Ús de cookies

Fem servir cookies pròpies i de tercers per millorar els nostres serveis. Pots obtenir més informació i configurar les teves preferències.
Informació sobre la política de cookies

Rebutjar Cookies
Acceptar Cookies
Campus
MY_TECH_SPACE

Entrar
Campus en manteniment
Usuari i/o clau incorrectes
No tens cap entorn actiu
El teu accés ha estat restringit. Consulta amb el departament d'administració
Per problemes tècnics el campus virtual és inaccessible. Estem treballant per solucionar-ho. Disculpa les molèsties.
Inici   >  Màsters i postgraus  >  Formació  >  Postgrau en Artificial Intelligence with Deep Learning
Sol·licita informació
Sol·licita informació Sol·licita informació o l'admissió
Sol·licita l'admissió
Sol·licita l'admissió
  • discount
    Programa inclòs a la convocatòria d'ajuts Employment Help per a professionals a l'atur o amb rendes baixes

Presentació

Edició
6a Edició
Crèdits
15 ECTS (120 hores lectives)
Modalitat
Idioma d'impartició
Anglès
Preu
3.900€
Opcions de pagament de la matrícula

La matrícula es pot pagar:
- En un únic pagament abans del termini establert a la carta d'admissió del programa.
- En dos terminis, és a dir, fraccionant el pagament:

  • El 60% de l'import total s'ha d'abonar en el termini establert a la carta d'admissió del programa.
  • El 40% restant es pot abonar, com a màxim, fins passats 60 dies des de la data d'inici del programa.
Observacions campanya 0,7%

Inscripció oberta fins l'inici del curs o fins l'exhauriment de places.
Dates de realització
Data d'inici: 19/10/2021
Data de fi: 10/03/2022
Hi haurà classe els següents dimecres: 27/10/21, 24/11/21, 26/01/22 i 23/02/22.
Horari
Dimarts: 18:30 a 21:30
Dijous: 18:30 a 21:30
Lloc de realització
Tech Talent Center
C/ de Badajoz, 73-77
Barcelona
Per què aquest postgrau?
La intel·ligència artificial (IA) és el nucli de la revolució industrial 4.0, basada en el processament automàtic de dades. La disponibilitat de grans volums de dades i recursos computacionals a costos assequibles ha fet possible l’entrenament de xarxes neuronals profundes (deep learning), una potent eina en l’aprenentatge automàtic. Múltiples empreses ja apliquen avui aquest nou paradigma de programació orientat a les dades, mentre que, paral·lelament, les Administracions públiques també desenvolupen plans estratègics per liderar el sector. Tot i això, el mateix repte es repeteix arreu: l'escassetat de professionals capaços d'entendre el potencial i les oportunitats d'aquestes eines, així com la seva implementació de forma pràctica i escalable.

Segons l’Índex 2019 en IA de la Universitat de Stanford, el 2019, la inversió privada en IA va superar els 70 milions de dòlars, amb inversions en startups superiors als 37 milions de dòlars, després d’una taxa de creixement mitjana anual constant de més del 48% des del 2010. Això ha suposat un augment significatiu de les ofertes de treball que, als Estats Units, va passar del 0,3% el 2012 al 0,8% del total d'ofertes de feina el 2019. A l’Estat espanyol, la quantitat de contractes de treball relacionats es va duplicar el 2019 respecte a la mitjana del període 2015-2016. Aquests perfils requereixen competències en processament del llenguatge natural, visió per computador i robòtica, aplicacions que recentment han experimentat grans avenços gràcies a l’aprenentatge profund. En termes de finançament públic, el finançament de la UE per a la investigació i la innovació per a IA ha crescut en 1.500 milions d'euros entre 2017 i 2019, és a dir, un augment del 70% respecte al període anterior. En aquest context és comprensible que el portal d’anàlisi del mercat laboral glassdoor.com hagi escollit l’enginyeria de dades com la millor feina dels Estats Units durant els darrers anys, sent les competències en l'aprenentatge profund les més demandades.

El postgrau en Artificial Intelligence with Deep Learning té com a objectiu satisfer la gran demanda de professionals gràcies a un equip docent amb experiència i reconeixement global tant a la indústria com a l’àmbit acadèmic. El professorat del curs desenvolupa sistemes basats en xarxes neuronals profundes per a molts clients, i també dirigeix investigacions innovadores presentades a conferències científiques de primer nivell com la Conference on Neural Information Processing Systems (NeurIPS), la Conference on Computer Vision and Pattern Recognition (CVPR) o l'International Conference on Learning Representations (ICLR). Amb el seu suport, els estudiants del nostre programa adquireixen expertesa tant en implementacions pràctiques basades en PyTorch, com una base sòlida teòrica que permet entendre les seves oportunitats i limitacions.
Impulsat per:
  • Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona. ETSETB (UPC)
Objectius
  • Dissenyar models d'aprenentatge profund, especialment per processar text, vídeo i àudio.
  • Optimitzar i monitorar l'entrenament de xarxes neuronals profundes.
  • Processar grans corpus de dades amb maquinari especialitzat: Central Processing Unit (CPU) i Graphics Processing Unit (GPU).
  • Implementar solucions en entorns de programari especialitzats en aprenentatge profund.
  • Desenvolupar productes basats en intel·ligència artificial.
A qui va dirigit?
  • Titulats del sector de les telecomunicacions, la informàtica, les matemàtiques i la física que vulguin desenvolupar competències en aprenentatge automàtic basat en xarxes neuronals profundes.
  • Professionals que ja treballin en l'àmbit TIC i vulguin reorientar la seva activitat cap a la intel·ligència artificial.
  • Programadors que es vulguin beneficiar de les noves oportunitats que ofereix la intel·ligència artificial.

L’estudiantat haurà de disposar d'un ordinador portàtil amb el navegador Google Chrome. L'ordinador no requereix cap maquinari ni programari especial.

Continguts formatius

Relació d'assignatures
4 ECTS 40h
Deep Learning
  • Introducció a l'aprenentatge automàtic. Mètriques d'avaluació.
  • El perceptró i el perceptró de múltiples capes.
  • Xarxes convolucionals, recurrents i de grafs. Models amb atenció.
  • Aprenentatge supervisat, no supervisat i reforç.
  • Entrenament per retropropagació, per població i neuroevolució.
  • Optimització. Normalització per paquets.
  • Models generatius.
  • Transferència de l'aprenentatge. Aprenentatge incremental i oblit catastròfic.
2 ECTS 14h
Computer Vision
  • Classificació d'imatges i vídeos.
  • Detecció, seguiment i segmentació d'objectes.
  • Cerca visual.
  • Reconeixement i reconstrucció 3D.
  • Predicció de l'atenció visual humana.
2 ECTS 14h
Natural Language Processing
  • Incrustacions de paraules i models de llenguatge.
  • Processament de text.
  • Classificació i resums de textos.
  • Traducció neuronal.
  • Sistemes de diàleg.
  • Recomanadors.
2 ECTS 14h
Speech and Audio Processing
  • Reconeixement, conversió i síntesi de la veu.
  • Música.
  • Esdeveniments acústics.
  • Processament multimodal del vídeo: àudio i visió.
1 ECTS 9h
Reinforcement Learning
  • Markov Decision Processes.
  • Policy gradients.
  • Deep Q-Learning.
  • Actor-Crític.
1 ECTS 9h
Applications
  • Casos reals d'aplicacions d'aprenentatge profund a la indústria.
  • Projectes de recerca d'investigadors de prestigi mundial.
3 ECTS 20h
Project
  • Programació en Python per a aprenentatge profund.
  • Entorns de desenvolupament per aprenentatge profund: Keras/TensorFlow i PyTorch/Caffe2.
  • Monitoratge de l'entrenament d'una xarxa: corbes d'entrenament i ús de recursos de computació.
  • Carregadors de dades. Sincronització entre CPU i GPU.
  • Computació al núvol.
Titulació
Diploma de postgrau expedit per la Universitat Politècnica de Catalunya. Emès en virtut de l'art. 34.1 de la L.O. 4/2007, de 12 d'abril, per la qual es modifica la L.O. 6/2001, de 21 de desembre, d'Universitats. Per a la seva obtenció és necessari tenir una titulació universitària oficial. De no ser així, l'estudiant obtindrà un certificat de superació del programa expedit per la Fundació Politècnica de Catalunya. (Veure dades que consten al certificat).

Metodologia d'aprenentatge

La metodologia docent del programa facilita l'aprenentatge de l'estudiant i l'assoliment de les competències necessàries.

Els alumnes hauran de portar un ordinador portàtil a determinades sessions del programa, que es concretaran al calendari acadèmic. El portàtil no requereix cap maquinari ni programari especial, només el navegador Google Chrome.



Eines d'aprenentatge
Sessions magistrals participatives
S'exposen els fonaments conceptuals dels continguts a impartir, tot promovent la interacció amb els estudiants per guiar-los en l'aprenentatge dels diferents continguts i el desenvolupament de les competències establertes.
Sessions pràctiques a l'aula
S'apliquen els coneixements en un entorn real o hipotètic, on s'identifiquen i treballen aspectes específics per facilitar la comprensió, amb el suport dels docents.
Resolució d'exercicis
Es treballen les solucions mitjançant l'exercitació de rutines, l'aplicació de fórmules o algoritmes i se segueixen procediments de transformació de la informació disponible i la interpretació dels resultats.
Tutories
Es dona suport tècnic als estudiants en el desenvolupament del projecte final, en funció de la seva especialitat i de la temàtica del projecte.
Criteris d'avaluació
Assistència
Es requereix com a mínim el 80% d'assistència a les hores lectives.
Grau de participació
S'avalua la contribució activa dels estudiants en les diferents activitats proposades per l'equip docent.
Resolució d'exercicis, qüestionaris o exàmens
Proves individuals amb l'objectiu d'avaluar el grau d'aprenentatge i l'adquisició de competències.
Realització i presentació del projecte final
Projectes individuals o grupals en els quals s'apliquen els continguts impartits en el programa. El projecte pot estar basat en casos reals i comprendre la identificació d'una problemàtica, el disseny de la solució, la seva implementació o un pla de negoci. Comptarà amb una presentació i defensa pública del mateix projecte.
Pràctiques i borsa de treball
Des del campus virtual My_Tech_Space els estudiants podran visualitzar les ofertes de treball del seu àmbit de coneixement i presentar la seva candidatura confidencialment. La borsa de treball de la UPC School té un volum anual de centenars d'ofertes de treball, entre contractes laborals i convenis de col·laboració en pràctiques.
Campus virtual
Els estudiants d'aquest postgrau tindran accés al campus virtual My_Tech_Space, una eficaç plataforma de treball i comunicació entre estudiants, el professorat, la direcció i la coordinació del curs. My_Tech_Space permet obtenir la documentació de cada sessió formativa abans de l'inici, treballar en equip, fer consultes als professors, visualitzar notes, etc.

Equip docent

Direcció Acadèmica
  • Giró Nieto, Xavier
    Veure perfil a futur.upc
    Professor agregat de la Universitat Politècnica de Catalunya (UPC) especialitzat en aprenentatge profund aplicat a dades multimèdia. Ha treballat com a investigador visitant a la Universitat de Columbia. Actualment treballa en col·laboració amb el Barcelona Supercomputing Center (BSC) amb projectes finançats per Facebook, La Caixa i les Administracions públiques catalanes i espanyoles. Ha impulsat un ampli catàleg de cursos d'intel·ligència artificial a l'Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona (ETSETB) de la UPC.
Professorat
  • Bach Ramírez, Josep Maria
    Veure perfil a Linkedin
    Cap de dades i intel·ligència artificial a Codegram Technologies, de la qual també és cofundador. Té una trajectòria de més de dotze anys en la indústria com a enginyer de software autodidacta. Actualment treballa en la intersecció entre intel·ligència artificial i indústria, amb especial interès en les xarxes neuronals profundes i el processament del llenguatge natural.
  • Bou Balust, Elisenda
    Veure perfil a futur.upc
    Doctora enginyera de Telecomunicació per la Universitat Politècnica de Catalunya (UPC). Màster en Electrònica/Aerospai UPC-Institut Tecnològic de Massachusetts (MIT). És cofundadora i chief technology officer (CTO) de Vilynx, on lidera un equip d'enginyeria de més de quaranta persones amb l'objectiu de construir el primer sistema d'intel·ligència artificial amb autoaprenentatge. Té més de deu anys d'experiència en sistemes complexos distribuïts, task scheduling i intel·ligència artificial, camps que combina amb ontologies/knowledge graphs, self-learning (autoaprenentatge), emergència de funcions i reasoning.
  • Cámbara Ruiz, Guillermo
    Veure perfil a Linkedin
    Graduat en Física per la Universitat de Barcelona (UB). És doctorand en reconeixement automàtic de la parla per la Universitat Pompeu Fabra (UPF) i Telefónica Research i té un màster en Sistemes Intel·ligents Interactius per la UPF. La seva recerca en deep learning per a processament d'àudio, parla i llenguatge natural s'ha aplicat en sistemes cognitius com Aura, el home assistant de Telefónica, o Ingenious, un traductor veu-a-veu per equips d'emergència europeus. També ha col·laborat amb investigadors de prestigioses institucions, com la Universitat Tecnològica de Brno (BUT) o Dolby Labs.
  • Carós Roca, Mariona

    Màster en Enginyeria de Telecomunicacions per la Universitat Politècnica de Catalunya (UPC), amb l’especialització en multimèdia (aprenentatge profund en visió, parla i text). Actualment treballa com a analista de dades al Centre I+D de Telefónica, dissenyant i desenvolupant models machine learning i deep learning per a la detecció d’anomalies en xarxes. És membre de Young IT Girls, una organització sense ànim de lucre per afavorir la incorporació de noies a la tecnologia.
  • Caselles Rico, Pol
    Veure perfil a Linkedin
    Enginyer de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i màster en Tecnologies Avançades de Telecomunicació per la UPC. Actualment és estudiant de doctorat a la UPC i col·labora amb l'Institut de Robòtica Industrial (IRI). Treballa a Crisalix Labs en l'àmbit de la reconstrucció en 3D amb aprenentatge profund. Va centrar el seu treball de grau en la predicció de la prominència, a l’Insight Centre for Data Analytics de Dublín, i el treball final de màster en l'estudi de l'espai de pesos dels models neuronals, a la Universitat de St. Gallen de Suïssa.
  • Creus Castanyer, Roger
    Veure perfil a Linkedin
    Grau en Ciència i Enginyeria de Dades a la Universitat Politècnica de Catalunya (UPC). Actualment treballa com a científic de dades a HP. El seu Treball Final de Grau va ser sobre aprenentatge per reforç i aprenentatge profund aplicat a intel·ligència artificial. Ha publicat a WebNLG 2020 i WAIN@ICSE 2021.
  • Escolano Peinado, Carlos

    Màster en Intel·ligència Artificial per la Universitat Politècnica de Catalunya (UPC). Enginyer Informàtic per la UPC. Actualment és doctorand al Departament de Teoria del Senyal i Comunicacions de la UPC, on treballa en traducció automàtica amb xarxes neuronals.
  • Fojo Àlvarez, Daniel
    Veure perfil a Linkedin
    Graduat en Matemàtiques i en Enginyeria Física pel Centre de Formació Interdisciplinària Superior (CFIS) i màster en Matemàtiques Avançades i Enginyeria Matemàtica. Data scientist a Glovo.
  • Gállego Olsina, Gerard Ion
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Màster en Tecnologies Avançades de la Telecomunicació per la Universitat Politècnica de Catalunya (UPC), especialització en Deep Learning for Multimedia Processing. Actualment és doctorand en Traducció Automàtica de Veu al Departament de Teoria del Senyal i Comunicacions de la UPC.
  • Giró Nieto, Xavier
    Veure perfil a futur.upc
    Professor agregat de la Universitat Politècnica de Catalunya (UPC) especialitzat en aprenentatge profund aplicat a dades multimèdia. Ha treballat com a investigador visitant a la Universitat de Columbia. Actualment treballa en col·laboració amb el Barcelona Supercomputing Center (BSC) amb projectes finançats per Facebook, La Caixa i les Administracions públiques catalanes i espanyoles. Ha impulsat un ampli catàleg de cursos d'intel·ligència artificial a l'Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona (ETSETB) de la UPC.
  • Lapedriza i Garcia, Agata
    Veure perfil a Linkedin
    Doctora en Informàtica per la Universitat Autònoma de Barcelona (UAB) i llicenciada en Matemàtiques per la Universitat de Barcelona (UB). Actualment és professora de la Universitat Oberta de Catalunya (UOC) i investigadora afiliada a l'Institut de Tecnologia de Massachusetts (MIT) Medialab. Ha estat professora visitant de l'Institut de Tecnologia de Massachusetts (MIT), del MIT Computer Science and Artificial Intelligence Laboratory (CSAIL), del MIT Medialab i de Google Cambridge. Els seus interessos de recerca són la visió per computador, el processament de llenguatge natural, la intel·ligència artificial (IA) emocional, la IA explicable, i la IA per al bé social.
  • Mcguinness, Kevin
    Veure perfil a Linkedin
    Doctorat en Enginyeria Electrònica (visió assistida per ordinador). Professor adjunt a l’Escola d’Enginyeria Electrònica de la Universitat de Dublín, on imparteix analítica de dades i aprenentatge automàtic. Investigador finançat per la Fundació Irlandesa per a la Ciència a través del Centre per a l’Anàlisi de Dades. La seva recerca se centra en aprenentatge automàtic, aprenentatge profund i aplicacions en visió assistida per ordinador. Ha escrit més de setanta publicacions revisades per experts, que inclouen catorze articles de diari i dos capítols de llibre.
  • Nieto Salas, Juan José
    Veure perfil a Linkedin
    Grau en Enginyeria de Telecomunicacions per la UPC. En acabar el Treball de Final de Grau a l’Insight Centre of Data Analytics de Dublin, s’hi va quedar treballant a Aprenentatge de Reforç com a auxiliar de recerca. Actualment està cursant el màster en Data Science de la UPC i treballa amb un contracte de pràctiques a Telefonica Research.
  • Pons Puig, Jordi
    Veure perfil a Linkedin
    Enginyer de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), doctor en Tecnologia Musical, Grans Col·leccions de Sons i Aprenentatge Profund en el Grup de Tecnologia Musical de la Universitat Pompeu Fabra (UPF). A més, té un màster en Tecnologies del So i de la Música. Actualment és investigador a Dolby Laboratories. Va fer estades de pràctiques a l'Institut de Recerca i Coordinació Acústica/Musical de París (IRCAM), al Centre Alemany d'Audició de Hannover, a Pandora Ràdio i a Telefónica Research.
  • Rafieian, Bardia
    Veure perfil a Linkedin
    Investigador i estudiant de doctorat del departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC). Màster en Enginyeria de Software i Mineria de Dades per la Qazvin Azad University (QIAU). Actualment treballa d’enginyer d’aprenentatge automàtic a Viume on fa recerca en desenvolupament i integració de software, sistemes de recomanació PLN i visió per computador. Té cinc anys d’experiència en mineria de dades i processament del llenguatge natural i tres anys en aprenentatge automàtic i integració de software.
  • Rodríguez López, Pau
    Veure perfil a Linkedin
    Doctor en Informàtica per la Universitat Autònoma de Barcelona (UAB) i el Centre de Visió per Computador (CVC). Màster en Intel·ligència Artificial per la Universitat catòlica de Lovaina (KU Leuven). Actualment és research scientist al grup low-data learning d’Element AI. Membre de l’European Laboratory for learning Intelligent Systems (ELLIS). Fundador i organitzador del Workshop Continual Learning in Computer Vision. Publica regularment en conferències de machine learning i intel·ligència artificial.
  • Ruiz Costa-Jussà, Marta
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctora enginyera de Telecomunicació per la Universitat Politècnica de Catalunya (UPC). És investigadora a la UPC i ha estat distingida amb un ajut Starting Grant de l’European Research Council (ERC). Encapçala el projecte Lifelong UNiversal lAnguage Representation - LUNAR. Ha treballat al Laboratori d'Informàtica per a Ciències de la Mecànica i l'Enginyeria (LIMSI) del Centre Nacional Francès d'Investigacions Científiques (CNRS) de París, al Centre d'Innovació Media de Barcelona, a la Universitat de São Paulo, a l'Institut de Recerca Infocomm de Singapur, a l'Institut Politècnic Nacional de Mèxic i a la Universitat d’Edimburg.
  • Suau Cuadros, Xavier
    Veure perfil a Linkedin
    Doctor en Visió per Computador i Aprenentatge Automàtic pel Barcelona Tech. Enginyer de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i en Aeronàutica i Enginyeria Espacial per l'Escola d'Enginyeria Aeroespacial francesa (ISAE). Actualment, és investigador científic de l’equip d’intel·ligència artificial d’Apple, on porta a terme recerca sobre la interpretabilitat de l’aprenentatge automàtic, amb aplicacions en compressió de xarxes, transferència d’aprenentatge i controlabilitat en diversos àmbits. Abans d’entrar a Apple, va cofundar Gestoos, una empresa emergent especialitzada en intel·ligència artificial que se centra en la interacció humà-màquina.
  • Tarrés Benet, Laia

    Graduada en Enginyeria de Telecomunicacions per la per la Universitat Politècnica de Catalunya (UPC), i màster en Tecnologies Avançades de la Telecomunicació de la UPC. Ha participat en múltiples projectes d’aprenentatge profund amb el Grup de Processament de la Imatge de la UPC. Actualment està duent a terme la seva tesi de màster a la BBC amb un projecte per acolorir imatges històriques en blanc i negre. També és investigadora de l’Institut de Robòtica i Informàtica industrial (IRI), on treballa en un projecte de Speech2sign.
  • Triginer Garcés, Gil
    Veure perfil a Linkedin
    Doctor en Física Atòmica i Làser per la Universitat d’Oxford i Enginyer de Telecomunicacions per la Universitat Politècnica de Catalunya (UPC). El 2019 es va incorporar a Crisalix Labs com a investigador d’aprenentatge profund (DL), centrat en l’aplicació de tècniques de DL per a la reconstrucció en 3D.
  • Ventura Royo, Carles
    Veure perfil a Linkedin
    Doctor en Computer Vision per la UPC. Actualment és professor d’Estudis d'Informàtica, Multimèdia i Telecomunicació a la Universitat Oberta de Catalunya (UOC), on imparteix assignatures d’intel·ligència artificial, aprenentatge computacional i visió per computador. La seva recerca se centra en la visió per computador: detecció i segmentació d’objectes i segmentació d’imatges. És membre del grup de recerca Scene Understanding and Artificial Intelligence (SUNAI) de la UOC.

Entitats col·laboradores

Socis col·laboradors

Sortides professionals

  • Enginyer d'intel·ligència artificial.
  • Enginyer en xarxes neuronals profundes.
  • Enginyer en visió per computador.
  • Enginyer en processament del llenguatge natural.
  • Enginyer en processament de l'àudio i de la veu.
  • Analista de dades/data scientist.


Testimonis i notícies

Testimonis

Buscava una formació per aprofundir en l'àrea del deep learning i poder entrar, així, en el món laboral. Jo partia d'un perfil totalment teòric, ja que el meu background és matemàtic. Del postgrau en Artificial Intelligence with Deep Learning destacaria, d'una banda, el seu enfocament pràctic i, de l'altra, el gran ventall de continguts tractats. A més, es treballen desenvolupaments tant clàssics com moderns de certes idees. Aquesta formació m'ha obert un camp amb noves oportunitats, ja que aquesta àrea té molta repercussió en el context actual. El projecte final va ser molt interessant, va tractar sobre la segmentació d'imatges mèdiques. La veritat és que quan vaig començar el postgrau no m'imaginava capaç de fer alguna cosa d'aquesta complexitat. En definitiva, recomanaria aquesta formació pel seu enfocament aplicat, enfocat al món laboral, en la qual aprens la mecànica que s'amaga darrere del deep learning i adquireixes les eines necessàries per posar-lo en pràctica.

Núria Sánchez, alumni del postgrau en Artificial Intelligence with Deep Learning

Testimonis<
La intel·ligència artificial és un dels temes tecnològics de més actualitat, fora i dins del món professional. A més d'un interès propi, com a membre de l'equip de digitalització d'una empresa industrial, he d'estar al dia de les tendències. Si a més puc aconseguir un coneixement tècnic detallat, això suposa un gran valor afegit tant per a l'empresa per a la qual treballo com per al meu projecte professional personal. Això és precisament el que em va aportar el postgrau en Deep Learning: una primera immersió en aquest camp de la IA, així com la possibilitat de submergir-me en més profunditat en les seves diferents àrees, en funció del meu interès. El fet que l'alumnat estigués format per professionals de diferents sectors em va aportar nous punts de vista, sobretot a l'hora d'identificar potencials projectes en els quals aplicar IA. Amb els coneixements adquirits puc promoure d'una manera informada l'ús de la tecnologia dins de l'empresa per optimitzar els processos i, fins i tot, idear noves vies de negoci

Martí Pomés, Technical Lead de Projectes de Robòtica de Processos a Omya

Testimonis<
Notícies del Blog
La professora Amanda Duarte elabora How2Sign, una base de dades per a la traducció automàtica en llenguatge de signes amb IA
La professora Amanda Duarte elabora How2Sign, una base de dades per a la traducció automàtica en llenguatge de signes amb IA
26-03-2021
La professora Amanda Duarte elabora How2Sign, una base de dades per a la traducció automàtica en llenguatge de signes amb IA
La professora Amanda Duarte elabora How2Sign, una base de dades per a la traducció automàtica en llenguatge de signes amb IA
26-03-2021
Apple compra Vilynx, l'startup fundada per la professora Elisenda Bou-Balust
Apple compra Vilynx, l'startup fundada per la professora Elisenda Bou-Balust
02-11-2020
Marta Ruiz Costa-Jussà rep un ajut Starting Grant per investigar un sistema de traducció automàtica inclusiva
Marta Ruiz Costa-Jussà rep un ajut Starting Grant per investigar un sistema de traducció automàtica inclusiva
15-09-2020
Jordi Pons, professor del postgrau en Deep Learning, premiat per la Sociedad Científica Informática de España - Fundación BBVA
Jordi Pons, professor del postgrau en Deep Learning, premiat per la Sociedad Científica Informática de España - Fundación BBVA
11-06-2020
Marta Ruiz Costa-Jussà, premiada als Google Faculty Research Awards per 2n any consecutiu
Marta Ruiz Costa-Jussà, premiada als Google Faculty Research Awards per 2n any consecutiu
11-03-2020
Elisenda Bou-Balust, professora del postgrau en Artificial Intelligence, premi Jove Empresari 2018
Elisenda Bou-Balust, professora del postgrau en Artificial Intelligence, premi Jove Empresari 2018
10-07-2019
Altres notícies
Formació en Intel·ligència Artificial: una inversió amb futur
22-02-2021
Axios: "El furor de l'AI a les universitats"
06-06-2019
Nature: "Investigadors júnior d'IA són demandats per les universitats i la indústria"
06-06-2019
Investigadors d'IA a Facebook comparteixen perspectives sobre la diversitat en el Dia Internacional de la Dona
12-03-2019
El País: "La febre del 'Big Data' arriba a l'ocupació"
03-10-2018
3/24: La meitat de les notícies que consumirem el 2022 seran falses
13-09-2018

Sol·licita informació o l'admissió

Contacte:
(34) 93 706 80 35
Sol·licitud rebuda!
Un cop registrem la teva petició, rebràs confirmació per correu electrònic i ens posarem en contacte amb tu.

Gràcies pel teu interès en els nostres programes formatius.
Error
Per un error en la connexió a la base de dades la teva sol·licitud no s'ha pogut cursar. T'agrairem que repeteixis el procés més tard o bé que et posis en contacte amb nosaltres trucant al (34) 93 112 08 08 o enviant-nos un correu electrònic a: webmaster.fpc@fpc.upc.edu
Has superat el tamany màxim del fitxer
  • Si tens algun dubte sobre el postgrau.
  • Si vols iniciar els tràmits per matricular-te.
Com iniciar l'admissió
Per iniciar el procés d'inscripció a aquest programa cal omplir i enviar el formulari que trobaràs al peu d'aquestes línies.

A continuació, rebràs un correu electrònic de benvinguda on es detallaran els tres passos a seguir per formalitzar el procés d'inscripció:

1. Completar i confirmar les teves dades personals.

2. Validar el teu currículum vitae i adjuntar la documentació addicional requerida, en cas que sigui necessària per a l'admissió.

3. Pagar 110€ en concepte de drets d'inscripció al programa. L'import d'aquests drets es descomptarà de la quantia total de la matrícula i només es retornarà en cas de no resultar admès.

Un cop realitzat el pagament de drets i disposem de tota la documentació, valorarem la teva candidatura i, si has estat admès al curs, t'enviarem la carta d'admissió. En aquest document obtindràs tots els detalls per formalitzar la matrícula al programa.




  política de protecció de dades

* Camps obligatoris

Informació bàsica o primera capa sobre protecció de dades

Responsable

Fundació Politècnica de Catalunya (en endavant, FPC). + INFORMACIÓ

Finalitat

Contestar les sol·licituds d’informació de l’interessat sobre activitats de formació gestionades o realitzades per l’FPC . + INFORMACIÓ

Establiment o manteniment de relació acadèmica amb l’interessat. + INFORMACIÓ

Legitimació

Consentiment de l'interessat. + INFORMACIÓ

Interès legítim en el desenvolupament de la relació acadèmica. + INFORMACIÓ

Destinataris

No hi ha cessions o comunicacions.

Drets

Accés, rectificació, supressió, limitació, oposició i portabilitat. + INFORMACIÓ

Dades de contacte del delegat de protecció de dades

info.dpo@fpc.upc.edu

Informació addicional

Política de privacitat de la nostra pàgina web. + INFORMACIÓ

Termini de conservació

Política de privacitat de la nostra pàgina web. + INFORMACIÓ

Cessió imatge

Acceptació a la cessió, per un període de 10 anys, les imatges que l’FPC pugui captar a les instal·lacions on es desenvolupi la seva activitat, a fi de difondre i promocionar les activitats de l’FPC i pel mitjà que tingui per convenient.

Serveis de pagament

En cas que l’interessat formalitzi la relació amb l’FPC, l’ordenant (interessat) autoritza i dóna el seu consentiment al càrrec, per tant, amb renuncia expressa al dret de devolució sobre el càrrec.

Enviar