La asignatura, desde un enfoque teórico/práctico, presenta a los alumnos las técnicas más importantes de reconocimiento de patrones, reducción de la dimensionalidad, agrupación de datos y combinación de clasificadores. La parte práctica de la asignatura permitirá a los alumnos aprender a evitar los errores más comunes en el uso de algoritmos de clasificación.
Profesores: Dr. José Miguel Buenaposada y Dr. Alfredo Cuesta
Índice
•Conceptos básicos y elementos de un sistema de reconocimiento.
Primera parte – Introducción al reconocimiento de patrones
- Tema 1. Conceptos básicos y elementos de un sistema de reconocimiento
- Tema 2. El clasificador estadístico Bayesiano
- Tema 3. Evaluación del rendimiento
- Tema 4. Clasificadores generativos: Métodos paramétricos y no paramétricos
- Tema 5. Preprocesamiento de datos y reducción de la dimensionalidad
- Tema 6. Clasificadores discriminativos: Máquinas de Vectores Soporte (SVM)
- Tema 7. Combinación de clasificadores: Bagging
- Tema 8. Combinación de clasificadores: Boosting
Segunda parte – Deep Learning
- Tema 9. Redes neuronales densamente conexas y principios básicos
- Tema 10. Redes convolucionales y nuevos elementos que aparecen con ellas
- Tema 11. Autoencoders
- Tema 12. Redes de segmentación
- Tema 13. Redes de detección
- Tema 14. Redes siamesas
- Tema 15. Redes generativas adversas
- Tema 14. Redes de cápsulas
- Tema 15. Redes recurrentes