I. Disposiciones generales. MINISTERIO DE EDUCACIÓN Y FORMACIÓN PROFESIONAL. Formación profesional. Títulos académicos. (BOE-A-2021-7686)
Real Decreto 279/2021, de 20 de abril, por el que se establece el Curso de especialización en Inteligencia Artificial y Big Data y se fijan los aspectos básicos del currículo.
28 páginas totales
Página
Zahoribo únicamente muestra información pública que han sido publicada previamente por organismos oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
Cualquier dato, sea personal o no, ya está disponible en internet y con acceso público antes de estar en Zahoribo. Si lo ves aquí primero es simple casualidad.
No ocultamos, cambiamos o tergiversamos la información, simplemente somos un altavoz organizado de los boletines oficiales de España.
BOLETÍN OFICIAL DEL ESTADO
Núm. 111
Lunes 10 de mayo de 2021
Sec. I. Pág. 55860
d) Se ha evaluado el modelo con los datos obtenidos en la fase de validación.
e) Se han ajustado los datos de aprendizaje supervisado en la fase de ajuste para
mejorar el rendimiento de las diferentes características o parámetros.
f) Se ha implementado el modelo para realizar predicciones sobre nuevos datos.
g) Se han detectado y minimizado los riesgos asociados al modelo.
h) Se ha optimizado el modelo de aprendizaje supervisado validando datos de
prueba.
4.
Aplica técnicas de aprendizaje no supervisado relacionándolas con los tipos de
problemas que tratan de resolver.
Criterios de evaluación:
a) Se han caracterizado los tipos de problemas que el aprendizaje no supervisado
trata de resolver.
b) Se han caracterizado las técnicas de aprendizaje no supervisado utilizadas para la
resolución de dichos tipos de problemas.
c) Se han aplicado algoritmos utilizados en el aprendizaje no supervisado.
d) Se ha optimizado el modelo de aprendizaje no supervisado validando datos de
prueba.
5.
Aplica modelos computacionales de redes neuronales comparándolos con otros
métodos de inteligencia artificial.
Criterios de evaluación:
a) Se han evaluado los modelos neuronales para elegir el más adecuado para cada
clase de problema.
b) Se han aplicado técnicas de aprendizaje profundo (deep learning) para entrenar
redes de neuronas.
c) Se han comparado las redes de neuronas artificiales con otros métodos de
inteligencia artificial.
d) Se ha reconocido una red de neuronas entrenada a partir de un conjunto de datos.
6. Valora la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje
automático integrando principios fundamentales de la computación.
a) Se ha valorado la conveniencia de los algoritmos propuestos para dar solución a
los problemas planteados.
b) Se ha evaluado la aplicación práctica de los principios y técnicas básicas de los
sistemas inteligentes.
c) Se han integrado los principios fundamentales de la computación en la práctica
para seleccionar, valorar y crear nuevos desarrollos tecnológicos.
d) Se han desarrollado sistemas y aplicaciones informáticas que utilizan técnicas de
los sistemas inteligentes.
e) Se han desarrollado técnicas de aprendizaje computacional dedicadas a la
extracción automática de información a partir de grandes volúmenes de datos.
cve: BOE-A-2021-7686
Verificable en https://www.boe.es
Criterios de evaluación:
Núm. 111
Lunes 10 de mayo de 2021
Sec. I. Pág. 55860
d) Se ha evaluado el modelo con los datos obtenidos en la fase de validación.
e) Se han ajustado los datos de aprendizaje supervisado en la fase de ajuste para
mejorar el rendimiento de las diferentes características o parámetros.
f) Se ha implementado el modelo para realizar predicciones sobre nuevos datos.
g) Se han detectado y minimizado los riesgos asociados al modelo.
h) Se ha optimizado el modelo de aprendizaje supervisado validando datos de
prueba.
4.
Aplica técnicas de aprendizaje no supervisado relacionándolas con los tipos de
problemas que tratan de resolver.
Criterios de evaluación:
a) Se han caracterizado los tipos de problemas que el aprendizaje no supervisado
trata de resolver.
b) Se han caracterizado las técnicas de aprendizaje no supervisado utilizadas para la
resolución de dichos tipos de problemas.
c) Se han aplicado algoritmos utilizados en el aprendizaje no supervisado.
d) Se ha optimizado el modelo de aprendizaje no supervisado validando datos de
prueba.
5.
Aplica modelos computacionales de redes neuronales comparándolos con otros
métodos de inteligencia artificial.
Criterios de evaluación:
a) Se han evaluado los modelos neuronales para elegir el más adecuado para cada
clase de problema.
b) Se han aplicado técnicas de aprendizaje profundo (deep learning) para entrenar
redes de neuronas.
c) Se han comparado las redes de neuronas artificiales con otros métodos de
inteligencia artificial.
d) Se ha reconocido una red de neuronas entrenada a partir de un conjunto de datos.
6. Valora la calidad de los resultados obtenidos en la práctica con sistemas de aprendizaje
automático integrando principios fundamentales de la computación.
a) Se ha valorado la conveniencia de los algoritmos propuestos para dar solución a
los problemas planteados.
b) Se ha evaluado la aplicación práctica de los principios y técnicas básicas de los
sistemas inteligentes.
c) Se han integrado los principios fundamentales de la computación en la práctica
para seleccionar, valorar y crear nuevos desarrollos tecnológicos.
d) Se han desarrollado sistemas y aplicaciones informáticas que utilizan técnicas de
los sistemas inteligentes.
e) Se han desarrollado técnicas de aprendizaje computacional dedicadas a la
extracción automática de información a partir de grandes volúmenes de datos.
cve: BOE-A-2021-7686
Verificable en https://www.boe.es
Criterios de evaluación:
