Ficha asignatura

Universidad de Alicante. Página principal
Ficha de la asignatura: LEARNING WITH STRUCTURED INFORMATION AND SIMILARITY SEARCH
Saltar idiomas
Castellano | Valencià | English
Saltar iconos
  • PDF
  • Imprimir
  • Inicio
Saltar cabecera
Universidad de Alicante. Página principal
Ficha de la asignatura

11803 - LEARNING WITH STRUCTURED INFORMATION AND SIMILARITY SEARCH (2011-12)

Code11803
Crdts. Europ.3


Departments and Areas
DepartmentsAreaDept. Respons.Report Respos.
LANGUAGES AND COMPUTING SYSTEMSLANGUAGES AND COMPUTING SYSTEMS


Study Programme sin which they are taught
UNIVERSITY MASTER'S DEGREE IN COMPUTING TECHNOLOGIES


Subject context (2011-12)

La asignatura optativa ADEBS forma parte de la materia Técnicas de Reconocimiento de Formas e Inteligencia Artificial. Se imparte en el segundo cuatrimestre de primer curso del Máster y sus contenidos son una especialización de los vistos en la asignatura obligatoria Reconocimiento de Formas y Aprendizaje Automático.



Lecturer in charge
CALERA RUBIO , JORGE


Lecturers (2011-12)
Group Lecturer
TEORÍA DE 118031CALERA RUBIO, JORGE
PROFESOR/A TITULAR DE UNIVERSIDAD
  ONCINA CARRATALA, JOSE
CATEDRATICO/A DE UNIVERSIDAD
PRÁCTICAS CON ORDENADOR DE 118031MICO ANDRES, MARIA LUISA
PROFESOR/A TITULAR DE UNIVERSIDAD
  ONCINA CARRATALA, JOSE
CATEDRATICO/A DE UNIVERSIDAD


Students registered (2011-12)
Group (*)Number
GRUPO 1: TEORÍA DE 11803 6
TOTAL 6


Registration groups (2011-12)
Group (*)SemesterSessionLanguageDistribution
1  (TEORÍA DE 11803) 2do. T CAS from NIF - to NIF -
(*) 1:GRUPO 1 - CAS


Graphical enquiry of timetables
   Further informationClick here


Timetable (2011-12)
ModeGroup (*)Starting dayEnding dayDayStarting hourEnding hourLecture room 
THEORY CLASS 1 01/02/2012 15/02/2012 X 16:00 19:00 0039PS008 
  1 01/02/2012 15/02/2012 J 18:00 21:00 0039PS008 
  1 16/02/2012 16/02/2012 J 18:30 21:00 0039PS008 
COMPUTER PRACTICALS 1 01/02/2012 15/02/2012 X 19:00 21:00 0016P2004 
  1 01/02/2012 15/02/2012 J 16:00 18:00 0016P2002 
  1 16/02/2012 16/02/2012 J 16:00 18:30 0016P2002 
(*) CLASE TEÓRICA
 1: GRUPO 1 - CAS
(*) PRÁCTICAS CON ORDENADOR
 1: GRUPO 1 prácticas con ordenador - CAS


Subject competences

UNIVERSITY MASTER'S DEGREE IN COMPUTING TECHNOLOGIES

General Competences (CG)
  • B1: Capacidad de investigar en el diseño de arquitecturas de sistemas de información.
  • B2: Capacidad para gestionar y diseñar bases de datos no tradicionales (documentales, textuales, almacenes de datos, etc.).
  • B3: Capacidad de producir eficientemente la documentación técnica asociada al trabajo de investigación y desarrollo realizado.
  • B4: Capacidad de investigar la forma de integrar sistemas informáticos.
  • B5: Capacidad de especificar y desarrollar interfaces adecuados en tecnologías informáticas.
  • B6: Conocimientos básicos de las técnicas estadísticas más relevantes para la investigación en las tecnologías informáticas.
  • B7: Capacidad de modificar algoritmos clásicos para adaptarlos a cada situación.
  • B8: Evaluar la calidad de los modelos para la elaboración de un proyecto de investigación.
  • B9: Capacidad de desarrollo de heurísticas para la resolución de problemas.
  • B10: Capacidad para la identificación de la información relevante en las tareas de aprendizaje automático.

Specific Competences:

    Shape Recognition and AI Technologies
    • C1.1: Capacidad de diseñar y evaluar sistemas que tomen decisiones.
    • C1.2: Capacidad de diseñar un sistema robotizado para automatizar un proceso industrial.
    • C1.3: Capacidad de programar un robot para que interactúe con su entorno utilizando datos sensoriales.
    • C1.4: Habilidades en la manipulación (análisis, descripción, recuperación, etc.) de contenidos multimedia.
    • C1.5: Capacidad de diseñar e implementar soluciones a problemas de visión artificial.
    • C1.6: Conocimiento de técnicas de optimización.

Basic Competences and Competences included under the Spanish Qualifications Framework for Higher Education (MECES)
  • A1: Capacidad de análisis y síntesis.
  • A2: Capacidad de organización y planificación.
  • A3: Capacidad de comunicación oral y escrita (en la lengua nativa e inglesa) de los conocimientos y conclusiones (y razones últimas que las sustentan) a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • A4: Capacidad de gestión de la información y de los recursos disponibles.
  • A5: Capacidad de resolver problemas e 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.
  • A6: Capacidad de trabajar en equipo con iniciativa y espíritu emprendedor.
  • A7: Capacidad de trabajar en un equipo de carácter interdisciplinar.
  • A9: Habilidades en las relaciones interpersonales.
  • A10: Capacidad de razonamiento y extracción de conclusiones.
  • A11: Compromiso ético y respeto por la propiedad intelectual.
  • A12: Habilidad de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • A13: Habilidad de adaptación al ambiente cambiante propio de la disciplina, sabiendo aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • A14: Capacidad de creatividad.
  • A15: Capacidad de dirección de proyectos de desarrollo de investigación.
  • A16: Motivación por la calidad.
  • A17: Habilidad para transferir resultados de investigación.
  • A18: Capacidad de autonomía científica y técnica.


Objectives


Subject objectives/competences (2011-12)

- Comprender y saber como aplicar las técnicas estándar para construir programas que mejoran con la experiencia.
- Evaluar la calidad del modelo aprendido con datos estructurados.
- Comparar varios algoritmos de aprendizaje con datos estructurados.
- Justificar el uso de un determinado algoritmo de aprendizaje dada la naturaleza de los datos, el problema de aprendizaje y una medida de rendimiento.
- Usar, adaptar y extender algoritmos de aprendizaje a diferentes tipos de datos.
- Comprender y comparar algoritmos de búsqueda por similitud.
- Justificar el uso de un determinado algoritmo de búsqueda por similitud en una tarea dada.



Content


Theoretical and practical contents (2011-12)

1. Introducción: aprendizaje inductivo e inferencia gramatical.
2. Identificación en el límite y complejidad.
3. Aprendizaje con muestras positivas.
4. Aprendizaje con muestras completas.
5. Autómatas finitos estocásticos.
6. Aprendizaje con muestras jerarquizadas (árboles).
7. Introducción a la búsqueda por similitud.
8. Algoritmos eficientes de búsqueda por similitud.



Types of activities (2011-12)
Teaching activityMethodologyIn-class teaching hoursDistance-based hours
THEORY CLASS17,526,25
COMPUTER PRACTICALS12,518,75
TOTAL3045


Weekly development of the activities (2011-12)
WeekUnitIn-class work descriptionIn-class teaching hoursDistance-based work descriptionDistance-based hours
1-61-8

Dada la metodología expuesta, el alumno interactuará con el profesor tanto en los contenidos prácticos como teóricos, mediante la participación activa (debates, lluvia de ideas) o la realización de ejercicios.

30

- Realización de un trabajo de la asignatura propuesto por el profesor 

- Profundización en los conceptos teórico/prácticos vistos en las clases.

45
TOTAL30 45


Evaluation


Evaluation Tools and Criteria (2011-12)

Realización de un informe en el que se describe y evalúa el sistema diseñado.

With no data


Official examination dates (2011-12)
Information not available at the moment.
(*) 1:GRUPO 1 - CAS


Links related
With no data


Bibliography

A bibliographical study of grammatical inference
Author(s):HIGUERA, Colin de la
Editión:Dades no disponibles.
Notes:En: Pattern Recognition V.38 (9), (2005), págs. 1332-1348
ISBN:0031-3203
Recommended by:CALERA RUBIO, JORGE (*1)
 [ Access to the university library catalogue ]  [ Link to bibliographic resource

Grammatical inference: learning automata and grammars
Author(s):DE LA HIGUERA, Colin
Editión:Cambridge : Cambridge University Press, 2010.
ISBN:9780521763165
Recommended by:ONCINA CARRATALA, JOSE (*1)
 [ Access to the university library catalogue ]  [ Link to bibliographic resource

Similarity search: the metric space approach
Author(s):ZEZULA, Pavel
Editión:New York : Springer, 2006.
ISBN:978-0-387-29146-8
Recommended by:CALERA RUBIO, JORGE (*1)
(*1) This lecturer has recommended the bibliographical resource to all the students of the subject.
This document can be used as reference documentation of this subject for the application for recognition of credits in other study programmes. For its full effect must, it should be stamped by the centre or the department responsible for the teaching of the subject


Document for the application for recognition of credits in other study programmes


Saltar pie
Servicio de informática
Saltar estándares
Condiciones de uso - Accesibilidad - Info Legal - © Universidad de Alicante 1996-2009