conocida como Bootstrap Aggregation o Bagging), en especial Bosques Aleatorios. En el segundo bloque, se explorarán estrategias de intensificación (Boosting), y en el tercero, otros paradigmas de combinación como el apilamiento de modelos (Stacking). Estos tres primeros bloques conforman una visión integrada de la taxonomía ensemble de agregación de modelos, una de las líneas más activas y efectivas del aprendizaje automático actual. El cuarto y último bloque está dedicado al Aprendizaje No Supervisado (Unsupervised Learning), clave en escenarios donde se busca descubrir estructuras subyacentes u ocultas en los datos.

Todos estos contenidos se cubrirán de forma necesariamente concisa, ya que las disciplinas en las que se basan son recientes pero muy amplias. El enfoque será eminentemente práctico, con el objetivo de que el alumnado no solo incorpore estas herramientas a su perfil profesional, sino que también desarrolle una comprensión profunda de su funcionamiento.

Los contenidos de esta asignatura se han diseñado como una continuación natural de las asignaturas Modelado Estadístico de Datos y Aprendizaje Automático I, por lo que su seguimiento y aprovechamiento previos resultan altamente recomendables.

Dado que la mayoría de la literatura especializada en estos temas es reciente y se publica en inglés, se requiere un nivel de lectura suficiente para comprender documentación técnica en dicho idioma.

Asimismo, se fomentará el uso de software libre en las actividades y prácticas propuestas a lo largo del curso.

El equipo docente atenderá preferentemente al alumnado a través de los foros del curso virtual, con el fin de que las respuestas a dudas individuales puedan ser también de utilidad para el resto del grupo. No obstante, si se prefiere, también se podrá contactar por correo electrónico.

Horarios de atención directa del equipo docente:

• Manuel Castillo Cara (manuelcastillo@dia.uned.es): Martes, de 10:00 a 14:00. 
• Luis M. Sarro Baro (lsb@dia.uned.es): Lunes, de 10:00 a 14:00. 

COMPETENCIAS BÁSICAS

CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, 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.

COMPETENCIAS GENERALES

CG1 - Identificar los métodos apropiados para la solución de problemas asociados a la ciencia de datos y la analítica de información

CG2 - Ser capaz de aplicar diferentes técnicas de aprendizaje máquina, seleccionando el algoritmo óptimo que genere modelos precisos y permita el desarrollo de soluciones predictivas en diferentes ámbitos de uso

CG5 - Utilizar las habilidades de científico de datos y/o ingeniero de datos en entornos de trabajo multidisciplinares y ser capaz de distinguir/organizar las diferentes actividades de los roles en dicho entorno

COMPETENCIAS ESPECÍFICAS

CE2 - Desarrollar aplicaciones/servicios/scripts orientados a la analítica de datos y analizar el uso de diferentes librerías para el desarrollo e implementación de métodos numéricos, algoritmos y modelos asociados a los datos

CE5 - Desarrollar modelos de aprendizaje máquina (Machine Learning) basados en las diferentes categorías de clasificación: supervisada, no supervisada y semi-supervisada

CE6 - Diseñar mecanismos de evaluación de modelos de aprendizaje y comprender las métricas usadas para dicha evaluación

Tras el estudio de esta asignatura, el alumnado habrá adquirido las siguientes destrezas:

• Reconocer los modelos de potenciación (“boosting”) y sus variantes.

• Aplicar la potenciación de árboles para problemas de clasificación y regresión.

• Identificar los conceptos de regularización, submuestreo y reducción.

• Explicar los fundamentos teóricos de los bosques aleatorios, así como los conceptos básicos de muestras “fuera del saco”, importancia de variables y sobreajuste.

• Aplicar y analizar bosques aleatorios para problemas de regresión y clasificación

• Describir los principios del aprendizaje conjunto y sus aplicaciones.

• Identificar los problemas de aprendizaje no supervisado y poder elegir de entre las técnicas disponibles la más adecuada.

• Aplicar análisis de agrupamiento automático mediante k-medias y sus variantes.

• Explicar los mapas autoorganizados y sus utilidades.

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 alumnado. Para ello, este 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 el alumnado (así como entre el propio alumnado) a través de los foros, algo que es esencial 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 (50 horas)
• Actividades en la plataforma virtual (5 horas)
• Prácticas evaluables  (45 horas)
• Total: 100 horas

Los medios necesarios para el aprendizaje son: 

1. Materiales teórico-prácticos seleccionados por el Equipo Docente para cubrir los conceptos básicos del temario, que forman parte de la bibliografía básica. 
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 orientativa de los temas propuesta por el Equipo Docente.

• Enunciado de las actividades teórico-prácticas propuestas y una 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. 

El libro está disponible para su consulta de forma gratuita en su página web oficial.

Como bibliografía complementaria, en la guía de estudio y en el foro se propondrán lecturas de artículos científicos en los que se presenten las técnicas estudiadas. Por ejemplo, se sugerirá la lectura detenida del artículo Statistical Modeling: the Two Cultures, que Leo Breiman publicó en el número 16 de la revista Statistical Science.

El alumnado dispondrá 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 el alumnado tiene 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 personas matriculadas. 

• Biblioteca. El estudiante tendrá acceso tanto a las bibliotecas de los Centros Asociados como a la biblioteca de la Sede Central y en ellas podrá encontrar un entorno adecuado para el estudio, así como distinta bibliografía que podrá ser 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 y a todas las revistas científicas a las que la UNED está suscrita.

• Sesiones de acompañamiento. El profesorado convocará sesiones de acompañamiento por videoconferencia, a fin de que el alumnado pueda plantear dudas o intercambiar pareceres.