Uso de cookies

Utilizamos cookies propias y de terceros para mejorar nuestros servicios. Puedes obtener más información y configurar tus preferencias.
Información sobre la política de cookies

Rechazar Cookies
Aceptar Cookies
Campus
MY_TECH_SPACE

Entrar
Campus en mantenimiento
Usuario y/o clave incorrectos
No tienes ningún entorno activo
Tu acceso ha sido restringido. Consulta con el departamento de administración
Por problemas técnicos el campus virtual es inaccesible. Estamos trabajando para solucionarlo. Disculpa las molestias.
Inicio   >  Másters y posgrados  >  Formación  >  Posgrado en Artificial Intelligence with Deep Learning
Solicita información
Solicita información Solicita información o la admisión
Solicita la admisión
Solicita la admisión

Programa

Información edición 2020-21
La edición 2020-21 de este posgrado ya ha empezado. En breve publicaremos la información actualizada de la nueva edición de este programa.
Edición
1ª Edición
Créditos
15 ECTS (120 horas lectivas)
Modalidad
Idioma de impartición
Inglés
Precio
3.900€
Opciones de pago de la matrícula

Opciones de pago de la matrícula:
- En un único pago antes del plazo establecido en la carta de admisión al programa.
- Pago fraccionado en dos plazos:

  • El 60% del importe total deberá pagarse en el plazo indicado en la carta de admisión del programa.
  • El 40% restante deberá abonarse, como máximo, al cabo de 60 días a partir de la fecha de inicio del programa.
Observaciones campaña 0,7%

Inscripción abierta hasta el inicio del curso o hasta el agotamiento de plazas.
Próxima edición
Noviembre 2021
Horario
Lunes: 18:30 a 20:30
Miércoles: 18:30 a 20:30
Lugar de realización
En Línea
¿Por qué este programa?
La inteligencia artificial (IA) es el núcleo de la revolución industrial 4.0, basada en el procesamiento automático de datos. La disponibilidad de grandes volúmenes de datos y recursos computacionales a costes asequibles ha hecho posible el entrenamiento de redes neuronales profundas (deep learning), una potente herramienta en el aprendizaje automático. Múltiples empresas ya aplican hoy este nuevo paradigma de programación orientado a los datos, mientras que, paralelamente, las Administraciones públicas también desarrollan planes estratégicos para liderar el sector. Sin embargo, el mismo reto se repite en todas partes: la escasez de profesionales capaces de entender el potencial y las oportunidades de estas herramientas, así como su implementación de forma práctica y escalable.

Según el Índice 2019 en IA de la Universidad de Stanford, en el 2019, la inversión privada en IA superó los 70 millones de dólares, con inversiones en startups superiores a los 37 millones de dólares, después de una tasa de crecimiento media anual constante de más del 48% desde el 2010. Esto ha supuesto un aumento significativo de las ofertas de trabajo que, en Estados Unidos, pasó del 0,3% en 2012 al 0,8% del total de ofertas de trabajo en el 2019. En el Estado español, la cantidad de contratos de trabajo relacionados se duplicó en 2019 respecto a la media del periodo 2015-2016. Estos perfiles requieren competencias en procesamiento del lenguaje natural, visión por computador y robótica, aplicaciones que recientemente han experimentado grandes avances gracias al aprendizaje profundo. En términos de financiación pública, la financiación de la UE para la investigación y la innovación para IA ha crecido en 1.500 millones de euros entre el 2017 y el 2019, es decir, un aumento del 70% respecto al periodo anterior. En este contexto es comprensible que el portal de análisis del mercado laboral glassdoor.com haya escogido la ingeniería de datos como el mejor trabajo de los Estados Unidos durante los últimos años, siendo las competencias en el aprendizaje profundo las más demandadas.

El posgrado en Artificial Intelligence with Deep Learning tiene como objetivo satisfacer la gran demanda de profesionales gracias a un equipo docente con experiencia y reconocimiento global tanto en la industria como en el ámbito académico. El profesorado del curso desarrolla sistemas basados en redes neuronales profundas para muchos clientes, y también dirige investigaciones innovadoras presentadas en conferencias científicas de primer nivel como la Conference on Neural Information Processing Systems (NeurIPS), la Conference on Computer Vision and Pattern Recognition (CVPR) o la International Conference on Learning Representations (ICLR). Con su apoyo, los estudiantes de nuestro programa adquieren experiencia tanto en implementaciones prácticas basadas en PyTorch, como una base sólida teórica que permite entender sus oportunidades y limitaciones.
Objetivos
  • Diseñar modelos de aprendizaje profundo, especialmente para procesar texto, vídeo y audio.
  • Optimizar y monitorizar el entrenamiento de redes neuronales profundas.
  • Procesar grandes corpus de datos con hardware especializado: Central Processing Unit (CPU) y Graphics Processing Unit (GPU).
  • Implementar soluciones en entornos de software especializados en aprendizaje profundo.
  • Desarrollar productos basados ​​en inteligencia artificial.
¿A quién va dirigido?
  • Titulados del sector de las telecomunicaciones, la informática, las matemáticas y la física que quieran desarrollar competencias en aprendizaje automático basado en redes neuronales profundas. 
  • Profesionales que ya trabajen en el ámbito TIC y quieran reorientar su actividad hacia la inteligencia artificial. 
  • Programadores que deseen beneficiarse de las nuevas oportunidades que ofrece la inteligencia artificial.

Contenidos formativos

Relación de asignaturas
4 ECTS 39h
Deep Learning
  • Introducción al aprendizaje automático. Métricas de evaluación.
  • El perceptrón y el perceptrón de múltiples capas.
  • Redes convolucionales, recurrentes y de grafos. Modelos con atención.
  • Aprendizaje supervisado, no supervisado y refuerzo.
  • Entrenamiento para retropropagación, por población y neuroevolución.
  • Optimización. Normalización por paquetes.
  • Modelos generativos.
  • Transferencia del aprendizaje. Aprendizaje incremental y olvido catastrófico.
2 ECTS 18h
Computer Vision
  • Clasificación de imágenes y vídeos.
  • Detección, seguimiento y segmentación de objetos.
  • Búsqueda visual.
  • Reconocimiento y reconstrucción 3D.
  • Predicción de la atención visual humana.
2 ECTS 18h
Natural Language Processing
  • Incrustaciones de palabras y modelos de lenguaje.
  • Procesado de texto.
  • Clasificación y resúmenes de textos.
  • Traducción neuronal.
  • Sistemas de diálogo.
  • Recomendadores.
2 ECTS 18h
Speech and Audio Processing
  • Reconocimiento, conversión y síntesis de la voz.
  • Música.
  • Eventos acústicos.
  • Procesado multi-modal del vídeo: audio y visión.
1 ECTS 9h
Reinforcement Learning
  • Markov Decision Processes.
  • Policy gradients.
  • Deep Q-Learning.
  • Actor-Critic.
4 ECTS 18h
Project
  • Programación en Python para aprendizaje profundo.
  • Entornos de desarrollo por aprendizaje profundo: Kera/TensorFlow y PyTorch/Caffe2.
  • Monitorización del entrenamiento de una red: curvas de entrenamiento y uso de recursos de computación.
  • Cargadores de datos. Sincronización entre CPU y GPU.
  • Computación en la nube.
Titulación
Diploma de posgrado expedido por la Universitat Politècnica de Catalunya. Emitido en virtud del art. 34.1 de la L.O. 4/2007, de 12 de abril, por la cual se modifica la L.O. 6/2001, de 21 de diciembre, de Universidades. Para su obtención es necesario tener una titulación universitaria oficial. De no ser así, el estudiante obtendrá un certificado de superación expedido por la Fundació Politècnica de Catalunya.

Metodología de aprendizaje

La metodología docente del programa facilita el aprendizaje del estudiante y la consecución de las competencias necesarias.

La metodología de aprendizaje del programa combina contenidos impartidos en directo (70%) y grabados (30%). Este esquema prioriza la interacción en línea entre profesorado y estudiantes, pero también aprovecha la flexibilidad horaria de los vídeos grabados.

Hay dos tipos de sesiones en directo: prácticas y teóricas. Las sesiones prácticas se basan en el desarrollo en directo de un caso práctico que los estudiantes programan en sincronización con el profesorado, que atenderá sus consultas. Las sesiones teóricas se estructuran a partir de una charla grabada visualizada previamente por los estudiantes en el horario que más les convenga. Durante la sesión en directo, el profesorado revisará los contenidos de la presentación, resolverán las consultas de los estudiantes y propondrán ejercicios para consolidar el aprendizaje. Las sesiones serán grabadas y puestas a disposición de los estudiantes para su revisión.

Todos los estudiantes deben disponer de acceso a Internet de alta velocidad para acceder a las conferencias de vídeo en directo y un ordenador con un moderno navegador web.



Herramientas de aprendizaje
Sesiones magistrales participativas
Se exponen los fundamentos conceptuales de los contenidos a impartir, promoviendo la interacción con los estudiantes para guiarlos en el aprendizaje de los diferentes contenidos y el desarrollo de las competencias establecidas.
Sesiones prácticas en el aula
Se aplican los conocimientos en un entorno real o hipotético, donde se identifican y trabajan aspectos específicos para facilitar su comprensión, con el apoyo de los docentes.
Resolución de ejercicios
Se trabajan las soluciones mediante la ejercitación de rutinas y la aplicación de fórmulas o algoritmos, y se siguen procedimientos de transformación de la información disponible y de interpretación de los resultados.
Tutorías
Se presta apoyo técnico a los estudiantes en el desarrollo del proyecto final, en función de su especialidad y de la temática del proyecto.
Criterios de evaluación
Asistencia
Se requiere como mínimo el 80% de asistencia a las horas lectivas.
Grado de participación
Se evalúa la contribución activa de los estudiantes en las diferentes actividades propuestas por el equipo docente.
Resolución de ejercicios, cuestionarios o exámenes
Pruebas individuales con el objetivo de evaluar el grado de aprendizaje y la adquisición de competencias.
Realización y presentación del proyecto final
Proyectos individuales o grupales en los que se aplican los contenidos impartidos en el programa. El proyecto puede estar basado en casos reales y comprender la identificación de una problemática, el diseño de la solución, su implementación o un plan de negocio. Contará con una presentación y la defensa pública del proyecto.
Prácticas y bolsa de trabajo
Desde el campus virtual My_Tech_Space los estudiantes podrán visualizar ofertas de trabajo de su área de conocimiento y presentar su candidatura en un entorno confidencial. La bolsa de trabajo de la UPC School tiene un volumen anual de cientos de ofertas de trabajo, entre contratos laborales y convenios de colaboración en prácticas.
Campus virtual
Los estudiantes de este posgrado tendrán acceso al campus virtual My_Tech_Space, una eficaz plataforma de trabajo y comunicación entre estudiantes, profesores, dirección y coordinación del curso. My_Tech_Space permite obtener la documentación de cada sesión formativa antes de su inicio, trabajar en equipo, hacer consultas a los profesores, visualizar notas, etc.

Equipo docente

Dirección Académica
  • Giró Nieto, Xavier
    Ver perfil en futur.upc
    Profesor agregado de la Universitat Politècnica de Catalunya (UPC) especializado en aprendizaje profundo aplicado a datos multimedia. Ha trabajado como investigador visitante en la Universidad de Columbia. Actualmente trabaja en colaboración con el Barcelona Supercomputing Center (BSC) con proyectos financiados por Facebook, La Caixa y las Administraciones públicas catalanas y españolas. Ha impulsado un amplio catálogo de cursos de inteligencia artificial en la Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona (ETSETB) de la UPC.
Profesorado
  • Bou Balust, Elisenda
    Ver perfil en futur.upc
    Doctora ingeniera de Telecomunicación por la Universitat Politècnica de Catalunya (UPC). Máster en Electrónica/Aerospai UPC-Instituto Tecnológico de Massachusetts (MIT). Es cofundadora y chief technology officer (CTO) de Vilynx, donde lidera un equipo de ingeniería de más de cuarenta personas con el objetivo de construir el primer sistema de inteligencia artificial con autoaprendizaje. Tiene más de diez años de experiencia en sistemas complejos distribuidos, task scheduling e inteligencia artificial, campos que combina con ontologies/knowledge graphs, self-learning (autoaprendizaje), emergencia de funciones y reasoning.
  • Campos Camúñez, Víctor
    Ver perfil en Linkedin
    Ingeniero en Electrónica y máster en Ingeniería Electrónica por la Universitat Politècnica de Catalunya (UPC). Actualmente lleva a cabo la tesis doctoral sobre la convergencia entre el aprendizaje profundo y la computación de alto rendimiento en el Barcelona Supercomputing Center (BSC), con el apoyo de la Obra Social La Caixa a través del programa internacional de Becas La Caixa-Severo Ochoa. Ha realizado estancias de prácticas en el Centro de Investigación Alemán para la Inteligencia Artificial (DFKI), en la Universidad de Columbia y en Salesforce Research. Sus líneas de investigación son el aprendizaje automático a gran escala.
  • Cardoso Duarte, Amanda
    Ver perfil en Linkedin
    Doctoranda y becaria Marie Skodowska-Curie en el Barcelona Supercomputing Center (BSC) y en la Universitat Politècnica de Catalunya (UPC), con financiación de la Fundación La Caixa a través del programa de becas de doctorado INPhINIT - "La Caixa". Se graduó en Análisis de Sistemas por el Instituto Federal de Educación, Ciencia y Tecnología del Sur de Río Grande y obtuvo un máster en Ingeniería Informática por la Universidad Federal de Río Grande del Sud. Durante su programa de doctorado, realizó estancias como estudiante en la Universidad John Hopkins y en la Universidad Carnegie Mellon. Sus intereses investigadores se centran en la combinación de la accesibilidad, la interacción persona-computadora y el aprendizaje automático aplicado.
  • Carós Roca, Mariona

    Máster en Ingeniería de Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC), con la especialización en multimedia (aprendizaje profundo en visión, habla y texto). Actualmente trabaja como analista de datos en el Centro I+D de Telefónica, diseñando y desarrollando modelos machine learning i deep learning para la detección de anomalías en redes. Es miembro de Young IT Girls, una organización sin ánimo de lucro para favorecer la incorporación de chicas en la tecnología.
  • Escolano Peinado, Carlos

    Máster en Inteligencia Artificial por la Universitat Politècnica de Catalunya (UPC). Ingeniero Informático por la UPC. Actualmente es doctorando en el Departamento de Teoría de la Señal y Comunicaciones de la UPC, donde trabaja en traducción automática con redes neuronales.
  • Favory, Xavier
    Ver perfil en Linkedin
    Máster en Acústica, Procesamiento de Señales e Informática Aplicados a la Música (ATIAM) por el Institut o de Investigación y Coordinación Acústica/Musical (IRCAM) y máster en Ingeniería Electrónica por la Escuela Nacional Superior de Electrónica (ENSEA). Actualmente es doctorando en informática aplicada a las tecnologías musicales en el Grupo de Tecnología Musical de la Universidad Pompeu Fabra (UPF). Tiene experiencia académica en procesamiento de señales acústicas, aprendizaje automático e interacción persona-ordenador, y experiencia práctica en el desarrollo de aplicaciones web.
  • Fojo Àlvarez, Daniel
    Ver perfil en Linkedin
    Graduado en Matemáticas y en Ingeniería Física por el Centro de Formación Interdisciplinaria Superior (CFIS) y máster en Matemáticas Avanzadas e Ingeniería Matemática. Data scientist a Glover.
  • Giró Nieto, Xavier
    Ver perfil en futur.upc
    Profesor agregado de la Universitat Politècnica de Catalunya (UPC) especializado en aprendizaje profundo aplicado a datos multimedia. Ha trabajado como investigador visitante en la Universidad de Columbia. Actualmente trabaja en colaboración con el Barcelona Supercomputing Center (BSC) con proyectos financiados por Facebook, La Caixa y las Administraciones públicas catalanas y españolas. Ha impulsado un amplio catálogo de cursos de inteligencia artificial en la Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona (ETSETB) de la UPC.
  • Lapedriza i Garcia, Agata
    Ver perfil en Linkedin
    Doctora en Informática por la Universidad Autónoma de Barcelona (UAB) y licenciada en Matemáticas por la Universidad de Barcelona (UB). Actualmente, es profesora de la Universitat Oberta de Catalunya (UOC) y profesora visitante en Google. Fue profesora visitante del Instituto de Tecnología de Massachusetts (MIT), del MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) y del MIT Medialab. Sus intereses de investigación son la visión por computador, la comprensión de escena, la visión y el lenguaje, el procesamiento del lenguaje natural, la inteligencia artificial emocional, la inteligencia artificial explicable y la inteligencia artificial para al bien social.
  • Luque Serrano, Jordi
    Ver perfil en Linkedin
    Doctor ingeniero en Procesado de la Señal con aplicaciones en voz e imagen por la Universitat Politècnica de Catalunya (UPC). Actualmente es profesor asociado del departamento de Ciencias de la Computación de la UPC e investigador científico dentro del grupo científico en Telefónica I+D. Sus intereses de investigación incluyen estudios en el campo de la lingüística cuantitativa, reconocimiento del habla con bajos recursos y el procesamiento de señal mediante técnicas de aprendizaje profundo. Su experiencia en la industria se centra en el prototipado y pruebas A/B de algoritmos originales para el procesamiento del habla y el lenguaje natural, la integración de los mismos y su despliegue, junto con la consultoría, ideación y prospección de aplicaciones pioneras.
  • Mañas Sanchez, Oscar
    Ver perfil en Linkedin
    Ingeniero de visión por ordenador en Mediapro R+D. Graduado en Ingeniería Informática por la UPC-FIB, especialidad de Informática. Actualmente, está cursando un máster de Visión por Ordenador interuniversitario UAB-UPC-UPF-UOC. También trabaja con el grupo de Procesamiento de Imagen de la UPC en el aprendizaje autosupervisado de representaciones visuales. Elaboró su trabajo de fin de grado en el marco del grupo de investigación de Microarquitectura y Compiladores de la UPC, trabajando en la optimización de redes neuronales profundas para entornos de baja potencia.
  • Mcguinness, Kevin
    Ver perfil en Linkedin
    Doctor en Ingeniería Electrónica (visión computarizada). Profesor adjunto en la Escuela de Ingeniería Electrónica de la Universidad de Dublín, imparte analítica de datos y aprendizaje automático. Investigador financiado por la Fundación Irlandesa para la Ciencia a través del Centro para el Análisis de Datos. Su investigación se centra en aprendizaje automático, aprendizaje profundo y aplicaciones en visión computarizada. Ha escrito más de setenta publicaciones revisadas por expertos, que incluyen catorce artículos de periódico y dos capítulos de libro.
  • Mohedano Robles, Eva
    Ver perfil en Linkedin
    Doctora en Visión por Computador para el Insight Centre for Data Analytics de la Universidad Ciudad de Dublín (DCU), donde llevó a cabo una tesis sobre recuperación de imágenes basadas en contenidos con el título Deep image representations for instance search, dirigida por Noel E. O'Connor y Kevin McGuinness. Ingeniera de Sistemas audiovisuales por la Universidad Politécnica de Cataluña (UPC). Actualmente, es investigadora postdoctoral en el Insight Centre for Data Analytics, donde trabaja en análisis de vídeo multimodal utilizando aprendizaje profundo.
  • Pons Puig, Jordi
    Ver perfil en Linkedin
    Ingeniero de Telecomunicación por la Universitat Politècnica de Catalunya (UPC), doctor en Tecnología Musical, Grandes Colecciones de Sonidos y Aprendizaje Profundo en el Grupo de Tecnología Musical de la Universidad Pompeu Fabra (UPF). Además, tiene un máster en Tecnologías del Sonido y de la Música. Actualmente es investigador en Dolby Laboratories. Hizo estancias de prácticas en el Instituto de Investigación y Coordinación Acústica/Musical de París (IRCAM), en el Centro Alemán de Audición de Hannover, a Pandora Radio y en Telefónica Research.
  • Rafieian, Bardia
    Ver perfil en Linkedin
    Estudiante de doctorado en Teoría de Señales y Telecomunicaciones en la Universitat Politècnica de Catalunya (UPC). Máster en Ingeniería de Software y Minería de Datos por la Universidad Qazvin Azad (QIAU). Actualmente, trabaja en Viume como ingeniero de aprendizaje automático haciendo investigación y desarrollo sobre integración de software y sistemas de recomendación. Tiene cinco años de experiencia en minería de datos y procesamiento del lenguaje natural y tres años en redes neuronales y aprendizaje automático, e integración de software.
  • Ruiz Costa-Jussà, Marta
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctora ingeniera de Telecomunicación por la Universitat Politècnica de Catalunya (UPC). Máster en Tecnologías de la Lengua y Habla y European Master of Research on Information and Communication Technologies (MERIT), ambos por la UPC. Actualmente es investigadora Ramón y Cajal de la UPC y encabeza los proyectos DeepVoice y ALLIES.Ha trabajado en el Laboratorio de Informática para Ciencias de la Mecánica y la Ingeniería (LIMS) del Centro Nacional Francés de Investigaciones Científicas (CNRS) de París, el Centro de Innovación Media de Barcelona, en la Universidad de São Paulo, en el Instituto de Investigación Infocomm de Singapur y en el Instituto Politécnico Nacional de México.
  • Segura Perales, Carlos

    Investigador en Telefónica I+D en Barcelona. Trabajó en Herta Security como director de Innovación dentro del programa Torres Quevedo, trabajando en reconocimiento de hablantes. Ha participado en proyectos nacionales y europeos, y ha publicado numerosos artículos científicos en revistas internacionales y conferencias internacionales para expertos. Sus intereses de investigación incluyen aprendizaje profundo, el procesamiento de la voz, la visión y el lenguaje natural.
  • Suau Cuadros, Xavier
    Ver perfil en Linkedin
    Doctor en Visión por Computador y Aprendizaje Automático por Barcelona Tech. Ingeniero de Telecomunicación por la Universitat Politècnica de Catalunya (UPC) y en Aeronáutica e Ingeniería Espacial por la Escuela de Ingeniería Aeroespacial francesa (ISAE). Actualmente, es investigador científico del equipo de inteligencia artificial de Apple, donde lleva a cabo investigación sobre la interpretabilidad del aprendizaje automático, con aplicaciones en compresión de redes, transferencia de aprendizaje y controlabilidad en diversos ámbitos. Antes de entrar a Apple, cofundó Gestoos, una empresa emergente especializada en inteligencia artificial que se centra en la interacción humano-máquina.
  • Torres i Viñals, Jordi
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Profesor del Departamento de Arquitectura de Computadores de la Universitat Politècnica de Catalunya (UPC) y director de investigación del Barcelona Supercomputing Center (BSC) con más de treinta años de experiencia en docencia e investigación en supercomputación, con importantes publicaciones científicas y proyectos de I + D en empresas e instituciones. Actualmente, su investigación se centra en la supercomputación aplicada a la inteligencia artificial.

Entidades colaboradoras

Socios colaboradores

Salidas profesionales

  • Ingeniero de inteligencia artificial.
  • Ingeniero en redes neuronales profundas.
  • Ingeniero en visión por computador.
  • Ingeniero en procesamiento del lenguaje natural.
  • Ingeniero en procesamiento del audio y de la voz.
  • Analista de datos/data scientist.

Testimonios y noticias

Testimonios

Buscaba una formación para profundizar en el área del deep learning y poder entrar, así, en el mundo laboral. Yo partía de un perfil totalmente teórico, ya que mi background es matemático. Del posgrado en Artificial Intelligence with Deep Learning destacaría, por un lado, su enfoque práctico y, por otro, el gran abanico de contenidos tratados. Además, se trabajan desarrollos tanto clásicos como modernos de ciertas ideas. Esta formación me ha abierto un campo con nuevas oportunidades, ya que esta área tiene mucha repercusión en el contexto actual. El proyecto final fue muy interesante, trató sobre la segmentación de imágenes médicas. La verdad es que cuando empecé el posgrado no me imaginaba capaz de hacer algo de tal complejidad. En definitiva, recomendaría esta formación por su enfoque aplicado, enfocado al mundo laboral, en la que aprendes la mecánica que se esconde detrás del deep learning y adquieres las herramientas necesarias para ponerlo en práctica

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

Testimonios<
La inteligencia artificial es uno de los temas tecnológicos de más actualidad, fuera y dentro del mundo profesional. A parte de un interés propio, como miembro del equipo de digitalización de una empresa industrial, tengo que estar al día de las tendencias. Si además puedo conseguir un conocimiento técnico detallado, esto supone un gran valor añadido tanto para la empresa para la que trabajo como para mi proyecto profesional personal. Esto es precisamente lo que me aportó el posgrado en Deep Learning: una primera inmersión en este campo de la IA, así como la posibilidad sumergirme con más profundidad en sus diferentes áreas en función de mi interés. El hecho de que el alumnado estuviera formado por profesionales de diferentes sectores me aportó nuevos puntos de vista, sobre todo a la hora de identificar potenciales proyectos en los que aplicar IA. Con los conocimientos adquiridos puedo promover de una manera informada el uso de la tecnología dentro de la empresa para optimizar los procesos e, incluso, idear nuevas vías de negocio.

Martí Pomés, Technical Lead de Proyectos de Robótica de Procesos en Omya

Testimonios<
Noticias del Blog
Marta Ruiz Costa-Jussà recibe una ayuda Starting Grant para investigar un sistema de traducción automática inclusiva
Marta Ruiz Costa-Jussà recibe una ayuda Starting Grant para investigar un sistema de traducción automática inclusiva
15-09-2020
Marta Ruiz Costa-Jussà recibe una ayuda Starting Grant para investigar un sistema de traducción automática inclusiva
Marta Ruiz Costa-Jussà recibe una ayuda Starting Grant para investigar un sistema de traducción automática inclusiva
15-09-2020
Otras noticias
Axios: "El furor de la AI en las universidades"
06-06-2019
Nature: “Investigadores junior de IA son demandados por las universidades y la industria”
06-06-2019
Investigadores de IA en Facebook comparten perspectivas sobre la diversidad en el Día Internacional de la Mujer
12-03-2019
El País: "La fiebre del 'Big Data' llega al empleo"
03-10-2018
3/24: La mitad de las noticias que consumiremos en 2022 serán falsas
13-09-2018
Actos relacionados
Digital Summit 2020
Digital Summit 2020
Del 02-12-2020 al 03-12-2020

Solicita información o la admisión

Contacto:
(34) 93 114 68 05
Tu solicitud ha sido recibida correctamente en la UPC School.

En breve nos pondremos en contacto contigo.

Gracias por tu interés en nuestros programas formativos.

Por un error en la conexión a la base de datos tu solicitud no se ha podido cursar. Te agradeceríamos que repitas el proceso más tarde o bien que te pongas en contacto con nosotros llamando al (34) 93 112 08 08 o enviándonos un correo electrónico a: webmaster.fpc@fpc.upc.edu
Has superado el tamaño máximo del fichero
  • Si tienes alguna duda sobre el posgrado.
  • Si quieres iniciar los trámites para matricularte.
Cómo iniciar la admisión
Para iniciar el proceso de inscripción a este programa hay que rellenar y enviar el formulario que encontrarás al pie de estas líneas.

A continuación, recibirás un correo electrónico de bienvenida donde se detallarán los tres pasos a seguir para formalizar el proceso de inscripción:

1. Completar y confirmar tus datos personales.

2. Validar tu currículum vitae y adjuntar la documentación adicional requerida, en caso de que sea necesaria para la admisión.

3. Pagar 110€ en concepto de derechos de inscripción al programa. El importe de estos derechos se descontará de la cuantía total de la matrícula y sólo se devolverá en caso de no resultar admitido.

Una vez realizado el pago de derechos y dispongamos de toda la documentación, valoraremos tu candidatura y, si has sido admitido en el curso, te enviaremos la carta de admisión. En este documento obtendrás todos los detalles para formalizar la matrícula del programa.




  política de protección de datos

* Campos obligatorios

Información básica o primera capa sobre protección de datos

Responsable

Fundació Politècnica de Catalunya (en adelante, FPC). + INFORMACIÓN

Finalidad

Contestar a las solicitudes de información del interesado sobre actividades de formación gestionadas o realizadas por la FPC. + INFORMACIÓN

Establecimiento o mantenimiento de relación académica con el interesado. + INFORMACIÓN

Legitimación

Consentimiento del interesado. + INFORMACIÓN

Interés legítimo en el desarrollo de la relación académica. + INFORMACIÓN

Destinatarios

No existen cesiones o comunicaciones.

Derechos

Acceso, rectificación, supresión, limitación, oposición y portabilidad. + INFORMACIÓN

Datos de contacto del delegado de protección de datos

info.dpo@fpc.upc.edu

Información adicional

Política de Privacidad de nuestra página Web. + INFORMACIÓN

Plazo de conservación

Política de Privacidad de nuestra página Web. + INFORMACIÓN

Cesión de imagen

Aceptación a la cesión, por un periodo de 10 años, las imágenes que la FPC pueda captar en las instalaciones donde se desarrolle su actividad, a fin de difundir y promocionar las actividades de la FPC y por el medio que esta tenga por conveniente.

Servicios de pago

En caso que el interesado formalice la relación con la FPC, el ordenante (interesado) autoriza y da su consentimiento al cargo, por tanto, con renuncia expresa al derecho de devolución sobre el cargo.

Enviar