Esteu accedint a un curs acadèmic que no està actiu. La informació no correspon al curs acadèmic actual.
Esteu accedint a un curs acadèmic que no està actiu. La informació no correspon al curs acadèmic actual.
Semestre 1
Ensenyaments teòrics
| 10 | 0 |
| Hores presencials | Hores no presencials |
Ensenyaments pràctics (laboratori)
| 14 | 0 |
| Hores presencials | Hores no presencials |
Tutories
| 4 | 0 |
| Hores presencials | Hores no presencials |
Avaluació
| 2 | 0 |
| Hores presencials | Hores no presencials |
Treball personal
| 0 | 45 |
| Hores presencials | Hores no presencials |
C11 - Integrar les aplicacions dels Sistemes d'Informació Geogràfica (SIG) amb les eines d'àrees que inclouen la gestió tradicional del territori i d'altres innovadores com banca, màrqueting, negocis, mobilitat, etc.
C14 - Dissenyar i produir algorismes i aplicacions per a resoldre problemes complexos d'aprenentatge computacional automàtic.
C15 - Comparar i experimentar amb els conceptes bàsics d'intel·ligència artificial i tècniques d'aprenentatge automàtic supervisades i sense supervisió centrades en aplicacions pràctiques de dades geoespacials.
C20 - Experimentar amb els conceptes de cognició humana i organització de la informació espacial.
- Ser capaç de triar el marc d'avaluació correcte.
- Seleccionar el model correcte de Machine Learning per a un problema en particular.
- Saber identificar el tipus de problema tractat.
- Saber com preprocessar dades abans d'usar Machine Learning.
- Saber com preparar experiments amb models de Machine Learning.
- Saber com funciona una xarxa neuronal i evitar-ne l'ús com caixes negres.
- Saber com aplicar l'ajustament dels paràmetres del mètode.