Teoría Moderna de la Detección y Estimación, 2013

JERÓNIMO ARENAS GARCÍA
JESÚS CID SUEIRO
VANESSA GÓMEZ VERDEJO
MIGUEL LÁZARO GREDILLA
Departamento de Teoría de la Señal y Comunicaciones
Universidad Carlos III de Madrid
Área:
Teoría de la Señal y Comunicaciones
Titulación:
Grado en Ingeniería en: Telemática, Tecnologías de Telecomunicación, Sistemas Audiovisuales, Sistemas de Comunicaciones
Octubre, 2013
Imagen cortesía de los autores del curso TDME

Esta asignatura corresponde a 6 créditos ECTS. Puede organizarse en 21 sesiones de teoría y 9 de laboratorio, más tiempo de estudio personal. El tiempo total de aprendizaje previsto es de 155 horas.
PRERREQUISITOS Y CONOCIMIENTOS PREVIOS RECOMENDADOS
Se recomienda haber cursado las asignaturas de Estadística, Cálculo II y Sistemas y Circuitos antes de cursar la presente asignatura. No obstante, la asignatura está diseñada en formato autocontenido gracias al material de repaso incluido (no se incluyen en este repaso conceptos básicos de matemáticas y el cálculo, tales como integración y derivación).
DESCRIPCIÓN GENERAL DE LA ASIGNATURA
Esta asignatura describe la metodología necesaria para resolver problemas de estimación, decisión y filtrado (aprendizaje, en definitiva) mediante técnicas probabilísticas. La aproximación es doble: Por una parte se describen métodos analíticos basados en caracterizaciones estadísticas completas de los problemas, y por otra, métodos máquina basados en la observación de ejemplos que caracterizan empíricamente cada problema.
OBJETIVOS: CONOCIMIENTOS Y CAPACIDADES
Desde un punto de vista procedimental, el alumno sabrá identificar, en situaciones reales, la necesidad o la conveniencia de aplicar un enfoque analítico o máquina. Adquirirá capacidad para abordar la resolución analítica de un problema de estimación o decisión cuando disponga de información (estadística) completa, y conocerá alguna aproximación semianalítica para escenarios con información parcial. Ante un escenario sin información estadística, sabrá diseñar un modelo de regresión o un clasificador, y utilizar colecciones de datos para ajustar sus parámetros: realizando particiones de los datos en conjuntos de entrenamiento, validación y test, y aplicando algoritmos para dimensionar sistemas de decisión y estimación y ajustar sus parámetros. También, sabrá medir la calidad de estimadores y decisores, y su capacidad de generalización. Por último, sabrá cómo adaptar las herramientas de estimación y decisión al tratamiento de series temporales y manejar soluciones adaptativas.
MATERIAL DOCENTE
En el presente curso se incluyen los siguientes materiales para el aprendizaje autónomo por parte del alumno:
- Material introductorio, que repasa los contenidos de estadística necesarios.
- Apuntes de estimación
- Apuntes de decisión
- Apuntes de filtrado lineal
- Vídeos en los que se desarrollan conceptos o resuelven ejercicios
ACTIVIDADES DE EVALUACIÓN O TAREAS PRÁCTICAS
Para que el alumno pueda evaluar su asimilación de la asignatura, el curso incluye:
- Ejercicios a modo de ejemplos, incluidos en los apuntes de teoría
- Un boletín de ejercicios de estimación (con soluciones)
- Un boletín de ejercicios de decisión (con soluciones)
- Exámenes de los dos últimos cursos (con un total de cuatro exámenes por curso)
Course Contents