Asignaturas de grado
Sistemas Basados en Aprendizaje Automático (SIBA)
En esta asignatura se tratan de manera introductoria las técnicas de aprendizaje automático con una
importante componente práctica que permite al estudiante entrar en contacto con la realidad de uso y
diseño de este tipo de sistemas.
La asignatura cubre los distintos aspectos de diseño de los sistemas de aprendizaje automático basado en
datos, desde los detalles relacionados con la entrada de datos, el análisis de los mismos, la obtención de
características principales, la agrupación automática, creación de patrones, y generación de un sistema
automático que los aprenda y los reconozca. Finalmente se estudia la evaluación del comportamiento del
sistema al realizar la tarea asignada, estimación de su rendimiento y eficacia y los métodos de ajuste del
mismo para optimizar su validez.
Estos sistemas son fundamentales en muy diversos campos de aplicación, desde la automatización
inteligente de procesos industriales hasta el análisis de grandes cantidades de datos para extraer
información y clasificarla en lo que se ha dado en llamar "Big Data”.
Cada vez más la industria requiere profesionales con experiencia previa en este campo del aprendizaje
automático, reconocimiento automático de patrones y extracción de Información a partir de datos.
Las áreas de aplicación son innumerables siempre que se disponga de suficientes datos, por ejemplo datos
de redes sociales, datos de patrones de enfermedades, optimización de procesos, optimización de recursos,
análisis de comportamiento de clientes, organización operativa, detección de fallos en sistemas, análisis de
contenido de textos escritos, análisis de grabaciones de audio y vídeo etc.
Competencias
• CECT3 - Capacidad para utilizar herramientas informáticas de búsqueda de recursos bibliográficos o de
información relacionada con las telecomunicaciones y la electrónica
• CEB2 - Conocimientos básicos sobre el uso y programación de los ordenadores, sistemas operativos, bases
de datos y programas informáticos con aplicación en ingeniería
• CG2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma
profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de
argumentos y la resolución de problemas dentro de su área de estudio
• CG7: Trabajo en equipo.
• CG8: Comunicación oral y escrita.
Resultados de Aprendizaje
• R1- Conocimientos de la problemática de análisis de grandes cantidades de datos
• R2- Conocimientos de los sistemas de clasificación y agrupamiento de datos y de las principales
características de cada uno de los métodos principalmente utilizados
• R3- Analizar y evaluar los distintos algoritmos de aprendizaje automático basado en datos
• R4- Conocimiento de los principales programas informáticos y herramientas para el análisis de
datos y aprendizaje de la máquina basado en los mismos.
• RA45 - Conocimientos y habilidades de las temáticas científico tecnológicas desarrolladas en las
asignaturas ofertadas
• RA358 - Capacidad para el análisis de problemas, trabajo en equipo y exposición de los resultados
del análisis
1. TEMA 1. Introducción
• Visión general del curso
• Mineria de datos y aprendizaje automático
• Ejemplos simples: Tiempo, iris, negociaciones laborales, clasificación de granos,
• Áreas reales de aplicación: Análisis de webs, análisis de imágenes, diagnosis de enfermedades,
Mercadotecnia y ventas
2. TEMA 2. Clasificación y regresión
• Datos de entrada: Ejemplos, atributos, clases
• Concepto de clasificación, agrupamiento y regresión
• 1-R
• ZeroR, Regla de Bayes y naive Bayes
• Clasificación lineal
• Regresión lineal
3. PRÁCTICA 1: Manejo de la herramienta WEKA
• Introducción al interface “explorer” de Weka
• Carga de datos, editor de datos, filtrado de datos
• Panel de clasificación
4. TEMA 3. Evaluación
• Concepto de entrenamiento/evaluación
• Validación cruzada
• Significancia estadística
• Sobre-entrenamiento (overfitting)
5. PRÁCTICA 2: Ejemplos de aplicación
• Definición de la aplicación
• Preparación de los datos de entrenamiento y prueba.
• Pruebas de algoritmos simples con datos sencillos
6. TEMA 4. Selección y transformación de rasgos característicos
• Basado en estimación de bondad. Selección de componentes principales.
• Basado en clasificación. Transformación lineal discriminativa (LDA)
7. PRÁCTICA 3: Estudio y selección de rasgos para mejorar el sistema
• Prueba con distintos atributos
• Selección manual de atributos
• Selección automática de atributos: Selección de componentes principales, Transformación lineal
discriminativa (LDA)
8. TEMA 5. Clasificación avanzada y agrupamiento
• Árboles de decisión y regresión
• Regla de los K vecinos más próximos (K-NN)
• Perceptron multicapa (ANN)
• Técnicas de agrupamiento, Simple kmeans, Estimate-Maximize (EM)
9. INTRODUCCION A LA PRACTICA 4
• Tutorial sobre distintos datos disponibles
• Tutorial sobre posibles algoritmos a usar en cada problema
10. PRÁCTICA 4. Desarrollo del un sistema evolucionado de aprendizaje y clasificación
Panel de visualización
• Los alumnos serán evaluados, por defecto, mediante evaluación continua. Dado el carácter
eminentemente práctico de la asignatura se desaconseja la evaluación mediante un único examen final.
• Las prácticas se evaluarán según el cuestionario entregado. El proyecto final se evaluará según la calidad
del mismo, la presentación oral, los resultados obtenidos y la calidad de la memoria.
• En cumplimiento de la Normativa de Evaluación de la Universidad Politécnica de Madrid, los alumnos
que lo deseen serán evaluados mediante un único examen final siempre y cuando lo comuniquen por
escrito al Coordinador de la Asignatura según la normativa vigente. Esta solicitud puede realizarse en
cualquier momento hasta la quinta semana incluida. El examen final consistirá en la realización y
presentación oral y escrita de un proyecto de minería de datos y aprendizaje automático.
Tecnologías de Integración
Tecnologías de Fabricación Electrónica
Laboratorio de Electrónica Básica y Componentes
Laboratorio de Medidas Eléctricas
Sistemas de Visión: Desde el Visible (Día y Noche) hasta el Infrarrojo Lejano (SVIS)
Que los alumnos:
- Conozcan los fundamentos y los elementos que componen los diferentes sistemas de visión para detección que se utilizan en visible, tanto de día como de noche, en infrarrojo próximo, corto, medio o lejano, así como los características fundamentales de los mismos.
- Sean capaces de especificar un sistema de visión tanto en el visible como en el infrarrojo para una aplicación determinada, en función del objeto a detectar, condiciones atmosféricas, sistema de presentación y observador, y en función de la tarea a realizar (detección, reconocimiento o identificación).
- Entiendan y sean capaces de analizar las prestaciones de los sistemas de visión a partir de las especificaciones que suministran los fabricantes y a partir de ellas determinar si se pueden utilizar en su aplicación especifica.
Conozcan / usen los programas y aplicaciones informáticas que se utilizan tanto en la caracterización de los sistemas, como el efecto de las condiciones atmosféricas sobre la transmisión de la radiación
I. Introducción y visión humana.
II. Elementos externos al sistema: fuentes de radiación, transmisión de la radiación, sistemas de presentación y observador.
III. Sistemas de visión: Óptica, detectores y electrónica (NUC, DDE).
IV. Respuesta en frecuencia. Criterios de detección, reconocimiento e identificación.
V. Parámetros fundamentales que caracterizan a los sistemas.
VI. Sistemas basados en la radiación reflejada por los objetos: Visible (CCD,CMOS), TDN,NIR, SWIR.
VII. Sistemas basados en la radiación emitida por los objetos: SWIR, MWIR y LWIR.
VIII. Comunicaciones, RS232 y RS485, y salidas digitales: CameraLink, GigE y LVDS (RS644). POEGigE. Sistemas de barrido : Global/snapshot, y roller shutter.
Sistemas de Conectividad
Presentar el funcionamiento y métodos de diseño y construcción de los elementos y sistemas que constituyen la capa física
de las redes domésticas, de área local y tecnologías inalámbricas utilizables en el entorno próximo (small-office home-office,
SOHO). Presentar los elementos de capa física (cables, tarjetas, conectores, ) que se utilizan comercialmente en el ámbito
local (Small Office, Home Office) para incentivar a los estudiantes en la profundización de sus características electrónicas. Se
pretende presentar a los estudiantes tecnologías tanto cableadas como inalámbricas ofertando la posibilidad de que desarrollen
prácticas de aplicación sobre los sistemas de desarrollo disponibles en el Departamento. Fomentar el interés de los estudiantes
por la electrónica que soporta los sistemas de comunicaciones.
1. Tema 1: Elementos y Sistemas para Redes de Área Local cableada: Estándares e implementación. Otras redes cableadas.
1.1. Elementos para interconexión HW y buses: SPI, I2C y similares
1.2. Redes:
1.2.1. CAN
1.2.2. Ethernet: Elementos HW de un NIC Ethernet. Conmutadores y concentradores. Controladores y conectores.
Variantes: POE, Ethernet on 1st Mile, Ethernet industrial
1.3. Buses locales y Tecnologías no-new-wires
1.3.1. Buses USB, PCIe, Firewire y derivados
1.3.2. Tecnologías sobre cableado existente (No New Wires)
2. Tema 2: Elementos y Sistemas para Redes de Área Local inalámbrica: Estándares e implementación.
2.1. Tecnologías WLAN: Descripción de estándares y antecedentes.
2.2. Hardware de los elementos básicos de red: adaptadores, tarjetas, repetidores, extendedores de rango, routers.
2.3. Integración WLAN con otras tecnologías ? WLAN Powerline
3. Elementos y Sistemas para Redes de Área Personal inalámbrica: Estándares e implementación. Otros sistemas
inalámbricos.
3.1. 3.1 Bluetooth: Especificaciones. Descripción de la evolución en sucesivas versiones. Bluetooth Low-Energy (BLE)
3.2. NFC, RFID (EPC Global)
3.3. IEEE 802.15.4/ZigBee/Z-wave
4. Elementos y terminales de acceso a redes públicas cableadas: Estructura e implementación .
4.1. Bucle de abonado: eléctrico y óptico.
5. Cableado estructurado e ICT
5.1. Normativa y regulación de infraestructuras de acceso ultrarrápidas
5.2. Características de los cables
5.3. Otras normativas de cableado estructurado.
.2. Tecnologias xDSL
La calificación de la asignatura se realizará mediante el método de Evaluación Continua.
l La asignatura se considerará superada cuando se obtengan 5 puntos o más (sobre un total de 10 puntos) según las normas
que se indican a continuación:
NOTA FINAL = Nota de los exámenes (50%) + Nota de las Prácticas (20%) + Nota de los ejercicios entregado en clase (20%+ Bonificación por asistencia (10%).
l La asistencia a las clases teóricas es voluntaria. No obstante, se controlará la asistencia y se incrementará la calificación de
los alumnos que asistan regularmente.
l La asistencia a las sesiones de la Práctica es obligatoria. La falta deberá justificarse debidamente y, en su caso, se habilitarán
sesiones de recuperación. La no justificación de la falta supone que el alumno no puede ser calificado mediante Evaluación
Continua.
l La contribución mínima necesaria en cada uno de los apartados anteriores para que el alumno pueda ser calificado por el
método de Evaluación Continua según la fórmula anterior se indica en la tabla adjunta. La calificación mínima de cada Tema
para ser evaluado deberá ser mayor o igual de 4,0 sobre 10. Los Temas con calificación inferior podrán ser recuperados en la
fecha del examen final
En cumplimiento de la Normativa de Evaluación de la Universidad Politécnica de Madrid, los alumnos que lo deseen podrán ser
evaluados mediante un único Examen Final, siempre y cuando lo comuniquen al Director del Departamento de Ingeniería
Electrónica mediante solicitud presentada en el registro de la Escuela Técnica Superior de Ingenieros de Telecomunicación
antes de, al menos, una semana ( antes del 22 de abril) del día de 2015 que determine Jefatura de Estudios como fecha de
examen final (29 de abril). Esta opción supone la renuncia a la Evaluación Continua. En este caso, el Examen Final consistirá en
una parte teórica, a realizar el día de la Convocatoria Oficial junto al resto de los alumnos, y una parte práctica que se
convocará posteriormente y que consistirá en la realización de montajes en presencia del Tribunal Calificador de la Asignatura,
que podrá solicitar del alumno cuantas explicaciones considere oportunas
