Aquest lloc web utilitza cookies

El lloc web de la Fundació Politècnica de Catalunya utilitza cookies pròpies i de tercers per millorar l'experiència de navegació i amb finalitats estadístiques. Per obtenir més informació sobre les cookies podeu consultar la política de cookies.

Configurar cookies
Permetre totes les 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.
No tens autorització per fer aquesta crida. Pots consultar a webmaster.fpc@fpc.upc.edu
El nom d'usuari no és un correu electrònic
Has de fer la verificació per comprovar que no ets un robot.
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

    Ets UPC Alumni? 15% de descompte si et matricules abans de l'1 de Juliol

  • discount

    10% de descompte si et matricules abans de l'1 de Juliol

Presentació

Edició
5a Edició
Crèdits
15 ECTS (123 hores lectives)
Modalitat
En línia
Idioma d'impartició
Anglès
Preu
4.100€ 3.690€(10% de descompte si et matricules abans de l'1 de Juliol)
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: octubre de 2024
Data de fi: març de 2025
Horari
Dilluns: 18:00 a 20:00
Dimecres: 18:00 a 20:00
Lloc de realització
En Línia
Vídeo de presentació
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 IA 2022 de la Universitat de Stanford, la inversió privada en IA va superar els 189 bilions de dòlars, un 30% més que la inversió privada total del 2020. El nombre d'empreses d'IA novament finançades el 2021 va ser de 746. Això ha suposat un augment significatiu de les ofertes de feina a tots els sectors. Als Estats Units, les ofertes de feina relacionades amb la IA han augmentat de mitjana de l'1,7% a l'1,9% el 2022. A l’Estat espanyol, la quantitat de contractes de treball relacionats es va duplicar 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 i l'enginyeria d'aprenentatge automàtic com les millors feines dels Estats Units durant els darrers anys, sent les competències en 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, imatges, 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 ha de disposar d’accés a Internet d’alta velocitat per accedir a les conferències de vídeo en directe i un ordinador amb el navegador Google Chrome. L'ordinador no requereix cap maquinari ni programari especial.

Continguts formatius

Relació d'assignatures
4 ECTS 33h
Deep Learning
  • Introducció a l'aprenentatge automàtic.
  • Entrenament de retropropagació.
  • El perceptró.
  • Softmax i perceptró multicapa.
  • Funcions de pèrdua.
  • Xarxes neuronals convolucionals (CNN).
  • Interpretabilitat.
  • Optimització.
  • Metodologia.
  • Xarxes neuronals convolucionals sobre grafs i sistemes de recomanació.
1 ECTS 9h
Sequence modeling
  • Xarxes neuronals recurrents (RNN).
  • Atenció.
  • Transformers.
1 ECTS 9h
Unsupervised Learning
  • Aprenentatge autosupervisat i models autoregressius.
  • Autocodificadors variacionals (VAE).
  • Xarxes adversàries generatives (GAN) i difusió.
2 ECTS 14h
Computer Vision
  • Mètrica i recuperació.
  • Arquitectures de vídeo.
  • Detecció d'objectes.
  • Segmentació.
  • Reconstrucció 3D.
  • Aprenentatge per transferència.
2 ECTS 12h
Natural Language Processing
  • Introducció i processament de text.
  • Word embeddings.
  • Models de llenguatge.
  • Aplicacions.
1 ECTS 9h
Speech and Audio Processing
  • Introducció a l'àudio i a la parla.
  • Processament de música.
  • Millora de la parla.
  • Reconeixement de veu.
  • Text a veu.
1 ECTS 9h
Reinforcement Learning
  • Introducció a l'aprenentatge per reforç.
  • Q-Learning tabular.
  • Q-Learning profund.
  • Política gradient.
3 ECTS 28h
Project
  • Programació en Python per a l'aprenentatge profund i configuració.
  • Hiperparàmetres.
  • Computació en el núvol.
  • APIs.
  • Monitoratge de l'entrenament de xarxes neuronals: corbes d'entrenament, recursos computacionals.
  • Docker.
La UPC School es reserva el dret de modificar el contingut del programa, que pot variar per a una major adaptació als objectius del curs.
Titulació
Títol de postgrau expedit per la Universitat Politècnica de Catalunya. Emès en virtut del previst en l'art. 7.1 de la Llei Orgànica 2/2023, de 22 de març, del Sistema Universitari, i l'art. 36 del Reial Decret 822/2021, de 28 de setembre, pel que s'estableix l'organització dels ensenyaments universitaris i del procediment d'assegurament de la seva qualitat. Per a la seva obtenció és necessari tenir una titulació universitària prèvia oficial. De no ser així, l'estudiant obtindrà un certificat d'aprofitament de l'estudi expedit per la Fundació Politècnica de Catalunya. Els estudis de formació permanent de la Universitat Politècnica de Catalunya s'aproven anualment pel Consell de Govern de la Universitat. (Veure dades que consten al certificat).

Metodologia d'aprenentatge

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

La metodologia d’aprenentatge del programa combina continguts impartits en directe (70%) i enregistrats (30%). Aquest esquema prioritza la interacció en línia entre professorat i estudiants, però també aprofita la flexibilitat horària dels vídeos enregistrats.

Hi ha dos tipus de sessions en directe: pràctiques i teòriques. Les sessions pràctiques es basen en el desenvolupament en directe d’un cas pràctic que els estudiants programen en sincronització amb el professorat, que atendrà les seves consultes. Les sessions teòriques s’estructuren a partir d’una xerrada enregistrada visualitzada prèviament pels estudiants en l’horari que més els convingui. Durant la sessió en directe, el professorat revisarà els continguts de la presentació, resoldran les consultes dels estudiants i proposaran exercicis per consolidar l’aprenentatge.



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.
Flipped classroom
Es treballen els continguts de forma prèvia a les classes presencials. A l'aula es fan sessions pràctiques que permeten entendre i aplicar els conceptes sobre casos reals i s'amplien els coneixements amb detalls més tècnics i especialitzats.
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 l'estudiantat podrà 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
L'estudiantat d'aquest postgrau tindrà accés al campus virtual My_Tech_Space, una eficaç plataforma de treball i comunicació entre l'alumnat, 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
  • Gállego Olsina, Gerard Ion
    Gállego Olsina, Gerard Ion
    info
    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.
  • Pardàs Feliu, Montserrat
    Pardàs Feliu, Montserrat
    info
    Veure perfil a futur.upc
    Doctora enginyera de Telecomunicació per la Universitat Politècnica de Catalunya (UPC). Catedràtica del Departament de Teoria del Senyal i Comunicacions de la UPC i membre de l’Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). Ha dirigit projectes de recerca i de transferència de tecnologia en l'àmbit del processament d'imatge i vídeo i la visió per computador, àmbits en els que publica a nivell internacional. Ha estat investigadora visitant a Lucent Technologies (Bell Labs) i a Toshiba's Cambridge Computer Vision Research Lab.
  • Tarrés Benet, Laia
    Tarrés Benet, Laia
    info
    Veure perfil a Linkedin
    Graduada en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), màster en Tecnologies Avançades de la Telecomunicació per la UPC. Ha participat en múltiples projectes daprenentatge profund amb el Grup de Processament de la Imatge de la UPC. Actualment està fent el doctorat a la UPC i està duent a terme la seva tesi doctoral sobre l'aplicació de transforms en llengua de signes. Anteriorment ha participat en projectes que han consistit en la detecció de lesions a la pell i la coloració d'imatges històriques en blanc i negre, utilitzant deep learning. També ha fet internships a Amazon Research Alemanya.
Professorat
  • Aguilar Carrillo, Rafael Ignacio
    info
    Veure perfil a Linkedin
    Enginyer en Informàtica per la Universitat Centroccidental Lisandro Alvarado (UCLA). Actualment treballa com a enginyer de programari a l'equip de GlovoMaps a Glovo. És mentor en enginyeria de programari per a organitzacions i individus. Disposa de més de deu anys d'experiència en diferents empreses transnacionals en àmbits com la logística, el retail, el real state i les consultores de programari.
  • Albors Zumel, Laia
    info
    Veure perfil a Linkedin
    Graduada en Ciència i Enginyeria de Dades per la Universitat Politècnica de Catalunya (UPC), màster en Visió per Computador per la Universitat Autònoma de Barcelona (UAB). Actualment, està fent el doctorat en el departament de Teoria del Senyal i Comunicacions de la UPC, i està duent a terme la seva tesi doctoral sobre l'ús eficient de tècniques de deep learning per a la detecció i identificació d'espècies de fauna i flora. Anteriorment, ha treballat al Barcelona Supercomputing Center (BSC), en el grup de Emerging Technologies for Artificial Intelligence en un projecte conjunt amb CaixaBank.
  • Anglada Rotger, David
    info
    Veure perfil a Linkedin
    Candidat a doctorant en Processat d'Imatge Mèdica per la Universitat Politècnica de Catalunya (UPC). Màster en Advanced Mathematics and Mathematical Engineering per la UPC. Graduat en Matemàtiques i Ciència i Enginyeria de Dades pel Centre de Formació Interdisciplinària (CFIS) per la UPC. Actualment, assistent a la recerca en el projecte Digipatics, pel desenvolupament d'algorismes d'intel·ligència artificial pel processat d'imatges histopatològiques, en col·laboració amb l'Institut Català de la Salut (ICS).
  • Bach Ramírez, Josep Maria
    info
    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.
  • Cámbara Ruiz, Guillermo
    info
    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.
  • Cardoso Duarte, Amanda
    info
    Veure perfil a Linkedin
    Doctoranda i becària Casa Skodowska-Curie al Barcelona Supercomputing Center (BSC) i a la Universitat Politècnica de Catalunya (UPC), amb finançament de la Fundació La Caixa a través del programa de beques de doctorat INPhINIT - "La Caixa". Es va graduar en Anàlisi de Sistemes per l'Institut Federal d'Educació, Ciència i Tecnologia del Sud de Río Grande i va obtenir un màster en Enginyeria Informàtica per la Universitat Federal de Río Grande del Sud. Durant el seu programa de doctorat, va realitzar estades com a estudiant a la Universitat John Hopkins ia la Universitat Carnegie Mellon. Els seus interessos investigadors se centren en la combinació de l'accessibilitat, la interacció persona-ordinador i l'aprenentatge automàtic aplicat.
  • Carós Roca, Mariona
    info
    Veure perfil a Linkedin
    Màster en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), especialitzada en multimèdia (DL sobre visió, parla i text). Va treballar a Telefónica com a Data Scientist desenvolupant models DL per a la detecció d'anomalies a les xarxes. Actualment està cursant el seu doctorat a la Universitat de Barcelona (UB) en modelatge de dades LiDAR per a aplicacions ambientals, en col·laboració amb l'Institut Cartogràfic i Geològic de Catalunya (ICGC). També és membre de Young IT Girls, una organització sense ànim de lucre per animar les nenes a realitzar estudis tecnològics.
  • Carrino, Casimiro Pio
    info
    Veure perfil a Linkedin
    Llicenciat en Física per la Universitat de Nàpols Federico II i màster en Física dels Sistemes Complexos per la Universitat de Torí. Investigador de Natural Language Processing (NLP) amb una experiència de més de sis anys desenvolupada en contextos acadèmics i industrials. Actualment és doctorant al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC) amb tesis en mètodes de deep learning aplicats a sistemes multilingües de pregunta resposta automàtica (QA). Treballa com a investigador aplicat a la unitat de Text Mining del BSC on desenvolupa models de llenguatge a gran escala per a l'espanyol.
  • Caselles Rico, Pol
    info
    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.
  • Escolano Peinado, Carlos
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctor en informàtica per la Universitat Politècnica de Catalunya (UPC) i màster en Intel·ligència Artificial per la UPC. Actualment és investigador al Departament de Teoria del Senyal i les Comunicacions de la UPC i al Barcelona Supercomputing Center (BSC), així com professor associat al departament de Ciències de la Computació de la UPC. La seva àrea dexperiència és el processat del llenguatge natural, especialment la traducció automàtica multilingüe amb xarxes neuronals.
  • Ferrando Monsonís, Javier
    info
    Veure perfil a Linkedin
    Grau en Enginyeria Electrònica per la Universitat Politècnica de València i màster en Data Science per la Universitat Politècnica de Catalunya (UPC). Actualment és estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC) i està treballant en Interpretabilitat en natural language processing (NLP) i deep learning. Recentment ha estat treballant a Amazon, com a Applied Scientist Intern, desenvolupant un model de NLP per al sistema de recomanació.
  • Fojo Àlvarez, Daniel
    info
    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. Machine learning engineer a Meta.
  • Gállego Olsina, Gerard Ion
    info
    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.
  • Giardina, Claudia
    info

    Màster en Ciències de la Computació per la Facultat Politècnica de la Universitat Nacional Asunción (UNA). Enginyera en Electrònica Mèdica per la Facultat Politècnica de la UNA. Especialista en Didàctica de lEducació Superior per la UNA. Actualment estudiant doctoral al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC), treballant en un projecte d'intel·ligència artifical aplicada a imatges mèdiques.
  • Giró Nieto, Xavier
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Científic aplicat a Amazon Science Barcelona, en el camp de l'aprenentatge profund aplicat a la visió per computador. Fou fundador i director del postgrau durant les primeres nou edicions entre 2019-2022, tasca que compaginava amb la seva recerca i docència a la Universitat Politècnica de Catalunya (UPC) i Institut de Robòtica i Informàtica Industrial (IRI). És membre de l'European Laboratory for Learning and Intelligent Systems (ELLIS) i impulsador del Deep Learning Barcelona Symposium (DLBCN).
  • Gómez Duran, Paula
    info
    Veure perfil a Linkedin
    Màster en Advanced Telecommunication Technologies (MATT) per la Universitat Politècnica de Catalunya (UPC). Actualment està cursant un doctorat en Sistemes de Recomanació Contextuals a la Universitat de Barcelona (UB). Acumula tres anys d'experiència en temes de programació full-stack (Visual Engineering) i investigació en diferents camps d'intel·ligència aritificial, tant a universitats com a la Universitat de Barcelona o la UPC, com a entitats com l'Insight SFI Research Centre for Data Analytics, Telefonica Research i TV3. Recentment ha realitzat una publicació sobre el Graph Convolutional Embeddings for Recommender Systems.
  • Hernández Pérez, Carlos
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin

    Estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC). Té un profund interès en la intel·ligència artificial i en els beneficis que aquesta tecnologia pot aportar pel futur de la nostra espècie. Se centra sobretot en el seu ús per a aplicacions mèdiques, però també li agrada utilitzar-la amb finalitats artístiques.
  • Jiménez Martín, Lauren
    info
    Veure perfil a Linkedin
    Estudiant de doctorat al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC), amb finançament FI AGAUR 2022. Llicenciada en Ciències de la Computació per la Universitat de l'Havana. Ha aplicat anteriorment tècniques de machine learning per restaurar imatges mèdiques. Actualment prepara la seva tesi doctoral sobre l'aplicació de deep learning per resoldre problemes mèdics en imatges histopatològiques, especialment l'estudi d'Attention i Transformers.
  • Nieto Salas, Juan José
    info
    Veure perfil a Linkedin
    Grau en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i màster de Data Science per la UPC. Ha realitzat pràctiques utilitzant tècniques de deep learning i reinforcement learning a l'Insight Centre for Data Analitycs i a Telefónica. Actualment treballa com a Data Scientist a Glovo.
  • Pardàs Feliu, Montserrat
    info
    Veure perfil a futur.upc
    Doctora enginyera de Telecomunicació per la Universitat Politècnica de Catalunya (UPC). Catedràtica del Departament de Teoria del Senyal i Comunicacions de la UPC i membre de l’Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). Ha dirigit projectes de recerca i de transferència de tecnologia en l'àmbit del processament d'imatge i vídeo i la visió per computador, àmbits en els que publica a nivell internacional. Ha estat investigadora visitant a Lucent Technologies (Bell Labs) i a Toshiba's Cambridge Computer Vision Research Lab.
  • Pina Benages, Oscar
    info

    Estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC). Màster en Tecnologies de Telecomunicació Avançades, menció en Deep Learning for Multimedia Processing. La seva investigació es centra en self-supervised graph representation learning i la seva aplicació al processament d'imatge mèdica, concretament en el camp de la histopatologia digital.
  • Pons Puig, Jordi
    info
    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.
  • Sanchez Cervera, Ariadna
    info
    Veure perfil a Linkedin
    Grau en Enginyeria de Sistemes Audiovisuals per la Universitat Politècnica de Catalunya (UPC) i màster en Processament del Llenguatge i la Parla per la Universitat d’Edimburg. Actualment és investigadora a l’equip de text a veu d’Amazon.
  • Tarrés Benet, Laia
    info
    Veure perfil a Linkedin
    Graduada en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), màster en Tecnologies Avançades de la Telecomunicació per la UPC. Ha participat en múltiples projectes daprenentatge profund amb el Grup de Processament de la Imatge de la UPC. Actualment està fent el doctorat a la UPC i està duent a terme la seva tesi doctoral sobre l'aplicació de transforms en llengua de signes. Anteriorment ha participat en projectes que han consistit en la detecció de lesions a la pell i la coloració d'imatges històriques en blanc i negre, utilitzant deep learning. També ha fet internships a Amazon Research Alemanya.
  • Triginer Garcés, Gil
    info
    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.
  • Tsiamas, Ioannis
    info
    Veure perfil a Linkedin
    Mestratge en Intel·ligència Artificial de la Universitat d'Amsterdam i Mestre en Finances Quantitatives de la Vrije Universiteit Amsterdam (VU Amsterdam). Actualment investigador en IA a Dolby i estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC), al departament de Teoria del Senyal i Comunicacions, treballant en Traducció de la Parla i Processament del Llenguatge Natural.
  • Ventura Royo, Carles
    info
    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 Artificial Intelligence for human WELLbeing (AIWELL) de la UOC.
  • Vilaplana Besler, Verónica
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctora en Anàlisi de la Imatge per la Universitat Politècnica de Catalunya (UPC), i màster en Matemàtiques i màster en Informàtica per la Universitat de Buenos Aires (Argentina). És professora associada al Departament de Teoria del Senyal i Comunicacions de la UPC on imparteix aprenentatge profund, aprenentatge automàtic i visió per computador. Membre de l’Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). La seva recerca se centra en l’aprenentatge automàtic, l’aprenentatge profund i les aplicacions en imatge mèdica i teledetecció.

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
Des de la meva posició a CatSalut fent anàlisi de dades en salut pública volia aprendre més al voltant de com aplicar l’estadística per obtenir informació de valor a partir de grans quantitats de dades, especialment per ajudar a la diagnosi mèdica. El postgrau em va permetre entendre sòlidament les bases del deep learning i les diferents branques on es pot aplicar. Té un vessant molt pràctic que et permet llegir programes ja fets, modificar-los i crear-ne de propis. Els professors, molt especialitzats, junt amb la possibilitat de fer un projecte de deep learning des de zero contribueixen a assolir resultats visibles i reals. El que vaig aprendre ho he pogut aplicar a la meva carrera professional. De fet, m’he engrescat tant que iniciaré el doctorat en aquest àmbit, on aplicaré la intel·ligència artificial per generar imatges mèdiques.

Júlia Folguera Data Analyst a CatSalut

Testimonis
Notícies del Blog
Èxit del 5è Deep Learning Barcelona Symposium
Èxit del 5è Deep Learning Barcelona Symposium
10-01-2024
Èxit del 5è Deep Learning Barcelona Symposium
Èxit del 5è Deep Learning Barcelona Symposium
10-01-2024
Crisalix, col·laboradora del postgrau en Artificial Intelligence, presenta una innovadora tecnologia per reconstruir caps en 3D
Crisalix, col·laboradora del postgrau en Artificial Intelligence, presenta una innovadora tecnologia per reconstruir caps en 3D
14-10-2021
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
Altres notícies
Formació en Intel·ligència Artificial: una inversió amb futur
22-02-2021

Sol·licita informació o l'admissió

Contacte:
(34) 93 112 08 67
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

Enviar informació sobre les activitats de l'FPC. + 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

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