Modelos Probabilísticos para la Inteligencia Artificial y la Minería de Datos

N.º de Cursos que componen el Programa: 10

N.º de Trabajos de Investigación que componen el Programa: 8

Áreas de conocimiento a las que se adscribe:
- CIENCIAS DE LA COMPUTACIÓN E INTELIGENCIA ARTIFICIAL
- ESTADÍSTICA E INVESTIGACIÓN OPERATIVA

Coordinador: Dr. D. Francisco Javier Díez Vegas


INDICACIONES GENERALES:
El objetivo general de este programa es formar doctores con una sólida base de conocimientos sobre modelos gráficos probabilísticos (MGPs), capaces de incorporarse con éxito tanto a la industria como al sector universitario e investigador. Para ello, se plantean los siguientes objetivos específicos:

1. Desarrollo de las habilidades básicas para la investigación, tanto desde el punto de vista del análisis y resolución de problemas como de la metodología instrumental necesaria (en este caso computacional y estadística), incluyendo aspectos como la búsqueda de información y la presentación y difusión de resultados.
2. Dominio de los aspectos teóricos fundamentales de los MGPs, en lo concerniente a representación, aprendizaje y razonamiento.
3. Conocimiento de las aplicaciones más destacadas de los MGPs en la ciencia y la industria.
4. Capacitación para el desarrollo de nuevas técnicas y la resolución de problemas usando MGPs.

Se trata de un programa de doctorado interuniversitario en que participan las Universidades de Almería (coordinadora), Granada, País Vasco y UNED. El alumno puede matricularse en la UNED de todos los cursos y trabajos de investigación, aunque estén coordinados por otra de las universidades participantes. El programa se desarrolla principalmente a distancia, con una serie de sesiones presenciales que se concentrarán en una o dos semanas. Para la admisión en el programa de doctorado se requiere buen expediente académico, buen nivel de inglés y disposición para dedicar el tiempo necesario.


PERÍODO DE DOCENCIA - Cursos que componen el Programa
METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA
Profesores:Dr. D. Pedro Larrañaga , Dr. D. José Antonio Lozano
1. Medios de divulgación científica.2. Búsqueda de información.3. Redacción de artículos científicos.4. Presentaciones.5. Organización y presentación de la tesis doctoral.
BASES ESTADÍSTICAS Y COMPUTACIONALES PARA MGPS
Profesores:Dr. D. Serafín Moral Callejón, Dr. D. Carmelo Rodríguez Torreblanca, Dr. D. Rafael Rumí Rodríguez

• 1. Introducción a la probabilidad.2. Distribuciones discretas y continuas.3. Distribuciones multivariantes.4. Estimación puntual y por intervalos.5. Contraste de hipótesis.6. Regresión.7. Prácticas con software estadístico (R).8. NP-completitud.9. Complejidad de problemas de optimización.10. Algoritmos aproximados y complejidad.

FUNDAMENTOS DE MODELOS GRÁFICOS
Profesores:Dr. D. Francisco Javier Díez Vegas Dra. Dª. Concepción Bielza Lozoya

• 1. Independencia y su representación gráfica.2. Causalidad.3. Modelos probabilistas: redes bayesianas, redes de Markov, grafos en cadena.4. Modelos de decisión: árboles de decisión, diagramas de influencia.5. Modelos temporales: redes dinámicas, redes de eventos, PDM, PDMPO.6. Aplicaciones de los MGP.

INFERENCIA EN MGPS
Profesores:Dr. D. Andrés Cano , Dr. D. José Antonio Gámez , Dr. D. Manuel Gómez , Dr. D. Antonio Salmerón Cerdán

• 1. Algoritmos exactos.2. Algoritmos aproximados de tipo Monte-Carlo.3. Algoritmos aproximados deterministas.4. Abducción (MAP).5. Evaluación de diagramas de influencia.6. Evaluación de modelos de Markov.7. Inferencia con variables continuas (CG y MTE).

APRENDIZAJE DE MGPS
Profesores:Dra. Dª. Silvia Acid , Dr. D. Luis Miguel De Campos , Dr. D. Pedro Larrañaga , Dr. D. José Antonio Lozano , Dr. D. José Miguel Puerta

• 1. Aprendizaje de redes bayesianas. (Métodos basados en tests de independencias. Métodos de puntuación+búsqueda. Métodos para valores ausentes. Tratamiento de variables continuas.)2. Aprendizaje de clasificadores. (Clasificación supervisada. Clasificación no supervisada. Selección de variables.)3. Validación de modelos. (Bootstrapping. Validación cruzada.)

MODELOS GRÁFICOS PROBABILISTAS EN MEDICINA
Profesores:Dr. D. Francisco Javier Díez Vegas Dra. Dª. Concepción Bielza Lozoya, Dra. Dª. Carmen Lacave

• 1. Conceptos médicos probabilistas.2. Construcción de redes bayesianas en medicina. (Grafos causales. Modelos canónicos. Obtención de los parámetros numéricos.)3. Funciones de utilidad en medicina.4. Análisis de coste-efectividad.5. Estudio de sesgos.6. Explicación de la inferencia.

MODELOS AUTOMÁTICOS DE GESTIÓN DE INFORMACIÓN
Profesores:Dr. D. Juan Manuel Fernández Luna, Dr. D. Juan Huete

• 1. Recuperación de información.2. Filtrado de correo electrónico.3. Comercio electrónico: sistemas de recomendación.

ANÁLISIS ESTADÍSTICO DE DATOS
Profesores:Dr. D. Carmelo Rodríguez Torreblanca, Dr. D. Rafael Rumí Rodríguez, Dr. D. Antonio Salmerón Cerdán

• 1. Análisis de la varianza.2. Estimación no paramétrica.3. Estadística bayesiana.4. Análisis cluster, discriminante y de componentes principales.

METAHEURÍSTICAS Y MODELOS GRÁFICOS PROBABILÍSTICOS
Profesores:Dr. D. José Antonio Gámez , Dr. D. José Miguel Puerta

• 1. Resolución de problemas complejos en MGPs usando metaheurísticas. (Aprendizaje de RBs. Triangulación. Abducción. Propagación de prob. imprecisas.)2. Uso de MGPs en metaheurísticas: Algoritmos de estimación de distribuciones (EDAs). (Introducción. EDAs en optimización combinatoria; Modelos univariados, bivariados, n-variados. EDAs en optimización numérica; Modelos univariados, bivariados, n-variados)

APLICACIONES DE MGP EN BIOINFORMÁTICA
Profesores:Dr. D. Iñaki Inza , Dr. D. Pedro Larrañaga , Dr. D. José Antonio Lozano

• 1. Introducción a la bioinformática.2. Problemas de optimización en bioinformática (Alineamiento de secuencias. Plegado de proteínas. Estructura terciaria de la proteína.)3. Problemas de clasificación en bioinformática (Análisis de microarrays de ADN. Identificación de genes)4. Redes genéticas

PERÍODO DE INVESTIGACIÓN - Trabajos que componen el Programa
ANÁLISIS DE DECISIONES MEDIANTE MGPS
Profesores:Dr. D. Francisco Javier Díez Vegas Dra. Dª. Concepción Bielza Lozoya, Dr. D. Manuel Gómez , Dra. Dª. Carmen Lacave
APRENDIZAJE AUTOMÁTICO Y MINERÍA DE DATOS CON MGPS
Profesores:Dra. Dª. Silvia Acid , Dr. D. Luis Miguel De Campos , Dr. D. José Antonio Gámez , Dr. D. Iñaki Inza , Dr. D. Pedro Larrañaga , Dr. D. José Antonio Lozano , Dr. D. José Miguel Puerta
ALGORITMOS DE INFERENCIA EN MGPS
Profesores:Dr. D. Francisco Javier Díez Vegas Dr. D. Serafín Moral Callejón, Dr. D. Andrés Cano , Dr. D. José Antonio Gámez , Dr. D. Carmelo Rodríguez Torreblanca, Dr. D. Rafael Rumí Rodríguez, Dr. D. Antonio Salmerón Cerdán
OPTIMIZACIÓN Y METAHEURÍSTICAS EN MODELOS GRÁFICOS PROBABILÍSTICOS
Profesores:Dr. D. José Antonio Gámez , Dr. D. Iñaki Inza , Dr. D. Pedro Larrañaga , Dr. D. José Antonio Lozano , Dr. D. José Miguel Puerta
MGPS APLICADOS A PROBLEMAS BIOINFORMÁTICOS
Profesores:Dr. D. Iñaki Inza , Dr. D. Pedro Larrañaga , Dr. D. José Antonio Lozano
APLICACIÓN DE MODELOS GRÁFICOS PROBABILÍSTICOS A LA RECUPERACIÓN DE INFORMACIÓN
Profesores:Dr. D. Luis Miguel De Campos , Dr. D. Juan Manuel Fernández Luna, Dr. D. Juan Huete
PROBABILIDADES IMPRECISAS EN MGPS. ANÁLISIS DE SENSIBILIDAD
Profesores:Dr. D. Serafín Moral Callejón, Dr. D. Andrés Cano , Dr. D. Manuel Gómez
MODELOS BASADOS EN MIXTURAS DE EXPONENCIALES TRUNCADAS
Profesores:Dr. D. Rafael Rumí Rodríguez, Dr. D. Antonio Salmerón Cerdán