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