Ciencia de los Datos Aplicada
Grado y Doble Grado. Curso 2026/2027.
ANÁLISIS DE DATOS NO ESTRUCTURADOS II - 806328
Curso Académico 2026-27
Datos Generales
- Plan de estudios: 081C - GRADO EN CIENCIA DE LOS DATOS APLICADA (2022-23)
- Carácter: Obligatoria
- ECTS: 6.0
SINOPSIS
COMPETENCIAS
Generales
CG1, CG2, CG5, CG11.
Específicas
CE4, CE5, CE6, CE8, CE12, CE13
ACTIVIDADES DOCENTES
Clases teóricas
50%
Clases prácticas
50%
Presenciales
2,4
No presenciales
3,6
Semestre
8
Requisitos
Haber cursado: Aprendizaje supervisado, Datos no estructurados I y Programación II.
Contenido
1) Datos no estructurados complejos: imágenes, video, audio y señales
2) Algoritmos de clasificación, detección y localización en imágenes y video
3) Procesamiento, análisis y clasificación mediante técnicas de Machine Learning aplicado a audio
4) Modelos generativos y aprendizaje por refuerzo en audio
Evaluación
Evaluación continua que constituirá al menos el 35% de la calificación. El porcentaje restante, corresponderá al examen final.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final
b) La media ponderada de la evaluación continua y la prueba final
El alumno/a tiene la opción de superar la asignatura únicamente con la evaluación continua.
Cualquier alumno tendrá derecho a una prueba final siendo su calificación del curso la nota obtenida en la misma.
La nota final tendrá en cuenta tanto la evaluación continua como la prueba final y se calculará como el máximo entre:
a) Calificación de la prueba final
b) La media ponderada de la evaluación continua y la prueba final
El alumno/a tiene la opción de superar la asignatura únicamente con la evaluación continua.
Cualquier alumno tendrá derecho a una prueba final siendo su calificación del curso la nota obtenida en la misma.
Bibliografía
Szeliski, R. (2022). Computer vision: algorithms and applications. Springer Nature. https://szeliski.org/Book/
Woods, R. E., & Gonzalez, R. C. (2021). Digital image processing third edition. ( https://ucm.on.worldcat.org/oclc/318406316 )
S., Mugesh. Hands-On ML Projects with OpenCV: Master Computer Vision and Machine Learning Using OpenCV and Python, Orange Education PVT Ltd, 2023. ProQuest Ebook Central, https://ebookcentral.proquest.com/lib/universidadcomplutense-ebooks/detail.action?docID=30682670.
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep learning, An MIT Press book (2016). https://www.deeplearningbook.org/
https://docs.opencv.org/
Little, M. A. (2019). Machine learning for signal processing: data science, algorithms, and computational statistics. Oxford University Press, USA. ( https://ucm.on.worldcat.org/oclc/1111972843 )
Camastra, F., & Vinciarelli, A. (2015). Machine learning for audio, image and video analysis: theory and applications. Springer. ( https://ucm.on.worldcat.org/oclc/914713382 )
Woods, R. E., & Gonzalez, R. C. (2021). Digital image processing third edition. ( https://ucm.on.worldcat.org/oclc/318406316 )
S., Mugesh. Hands-On ML Projects with OpenCV: Master Computer Vision and Machine Learning Using OpenCV and Python, Orange Education PVT Ltd, 2023. ProQuest Ebook Central, https://ebookcentral.proquest.com/lib/universidadcomplutense-ebooks/detail.action?docID=30682670.
Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep learning, An MIT Press book (2016). https://www.deeplearningbook.org/
https://docs.opencv.org/
Little, M. A. (2019). Machine learning for signal processing: data science, algorithms, and computational statistics. Oxford University Press, USA. ( https://ucm.on.worldcat.org/oclc/1111972843 )
Camastra, F., & Vinciarelli, A. (2015). Machine learning for audio, image and video analysis: theory and applications. Springer. ( https://ucm.on.worldcat.org/oclc/914713382 )
Estructura
| Módulos | Materias |
|---|---|
| No existen datos de módulos o materias para esta asignatura. | |
Grupos
| Actividades Prácticas | ||||
|---|---|---|---|---|
| Grupo | Periodos | Horarios | Aula | Profesor |
| Grupo Único | 25/01/2027 - 13/05/2027 | MARTES 16:00 - 18:00 | - | MARIA GAMBOA PEREZ PABLO ARCADIO FLORES VIDAL |
| Clases Teóricas y/o Prácticas | ||||
|---|---|---|---|---|
| Grupo | Periodos | Horarios | Aula | Profesor |
| Grupo Único | 25/01/2027 - 13/05/2027 | JUEVES 16:00 - 18:00 | - | MARIA GAMBOA PEREZ PABLO ARCADIO FLORES VIDAL |
