En este curso se estudian las bases teóricas que sustentan los principales modelos utilizados en las aplicaciones de reconocimiento de patrones. Se hace especial hincapié en las técnicas de aprendizaje, tanto de modelos estadísticos como de Redes Neuronales Artificiales y se explica su utilidad en problemas prácticos de procesado de señal y procesado de imagen.
El principal objetivo pedagógico consiste en que el alumno adquiera suficientes competencias para enfrentarse a una aplicación en la que dispone de datos representativos de un sistema entrada-salida, natural o artificial, y sea capaz de construir un modelo que explique el sistema y responda de forma análoga a él, tanto como un problema de aproximación funcional como de clasificación. Para alcanzar este objetivo el alumno debe ser capaz de desarrollar habilidad en el manejo de conceptos tales como maldición de la dimensionalidad, capacidad de generalización, tamaño del universo muestral, complejidad del modelo, error de aproximación, error de estimación, error empírico, sesgo y varianza del modelo, etc.