Unidad 1. Introducción a los tipos de aprendizaje automático. (9h.)

• Tipos de aprendizaje automático: supervisado, no supervisado, semi‐supervisado, por refuerzo. 

Unidad 2. Tipos de problemas de aprendizaje automático. (9h)

• Tipos de problemas: clasificación, regresión, segmentación, detección de objetos.  

Unidad 3. Técnicas Paramétricas y no paramétricas. (9h)

• Técnicas  paramétricas:  Basadas  en  distribuciones  de  probabilidad  conocidas:  ‘Gaussian  Mixture Models’ u otras.  
• Técnicas  no  paramétricas:  (árboles  de  decisión:  clásicos,  ‘random  forest’,  ‘gradient  boosting’, ‘extremely  randomized  trees’; Vecinos más próximos  (k‐NN); ‘Kernel density estimation’; ‘Support Vector Machines’ (SVM); K‐Means.  

Unidad 4. Técnicas holisticas: redes neuronales. (9 h.) 

• Técnicas Holísticas: redes neuronales: ‘fully connected’, ‘convolutional’, ‘recurrent’, ‘transformers’, ‘autoencoders’, ‘encoder‐decoder’, seq2seq u otras.   

Unidad 5. Técnicas de regularización. (8 h.) 

• Técnicas de regularización para evitar el sobreaprendizaje.

Unidad 6. Métricas de evaluación de modelos. (8 h.)

• Métricas  para  evaluar  la  calidad  de  los  modelos  diseñados  y  entrenados:  MSE,  MAE,  ‘accuracy’, precisión, ‘recall’ o ‘sensitivity’, ‘specificity’, ‘F1‐score’, ratio de falsos positivos y de falsos negativos, área  bajo  la  curva  ROC,  ‘DICE  coeffient’,  ‘Intersection  over  Union’  (IoU),  y  otros  específicos  del problema a abordar.   

Unidad 7. Herramientas de Software. (8 h.) 

• Herramientas software con la implementación de las técnicas de aprendizaje automático. 

Unidad 1. Modelización  de  algoritmos  de  carácter  general  y  específicos  de  Inteligencia Artificial. (9h.)

• Técnicas de abstracción de problemas reales para su traslado a la elaboración de algoritmos.
• Interpretación  de  gráficos  y  la  documentación  de  análisis  y  diseño  para  la  elaboración  de algoritmos.
• Técnicas de modularización. ‘Top‐down’ y ‘bottom‐up’.
• Herramientas de abstracción lógica para modelizar. Algoritmos y técnicas. Gestión y ordenación de archivos,  búsqueda  ordenada y  secuencial,  divide y  vencerás,  programación  dinámica, algoritmos voraces,  recursividad,  búsquedas  con  retroceso,  ramificación  y  poda,  programación  lineal  y reducciones, algoritmos recursivos y otros.
• Técnicas de representación de algoritmos: pseudocódigo y diagramas de flujo.

Unidad 2. Resolución de problemas generales y específicos de Inteligencia Artificial aplicando Programación Orientada a Objetos. (8h.)

• Clases. Tipología. Clase base, clase derivada, clase abstracta.
• Relaciones entre clases. Herencia. Visibilidad. Multiplicidad.
• Atributos y operaciones.
• Sobrecarga. Polimorfismo.
• Interfaces. Implementación y aplicación.
• Constructores.
• Tipos de datos básicos o elementales. Numéricos, alfanuméricos y lógicos (‘boolean’).
• Tipos  y  estructuras  de  datos  complejos.  Cadenas,  vectores,  tablas  multidimensionales,  árboles, grafos, conjuntos, pilas, colas, tablas hash y colecciones.
• Paso de mensajes.
• Sentencias de la programación estructurada: asignaciones, condiciones, bucles e iteraciones.

Unidad 3. Mecanismos  de  control,  gestión  en  integración  en  Programación  Orientada  a Objetos aplicada a la Inteligencia Artificial. (8h).

• Control de errores.  
• Herramientas de desarrollo y depuración.  
• Componentes de terceros. Complementos y librerías.  
• Librerías  y  mecanismos  de  acceso  y  manipulación  de  datos  estructurados  y  no  estructurados externos.  
• Procedimientos a seguir para elaborar un plan de pruebas. Tipos de prueba.  
• Empaquetado de código en librerías. Refactorización.  

Unidad 4. Interpretación de diagramas de modelización de problemas. (8h.)

• Estándares. ‘Unified Modelling Language’ (UML).
• Interpretación  de  diagramas  que  representan  el  sistema  de  manera  estática.  Diagramas  de
• Estructura Estática. Diagramas de Clases.
• Interpretación de diagramas de interacción. Interpretación de diagramas de Casos de Uso.
• Interpretación  de  diagramas  que  representan  la  interacción  organizada.  Diagramas  de  Casos  de
• Colaboración.
• Interpretación  de  diagramas  de  Modelado  Dinámico.  Diagramas  de  Actividades.  Diagramas  de
• Secuencia,  Diagramas  de  Colaboración,  Diagramas  de  Estados,  Diagramas  de  Casos  de  Uso, Diagramas de Actividades.