RAK1

Comprender e identificar los algoritmos, técnicas y modelos de aprendizaje automático en sus distintas categorías: supervisado, no supervisado y por refuerzo

Conocimientos o contenidos

RAK2

Comprender las técnicas avanzadas de procesamiento del lenguaje natural y los modelos de representación del lenguaje

Conocimientos o contenidos

RAK3

Comprender los conceptos básicos del procesamiento, transformación, mejora y segmentación de imágenes digitales.

Conocimientos o contenidos

RAK4

Comprender e interpretar los modelos probabilísticos y bayesianos cuando son usados como modelos de representación, inferencia y aprendizaje.

Conocimientos o contenidos

RAK5

Identificar las características principales de los sistemas de datos masivos y las soluciones más comunes para la adquisición, el procesamiento y el análisis.

Conocimientos o contenidos

RAK6

Definir las implicaciones éticas de los modelos de IA y las principales técnicas y metodologías utilizadas para hacer los modelos de IA explicables y comprensibles para distintos tipos de usuarios.

Conocimientos o contenidos

RAC16

Evaluar y proponer cuáles son las técnicas de inteligencia artificial más apropiadas para resolver problemas.

Competencias

RAC17

Aplicar el método científico, incluyendo planteamiento de hipótesis, observación, medición, experimentación y análisis de resultados en el campo de la Inteligencia Artificial.

Competencias

RAC18

Transmitir y exponer las ideas, los problemas y las soluciones derivadas del uso de técnicas de IA y de la interpretación de datos y resultados de los procesos de experimentación, de forma oral y escrita para un público tanto especializado como no especializado.

Competencias

RAC19

Conocer técnicas para seleccionar e interpretar grandes volúmenes de datos procedentes de diversas fuentes para su uso en el entrenamiento de sistemas de aprendizaje automático.

Competencias

RAC20

Proponer y evaluar distintas topologías de arquitecturas de redes neuronales y sus detalles de configuración aplicando herramientas para optimizar su rendimiento.

Competencias

RAC21

Manejar de forma eficiente los entornos de desarrollo software existentes en combinación con hardware especializado de última generación y arquitecturas específicas de IA.

Competencias

RAC22

Conocer y entender las características de los modelos existentes de aprendizaje automático para poder aplicar los más apropiados para tareas de predicción y clasificación con diferentes tipos de datos de entrada, como tabulares, imágenes, textos y series temporales.

Competencias

RAC23

Entender y aplicar los modelos generativos existentes con datos textuales y audiovisuales.

Competencias

RAC24

Identificar riesgos, sesgos y problemas éticos en el procesamiento y gestión de datos mediante algoritmos, utilizando los mecanismos y métricas de control más comunes.

Competencias

RAC25

Realizar un proyecto original en el que se integren los conocimientos, habilidades y competencias adquiridas en las enseñanzas, en el ámbito de la inteligencia artificial, y presentarlo y defenderlo ante un tribunal universitario que lo calificará de forma individual.

Competencias

RAS7

Aplicar distintos paradigmas de razonamiento basado en conocimiento e híbridos, comparándolos en la resolución de problemas de toma de decisiones.

Habilidades o destrezas

RAS8

Seleccionar y utilizar topologías básicas y modelos existentes de aprendizaje automático ajustando sus parámetros para obtener los mejores resultados posibles, ejecutando experimentos para resolver problemas específicos.

Habilidades o destrezas

RAS9

Aplicar técnicas de transformación, segmentación de imágenes y modelos complejos de aprendizaje para la extracción de características sobre imágenes (descriptores locales y globales) y el reconocimiento de patrones y objetos

Habilidades o destrezas

RAS10

Ser capaz de generar contenido artístico, narrativas y contenidos de videojuegos aplicando las técnicas y herramientas de Inteligencia Artificial.

Habilidades o destrezas

RAS11

Conocer el uso de la IA en la resolución de problemas en dominios reales explorando aspectos como la adquisición e integración de datos, escalabilidad y mejora de procesos, con un enfoque en sectores estratégicos como la salud, energía y sostenibilidad.

Habilidades o destrezas

RAS12

Simular aplicaciones distribuidas de sistemas multi-agentes, aplicando conceptos de computación social y utilizando metodologías y herramientas para el estudio de sistemas complejos.

Habilidades o destrezas

RAS13

Desarrollar y probar algún algoritmo de inferencia bayesiano combinando las técnicas probabilísticas con técnicas de aprendizaje profundo.

Habilidades o destrezas

RAS14

Conocer las técnicas de acceso y análisis a grandes volúmenes de datos y aplicar herramientas adecuadas para realizar un análisis exploratorio y un procesamiento inicial de datos masivos.

Habilidades o destrezas

RAS15

Seleccionar la arquitectura hardware adecuada para el procesamiento de redes neuronales, considerando eficiencia, consumo energético y precisión según el escenario de ejecución, en particular para modelos de aprendizaje profundo.

Habilidades o destrezas