Teoría Moderna de la Detección y Estimación

Horas de clase de teoría y de laboratorio: 21 horas de clase y 9 horas de laboratorio.
Tiempo total previsto de aprendizaje: 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 DEL CURSO

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)