Artificial Intelligence with Deep Learning > Barcelona > Postgrau > UPC School > Imprimir -

Artificial Intelligence with Deep Learning

Postgrau Presencial.

Presentació

UPC School

La intel·ligència artificial (IA) és el motor de la revolució industrial 4.0 basada en l’automatització en el processament de les dades. La disponibilitat de grans volums de dades i recursos computacionals amb costos assequibles ha permès entrenar models basats en xarxes neuronals profundes (deep learning), que fins fa molt poc no eren a l’abast. Diversos sectors industrials ja estan aplicant aquesta programació basada en dades en el seu dia a dia, mentre en paral·lel les administracions públiques també desenvolupen plans estratègics per liderar el sector. Arreu però hi ha el mateix repte: la necessitat de formar professionals capaços d’entendre el potencial i oportunitats d’aquestes eines, així com la seva implementació de forma pràctica i escalable.

A l’abril de 2018, la Comissió Europea estimava que la inversió en intel·ligència artificial a la UE durant l’any 2017 havia estat entre 4.000 i 5.000 milions d’euros, una xifra que preveu que augmenti fins els 20.000 milions d’euros el 2020. Al Regne Unit, s’ha impulsat el pacte AI Sector Deal entre l’administració pública i la indústria per tal de mantenir el país al capdavant d’aquest sector. A França, l’administració pública ha anunciat que injectarà 1.500 milions d’euros per desenvolupar el sector. Als Estats Units, el principal impuls prové dels gegants tecnològics com Google, Facebook, Amazon o Microsoft, que estan expandint els seus centres de desenvolupament i recerca arreu del món . Mentrestant, la Xina està dissenyat un pla nacional que pretén convertir el país en el líder mundial en intel·ligència artificial, amb les expectatives de generar un volum de negoci de 150.000 milions de dòlars el 2030. No és estrany doncs que el portal glassdoor.com hagi escollit el científic de dades com el millor lloc de treball als Estats Units, essent l’expertesa en tècniques d’aprenentatge profund (deep learning) com la més sol·licitada.

El postgrau en Artificial Intelligence with Deep Learning pretén donar resposta a aquesta demanda de professionals a través d’un equip docent amb una àmplia experiència en investigació (publicacions a NIPS, ICLR, CVPR) i formació en aprenentatge profund des de 2016. Els graduats dominaran tant els conceptes teòrics com la seva implementació en plataformes com Tensorflow i PyTorch, per tal de desenvolupar models basats en xarxes neuronals profundes. El postgrau també inclourà sessions on professionals de la indústria explicaran com apliquen aquestes tecnologies en els seus projectes d’innovació.

Actes relacionats Actes relacionats :

Objectius

  • Dissenyar models d’aprenentatge profund, especialment per a processar text, vídeo i àudio.
  • Optimitzar i monitoritzar l’entrenament de xarxes neuronals profundes.
  • Processar grans corpus de dades amb maquinari especialitzat (CPU i 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.


Els alumnes hauran de portar un ordinador portàtil a determinadas sessions del programa que es concretaran al calendari acadèmic.

Continguts

Assignatures

Deep Learning
4 ECTS. 39 hores lectives.
  • 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 retro-propagació, per població i neuroevolució.
  • Optimització. Normalització per paquets.
  • Models generatius.
  • Transferència de l'aprenentatge. Aprenentatge incremental i oblit catastròfic.
Computer Vision
2 ECTS. 15 hores lectives.
  • Classificació d'imatges i vídeos.
  • Detecció, seguiment i segmentació d'objectes.
  • Cerca visual.
  • Reconeixement i reconstrucció 3D.
  • Predicció de l'atenció visual humana.
Natural Language Processing
2 ECTS. 15 hores lectives.
  • Incrustacions de paraules i models de llenguatge.
  • Processament de text.
  • Classificació i resums de textos.
  • Traducció neuronal.
  • Sistemes de diàleg.
  • Recomanadors.
Speech and Audio Processing
2 ECTS. 15 hores lectives.
  • Reconeixement, conversió i síntesi de la veu.
  • Música.
  • Esdeveniments acústics.
  • Processament multi-modal del vídeo: àudio i visió.
Applications
2 ECTS. 18 hores lectives.
  • Casos reals d'aplicacions d'aprenentatge profund a la indústria.
  • Projectes de recerca d'investigadors de prestigi mundial.
Project
3 ECTS. 18 hores lectives.
  • Programació en Python per a aprenentatge profund.
  • Entorns de desenvoluparem per aprenentatge profund: Keras/TensorFlow i PyTorch/Caffe2.
  • Monitorització de l'entrenament d'una xarxa: corbes d'entrenament, ús de recursos de computació.
  • Carregadors de dades. Sincronització entre CPU i GPU.
  • Computació al núvol.

Direcció i professorat

Direcció Acadèmica

  • Giró Nieto, Xavier
    Professor agregat de la UPC especialitzat en l'aprenentatge profund aplicat a dades multimèdia. Ha treballat com a investigador visitant a la Columbia University de Nova York. Actualment treballa en col·laboració amb el Centre de Supercomputació de Barcelona 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'ETSETB de la UPC.
  • Ruiz Costa-Jussà, Marta
    Doctora en Enginyeria de Telecomunicació per la UPC. Màster en Tecnologies de la Llengua i la Parla i European Master of Research on Information and Communication Technologies ambdós per la UPC. Ha treballat a LIMSI-CNRS de París, al Centre d'Innovació Media de Barcelona, a la Universitat de São Paulo, a l'Institut d'Infocomm Research de Singapur i a l'Institut Politècnic Nacional de Mèxic. Actualment, és investigadora de Ramón y Cajal de la UPC i encapçala els projectes DeepVoice i ALLIES.

Professorat

  • Bellver Bueno, Míriam
    Grau d'Enginyeria de Telecomunicacions a la UPC. Durant la tesis del grau va començar a treballar en el món de la visió per computador en el Grup de Processament d'Imatge de la universitat. També va obtenir el Màster en Telecomunicacions en la mateixa facultat, i va completar la tesis del Màster a Zürich a la ETH. Al 2016 va obtenir una beca de doctorat de l'Obra Social "La Caixa", amb el programa La Caixa-Severo Ochoa International Doctoral Fellowship, per fer el seu doctorat al Barcelona Supercomputing Center en temes de visió per computador fent servir tècniques d'aprenentatge de profund. Els seus principals temes d'interés en la recerca són la detecció i segmentació d'objectes en imatges.
  • Campos Camúñez, Víctor
    Llicenciat i Màster en Enginyeria de Telecomunicacions per a la UPC. Actualment cursa el seu doctorat tractant la intersecció entre Aprenentatge Profund i Computació d'Alt Rendiment al Barcelona Supercomputing Center, amb el suport de l'Obra Social "La Caixa" a través del Programa Internacional de Doctorat La Caixa-Severo Ochoa. Els seus interessos d'investigació se centren en l'aprenentatge automàtic a gran escala.
  • España i Bonet, Cristina
    Doctora en Astrofísica i Cosmologia per la UB i màster en Intel·ligència Artificial per la UB/UPC/URV. Actualment treballa a la Universität des Saarlandes (UdS) i al Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI), a Alemanya. El seu treball abraça el processament del llenguatge natural, la recuperació d'informació i l'aprenentatge automàtic. Els seus principals interessos inclouen les tècniques multilingües basades tant en mètodes clàssics com en deep learning i les aplicacions a llengües amb pocs recursos.
  • Giró Nieto, Xavier
    Professor agregat de la UPC especialitzat en l'aprenentatge profund aplicat a dades multimèdia. Ha treballat com a investigador visitant a la Columbia University de Nova York. Actualment treballa en col·laboració amb el Centre de Supercomputació de Barcelona 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'ETSETB de la UPC.
  • Pascual de la Puente, Santiago
    Màster en Enginyeria de Telecomunicacions per l'ETSETB-UPC. Actualment doctorand al departament de Teoria del Senyal i Comunicacions. La recerca principal de la tesi és sobre deep learning i tecnologies d'intel·ligència artificial per a processament de veu i apilcacions veu a veu. Acumula una experiència teòrica i aplicada de més de 4 anys en deep learning i models generatius profunds.
  • Ruiz Costa-Jussà, Marta
    Doctora en Enginyeria de Telecomunicació per la UPC. Màster en Tecnologies de la Llengua i la Parla i European Master of Research on Information and Communication Technologies ambdós per la UPC. Ha treballat a LIMSI-CNRS de París, al Centre d'Innovació Media de Barcelona, a la Universitat de São Paulo, a l'Institut d'Infocomm Research de Singapur i a l'Institut Politècnic Nacional de Mèxic. Actualment, és investigadora de Ramón y Cajal de la UPC i encapçala els projectes DeepVoice i ALLIES.
  • Segura Perales, Carlos
    Investigador a Telefónica R&D a Barcelona. Des del 2011 fins al 2015 va treballar a Herta Security com a director d'Innovació dins el programa Torres Quevedo, treballant en reconeixement de parlants. Ha participat en projectes nacionals i europeus, i ha publicat nombrosos articles científics en revistes internacionals i conferències internacionals per experts. Els seus interessos de recerca inclouen aprenentatge profund,el processament de la veu, la visió i el llenguatge natural.
  • Serrà Julià, Joan
    Doctor en Tecnologies de la Informació per la UPF. Actualment és científic investigador en el grup de recerca de Telefónica I+D. És expert en aprenentatge automàtic, aprenentatge profund, mineria de dades, processat de l'àudio, sistemes de recomanació i metaheurístiques. És coautor de més de 100 publicacions científiques en diversos àmbits, algunes d'elles de notoria repercusió, i ha participat en diversos projectes de recerca Europeus. Esporàdicament realitza seminaris, docència i xerrades de divulgació, últimament sempre relacionades amb l'aprenentatge profund.
  • Torres i Viñals, Jordi
    Professor de la UPC i director d'investigació del BSC amb 30 anys d'experiència en docència i investigació en supercomputació, amb importants publicacions científiques i projectes de R+D a empreses i institucions. Actualment, la seva recerca se centra en la supercomputació aplicada a la Intel·ligència Artificial. Actualment és membre del Consell d'iThinkUPC i UPCnet, i actua com a entrenador, mentor i expert per a diverses organitzacions i empreses; al seu torn, també ha escrit diversos llibres tècnics, imparteix conferències i ha col·laborat amb diferents mitjans de comunicació, ràdio i televisió. Més informació a https://torres.ai

Informació general

Crèdits
15 ECTS (120 hores lectives)
Dates de realització
Data d'inici:12/02/2019Data de fi:04/07/2019
Horari
Dimarts  18:30 a 21:30Dijous  18:30 a 21:30
Lloc de realització
Tech Talent Center
C/ de Badajoz, 73-77
Barcelona
mapa i accessos
Contacte
Telèfon: (34) 93 114 68 05
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'alumne/a obtindrà un certificat de superació del programa expedit per la Fundació Politècnica de Catalunya.

En el cas de disposar d'una titulació estrangera consulta aquí.
Campus virtual
L'alumnat 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 les notes...
Borsa de treball
Des del campus virtual My_Tech_Space l'alumnat 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 of Professional & Executive Development té un volum anual de centenars d'ofertes de treball, entre contractes laborals i convenis de col·laboració en pràctiques.
Import de la matrícula
3.800 €
L'import total de la matrícula s'ha de pagar abans de l'inici d'aquest Postgrau.
Consulta a l'apartat Descomptes, préstecs i ajuts les possibilitats de finançament en condicions avantatjoses.

Existeix la possibilitat de realitzar una aportació voluntària de 5€ addicionals en el moment de formalitzar la matrícula. Aquesta donació, que forma part de la Campanya 0,7% de la UPC, es destinarà a accions de cooperació a països en vies de desenvolupament.

0.7%

Idioma d'impartició
Anglès
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, 10 dies abans de la data d'inici del programa

Entitats relacionades

Col·laboradors