Neste curso estúdanse as bases teóricas que sustentan os principais modelos utilizados nas aplicacións de recoñecemento de patróns. Faise especial fincapé nas técnicas de aprendizaxe, tanto de modelos estatísticos como de Redes Neuronais Artificiais e explícase a súa utilidade en problemas prácticos de procesado de sinal e procesado de imaxe. O principal obxectivo pedagóxico consiste en que o alumno adquira suficientes competencias para enfrontarse a unha aplicación na que dispón de datos representativos dun sistema entrada-saída, natural ou artificial, e sexa capaz de construír un modelo que explique o sistema e responda de forma análoga a el, tanto como un problema de aproximación funcional como de clasificación. Para alcanzar este obxectivo o alumno debe ser capaz de desenvolver habilidade no manexo de conceptos tales como maldición da dimensionalidade, capacidade de xeneralización, tamaño do universo muestral, complexidade do modelo, erro de aproximación, erro de estimación, erro empírico, sesgo e varianza do modelo, etc.
