Esta página web usa cookies

El sitio web de la Fundació Politècnica de Catalunya utiliza cookies propias y de terceros para mejorar la experiencia de navegación y con fines estadísticos. Para obtener más información sobre las cookies puede consultar la política de cookies.

Configurar cookies
Permitir todas las 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.
No tienes autorización para realizar esta llamada. Puedes consultar en webmaster.fpc@fpc.upc.edu
Ha superado el número máximo de intentos. Su usuario está bloqueado temporalmente. Vuelve a acceder dentro de un rato.
Tienes que introducir el usuario del campus no un correo electrónico
Tienes que realizar la verificación para comprobar que no eres un robot.
Inicio   >  Másteres y posgrados  >  Formación  >  Posgrado en Artificial Intelligence with Deep Learning
Este curso tiene las plazas agotadas. Abierto un segundo grupo para el curso 2024-2025

Presentación

Información edición 2024-2025
La edición 2024-2025 de este posgrado ya ha empezado. En breve publicaremos la información actualizada de la nueva edición de este programa.
Edición
5ª Edición
Créditos
15 ECTS (120 horas lectivas)
Modalidad
En línea
Idioma de impartición
Inglés
Precio
4.100€
Condiciones especiales en el pago de la matrícula y campaña 0,7%
Próxima edición
Octubre de 2025
Horario
Lunes: 18:00 a 20:00
Miércoles: 18:00 a 20:00
Lugar de realización
En Línea
Vídeo de presentación
¿Por qué este posgrado?
La inteligencia artificial (IA) es el núcleo de la revolución industrial 4.0, y su influencia en la sociedad y la economía se acentúa año tras año. La disponibilidad de grandes volúmenes de datos y recursos computacionales a costes asequibles ha hecho posible, en la última década, 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. El progreso se ha acelerado en 2023, con irrupciones como GPT-4, Gemini y Claude 3, sistemas multimodales impresionantes. Las empresas están compitiendo para crear productos basados en IA, y el público en general la utiliza cada vez más.

Según el Índice IA 2023 de la Universidad de Stanford, la inversión empresarial en IA superó los 189 billones de dólares, lo que supone un aumento de trece veces en la última década. La financiación para la IA generativa ha aumentado, casi octuplicándose desde 2022 hasta alcanzar los 25.200 millones de dólares. El número de empresas de IA recién financiadas en 2023 fue de 1.812, un aumento del 40,6% respecto al año anterior. Esto ha supuesto un aumento significativo de las ofertas de trabajo en todos los sectores. En Estados Unidos, las ofertas de trabajo relacionadas con la IA representan un 1,6% del total. En España, han representado un 1,4% cuando era de un 0,4%, y la cantidad de contratos de trabajo relacionados se ha duplicado respecto a la media del período 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. La inversión pública en IA también está creciendo. El programa Europa Digital de la UE financiará la IA con un total de 2.100 millones de euros en el período 2021-2027. En este contexto es comprensible que el portal de análisis del mercado laboral glassdoor.com haya escogido la ingeniería de datos y la ingeniería de aprendizaje automático como los mejores trabajos de los Estados Unidos durante los últimos años, siendo las competencias en 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 en este campo.
Impulsado por:
  • Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona. ETSETB (UPC)
Objetivos
  • Diseñar modelos de aprendizaje profundo, especialmente para procesar texto, imágenes, 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.

El estudiantado debe disponer de acceso a Internet de alta velocidad para acceder a las conferencias de vídeo en directo y un ordenador con el navegador Google Chrome. El ordenador no requiere ningún hardware ni software especial.

Contenidos formativos

Relación de asignaturas
4 ECTS 31h
Deep Learning
  • Introducción al aprendizaje automático.
  • Entrenamiento de retropropagación.
  • El perceptrón.
  • Softmax y perceptrón multicapa.
  • Funciones de pérdida.
  • Redes neuronales convolucionales (CNN).
  • Interpretabilidad.
  • Optimización.
  • Metodología.
  • Redes neuronales convolucionales sobre grafos y sistemas de recomendación.
3 ECTS 24h
Natural Language Processing
  • Redes neuronales recurrentes (RNN).
  • Atención.
  • Transformers.
  • Introducción y procesamiento de texto.
  • Word embeddings.
  • Modelos de lenguaje y adaptaciones avanzadas.
3 ECTS 23h
Computer Vision
  • Transfer learning (aprendizaje por transferencia)
  • Aprendizaje autosupervisado y modelos autorregresivos.
  • Métrica y recuperación.
  • Arquitecturas de vídeo.
  • Detección de objetos.
  • Segmentación.
  • Autocodificadores variacionales (VAE).
  • Redes adversarias generativas (GAN) y difusión.
2 ECTS 15h
Advanced Applications
El estudiantado podrá decidir el itinerario de la asignatura, eligiendo una opción del bloque A y una opción del bloque B.

Bloque A (6 horas lectivas)

  • Opción 1: Advanced NLP
    • Aplicaciones avanzadas.
    • Técnicas avanzadas de personalización y entrenamiento.
  • Opción 2: Advanced CV
    • Reconstrucción 3D.
    • Detección de anomalías con VAE.
    • Aplicaciones de modelos generativos.
    • Vídeo.

Bloque B (9 horas lectivas)

  • Opción 1: Speech Processing
    • Introducción al audio y al habla.
    • Mejora del habla.
    • Reconocimiento de voz.
    • Texto a voz.
  • Opción 2: Reinforcement Learning
    • Introducción al aprendizaje por refuerzo.
    • Q-Learning tabular.
    • Q-Learning profundo.
    • Gradiente de políticas.
3 ECTS 27h
Project
  • Programación en Python para el aprendizaje profundo y configuración.
  • Hiperparámetros.
  • Computación en la nube.
  • APIs.
  • Monitorización del entrenamiento de redes neuronales: curvas de entrenamiento, recursos computacionales.
  • Docker.

Los proyectos se realizarán en grupos de 4 estudiantes.
Titulación
Título de posgrado en Artificial Intelligence with Deep Learning, expedido por la Universitat Politècnica de Catalunya. Emitido en virtud de lo establecido en el art. 7.1 de la Ley Orgánica 2/2023, de 22 de marzo, del Sistema Universitario, y el art. 36 del Real Decreto 822/2021, de 28 de septiembre, por el que se establece la organización de las enseñanzas universitarias y el procedimiento de aseguramiento de su calidad. Para su obtención es necesario tener una titulación universitaria previa oficial. En caso contrario, el estudiante recibirá un certificado de aprovechamiento del programa superior expedido por la Fundació Politècnica de Catalunya. Los estudios de formación permanente de la Universitat Politècnica de Catalunya se aprueban anualmente por el Consell de Govern de la Universitat. (Ver datos que constan en el certificado).

Metodología de aprendizaje

La metodología docente del programa facilita el aprendizaje del estudiantado 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.



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.
Flipped classroom
Se trabajan los contenidos de forma previa a las clases presenciales. En el aula se llevan a cabo sesiones prácticas que permiten entender y aplicar los conceptos sobre casos reales, ampliando los conocimientos con detalles más técnicos y especializados.
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 el estudiantado podrá 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
El estudiantado de este posgrado tendrá acceso al campus virtual My_Tech_Space, una eficaz plataforma de trabajo y comunicación entre el alumnado, 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
  • Gállego Olsina, Gerard Ion
    Gállego Olsina, Gerard Ion
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Master en Tecnologías Avanzadas de la Telecomunicación por la Universitat Politècnica de Catalunya (UPC), especialización en Deep Learning for Multimedia Processing. Actualmente es doctorando en Traducción Automática de Voz en el Departamento de Teoría de la Señal y Comunicaciones de la UPC. Ha realizado estancias de investigación en empresas multinacionales (Apple, Amazon y Dolby), donde ha trabajado en Large Language Models (LLM) y procesamiento de voz.
  • Ruiz Hidalgo, Javier
    Ruiz Hidalgo, Javier
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Ingeniería de Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC) y Máster por la University of East Anglia (UEA), Reino Unido. Profesor asociado del Departamento de Teoría de la Señal y Comunicaciones de la UPC, y miembro del Centro de Investigación en Ciencia de Datos Inteligentes e Inteligencia Artificial (IDEAI-UPC). Ha liderado proyectos de investigación y transferencia tecnológica en el campo de la visión por computador, área en la que publica internacionalmente. Su investigación se centra en el aprendizaje profundo y sus aplicaciones en el procesamiento de grafos 3D y redes generativas.
  • Tarrés Benet, Laia
    Tarrés Benet, Laia
    info
    Ver perfil en Linkedin
    Graduada en Ingeniería de Telecomunicación por la Universitat Politècnica de Catalunya (UPC), máster en Tecnologías Avanzadas de la Telecomunicación por la UPC. Ha participado en múltiples proyectos de aprendizaje profundo con el Grupo de Procesamiento de la Imagen de la UPC. Actualmente, está realizando el doctorado en la UPC y está llevando a cabo su tesis doctoral sobre la aplicación de transforms en lengua de signos. Anteriormente, ha participado en proyectos que han consistido en la detección de lesiones en la piel y la coloración de imágenes históricas en blanco y negro, utilizando deep learning. También ha hecho internships en Amazon Research Alemania.
Profesorado
  • Aguilar Carrillo, Rafael Ignacio
    info
    Ver perfil en Linkedin
    Ingeniero en Informática por la Universidad Centroccidental Lisandro Alvarado (UCLA). Actualmente trabaja como ingeniero de software en el equipo de GlovoMaps en Glovo. Es mentor en ingeniería de software para organizaciones e individuos. Dispone de más de diez años de experiencia en distintas empresas transnacionales en ámbitos como la logística, el retail, el real state y en consultoras de software.
  • Albors Zumel, Laia
    info
    Ver perfil en Linkedin
    Graduada en Ciencia e Ingeniería de Datos por la Universidad Politécnica de Cataluña (UPC), master en Visión por Computador por la Universidad Autónoma de Barcelona (UAB). Actualmente, está realizando el doctorado en el departamento de Teoría de la Señal y Comunicaciones de la UPC, y está llevando a cabo su tesis doctoral sobre el uso eficiente de técnicas de deep learning para la detección e identificación de especies de fauna y flora. Anteriormente, ha trabajado en el Barcelona Supercomputing Center (BSC) en el grupo de Emerging Technologies for Artificial Intelligence en un proyecto conjunto con CaixaBank.
  • Anglada Rotger, David
    info
    Ver perfil en Linkedin
    Candidato a doctorando en Procesado de Imagen Médica por la Universitat Politècnica de Catalunya (UPC). Máster en Advanced Mathematics and Mathematical Engineering por la UPC. Graduado en Matemáticas y Ciencia e Ingeniería de Datos por el Centro de Formación Interdisciplinar (CFIS) por la UPC. Actualmente, asistente a la investigación en el proyecto Digipatics, por el desarrollo de algoritmos de inteligencia artificial por el procesado de imágenes histopatológicas, en colaboración con el Instituto Catalán de la Salud (ICS).
  • Cámbara Ruiz, Guillermo
    info
    Ver perfil en Linkedin
    Graduado en Física por la Universidad de Barcelona (UB). Es doctorando en reconocimiento automático del habla por la Universitat Pompeu Fabra (UPF) y Telefónica Research y tiene un máster en Sistemas Inteligentes Interactivos por la UPF. Su investigación en deep learning para procesamiento de audio, habla y lenguaje natural se ha aplicado en sistemas cognitivos como Aura, el home assistant de Telefónica, o INGENIOUS, un traductor voz-a-voz para equipos de emergencia europeos. También ha colaborado con investigadores de prestigiosas instituciones, como la Universidad Tecnológica de Brno (BUT) o Dolby Labs.
  • Cardoso Duarte, Amanda
    info
    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
    info
    Ver perfil en Linkedin
    Máster en Ingeniería de Telecomunicación por la Universitat Politècnica de Catalunya (UPC), especializada en multimedia (DL sobre visión, habla y texto). Trabajó en Telefónica como Data Scientist desarrollando modelos DL para la detección de anomalías en las redes. Actualmente está cursando su doctorado en la Universidad de Barcelona (UB) en modelado de datos LiDAR para aplicaciones ambientales, en colaboración con el Instituto Cartográfico y Geológico de Cataluña (ICGC). También es miembro de Young IT Girls, una organización sin ánimo de lucro para animar a las niñas a realizar estudios tecnológicos.
  • Carrino, Casimiro Pio
    info
    Ver perfil en Linkedin
    Licenciado en Física por la Universidad de Nápoles Federico II y Máster en Física de Sistemas Complejos por la Universidad de Turín. Cuenta con 8 años de experiencia como investigador en Procesamiento del Lenguaje Natural (PLN). Ha sido miembro del Barcelona Supercomputing Center (BSC), donde desarrolló modelos lingüísticos para las lenguas catalana y española. Actualmente, es investigador senior en Avature y trabaja en IA generativa y búsqueda de información para el mercado laboral. Al mismo tiempo, está realizando un doctorado en la Universitat Politècnica de Catalunya (UPC), explorando las aplicaciones del aprendizaje profundo en la respuesta automática a preguntas multilingües.
  • Caselles Rico, Pol
    info
    Ver perfil en Linkedin
    Ingeniero de Telecomunicación por la Universitat Politècnica de Catalunya (UPC) y máster en Tecnologías Avanzadas de Telecomunicaciones por la UPC. Actualmente es estudiante de doctorado en la UPC y colabora con el Instituto de Robótica Industrial (IRI). Trabaja en Crisalix Labs en el ámbito de la reconstrucción en 3D con aprendizaje profundo. Centró su trabajo de grado en la predicción de la prominencia, al Insight Centre for Data Analytics de Dublín, y el trabajo final de máster en el estudio del espacio de pesos de los modelos neuronales, en la Universidad de St . Gallen de Suiza.
  • Escolano Peinado, Carlos
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en informática por la Universitat Politècnica de Catalunya (UPC) y máster en Inteligencia Artificial por la UPC. Actualmente es investigador en el Departamento de Teoría de la Señal y las Comunicaciones de la UPC y en el Barcelona Supercomputing Center (BSC), así como profesor asociado en el departamento de Ciencias de la Computación de la UPC. Su área de experiencia es el procesado del lenguaje natural, especialmente la traducción automática multilingüe con redes neuronales.
  • Fojo Àlvarez, Daniel
    info
    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. Machine learning engineer en Lace Lithography.
  • Gállego Olsina, Gerard Ion
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Master en Tecnologías Avanzadas de la Telecomunicación por la Universitat Politècnica de Catalunya (UPC), especialización en Deep Learning for Multimedia Processing. Actualmente es doctorando en Traducción Automática de Voz en el Departamento de Teoría de la Señal y Comunicaciones de la UPC. Ha realizado estancias de investigación en empresas multinacionales (Apple, Amazon y Dolby), donde ha trabajado en Large Language Models (LLM) y procesamiento de voz.
  • Giardina, Claudia
    info
    Ver perfil en futur.upc / Ver perfil en Orcid

    Máster en Ciencias de la Computación por la Facultad Politécnica de la Universidad Nacional Asunción (UNA). Ingeniera en Electrónica Médica por la Facultad Politécnica de la UNA. Especialista en Didáctica de la Educación Superior por la UNA. Actualmente estudiante doctoral en el Departamento de Teoría de la Señal y Comunicaciones de la Universitat Politècnica de Catalunya (UPC), trabajando en un proyecto de inteligencia artifical aplicada a imágenes médicas.

  • Giró Nieto, Xavier
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin / Ver perfil en Orcid / Ver perfil en Google Scholar
    Científico aplicado a Amazon Science Barcelona, en el campo del aprendizaje profundo aplicado a la visión por computador. Fue fundador y director del posgrado durante las primeras nueve ediciones entre 2019-2022, labor que compaginaba con su investigación y docencia en la Universidad Politécnica de Cataluña (UPC) e Instituto de Robótica e Informática Industrial (IRI). Es miembro del European Laboratory for Learning and Intelligent Systems (ELLIS) e impulsador del Deep Learning Barcelona Symposium (DLBCN).
  • Gómez Duran, Paula
    info
    Ver perfil en Linkedin
    Master en Advanced Telecommunication Technologies (MATT) por la Universitat Politècnica de Catalunya (UPC). Actualmente está cursando un doctorado en Sistemas de Recomendación Contextuales en la Universitat de Barcelona (UB). Acumula tres años de experiencia en temas de programación full-stack (Visual Engineering) e investigación en diferentes campos de inteligencia aritificial, tanto en universidades como la Universidad de Barcelona o la UPC, como en entidades como el Insight SFI Research Centre for Data Analytics, Telefonica Research y TV3. Recientemente ha realizado una publicación sobre el Graph Convolutional Embeddings for Recommender Systems.
  • Granero Moya, Marcel
    info
    Ver perfil en Orcid Ver perfil en Google Scholar
    Doctoranda en Inteligencia Artificial por la UPF Barcelona. Ex-Amazon AI Cambridge. Máster en Data Science por la EPFL Suiza. Grado en Ingeniería de Telecomunicaciones por la UPC BarcelonaTech.
  • Hernández Pérez, Carlos
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Estudiante de doctorado en la Universitat Politècnica de Catalunya (UPC). Tiene un profundo interés en la inteligencia artificial y en los beneficios que esta tecnología puede aportar para el futuro de nuestra especie. Se centra sobre todo en su uso para aplicaciones médicas, pero también le gusta utilizarla con fines artísticos.
  • Jiménez Martín, Lauren
    info
    Ver perfil en Linkedin

    Estudiante de doctorado en el Departamento de Teoría de la Señal y Comunicaciones de la Universitat Politècnica de Catalunya (UPC), con financiación FI AGAUR 2022. Licenciada en Ciencias de la Computación por la Universidad de La Habana. Ha aplicado anteriormente técnicas de machine learning para restaurar imágenes médicas. Actualmente, prepara su tesis doctoral sobre la aplicación de deep learning para resolver problemas médicos en imágenes histopatológicas, en particular el estudio de Attention y Transformers.

  • Malik Ara, Ibrar
    info
    Ver perfil en Linkedin
    Licenciado en Ciencia e Ingeniería de Datos por la Universitat Politècnica de Catalunya (UPC) y Máster en Visión por Computador por la Universitat Autònoma de Barcelona (UAB). Actualmente cursa un doctorado en el IRI (CSIC-UPC). Su investigación se centra en la reconstrucción 3D de humanos. A nivel profesional, trabaja como ingeniero deep learning en Crisalix, aplicando su experiencia para innovar en el campo de la reconstrucción 3D y el aprendizaje profundo en producción.
  • Nieto Salas, Juan José
    info
    Ver perfil en Linkedin
    Grado en Ingeniería de Telecomunicación por la Universitat Politècnica de Catalunya (UPC) y máster en Data Science por la UPC. Ha realizado prácticas utilizando técnicas de deep learning y reinforcement learning en el Insight Centre for Data Analitycs y en Telefónica. Actualmente trabaja como Data Scientist en Glovo.
  • Pina Benages, Oscar
    info
    Ver perfil en Linkedin
    Estudiante de doctorado en la Universidad Politécnica de Cataluña (UPC). Máster en Tecnologías de Telecomunicación Avanzadas, mención en Deep Learning for Multimedia Processing. Su investigación se centra en self-supervised graph representation learning y su aplicación en el procesamiento de imagen médica, concretamente en el campo de la histopatología digital.
  • Pons Puig, Jordi
    info
    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.
  • Pueyo Morillo, Jorge
    info
    Ver perfil en Linkedin Ver perfil en Orcid Ver perfil en Google Scholar
    Doctorando en Computer Vision por la Universidad Politécnica de Cataluña (UPC). Máster en Advanced Telecommunication Technologies con Deep Learning Specialization por la UPC. Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación por la Escuela Técnica Superior de Ingeniería de Telecomunicación de Barcelona (ETSETB). Actualmente realizando investigación en el ámbito de Computer Vision, especialmente aplicado al contenido 3D. Anteriormente parte del grupo de Mobile Wireless Internet del centro de investigación i2cat.
  • Reixach i Pérez, David
    info

    Máster en Automática y Robótica y Máster en Ingeniería Industrial por la Universitat Politècnica de Catalunya (UPC). Actualmente doctorando en el Departamento de Teoría de la Señal y Comunicaciones de la misma universidad. Trabaja en modelos de representación multidimensionales con aplicación en compresión, completado y restauración de tensores, entre otros.
  • Ruiz Hidalgo, Javier
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctor en Ingeniería de Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC) y Máster por la University of East Anglia (UEA), Reino Unido. Profesor asociado del Departamento de Teoría de la Señal y Comunicaciones de la UPC, y miembro del Centro de Investigación en Ciencia de Datos Inteligentes e Inteligencia Artificial (IDEAI-UPC). Ha liderado proyectos de investigación y transferencia tecnológica en el campo de la visión por computador, área en la que publica internacionalmente. Su investigación se centra en el aprendizaje profundo y sus aplicaciones en el procesamiento de grafos 3D y redes generativas.
  • Sanchez Cervera, Ariadna
    info
    Ver perfil en Linkedin
    Grado en Ingeniería de Sistemas Audiovisuales por la Universitat Politècnica de Catalunya (UPC) y máster en Procesamiento del Lenguaje y el Habla por la Universidad de Edimburgo. Hasta 2023, fue investigadora en el equipo de texto a voz de Amazon. Actualmente, está completando un doctorado en tecnologías del habla y voz por voces patológicas en la Universidad de Edimburgo.
  • Tarrés Benet, Laia
    info
    Ver perfil en Linkedin
    Graduada en Ingeniería de Telecomunicación por la Universitat Politècnica de Catalunya (UPC), máster en Tecnologías Avanzadas de la Telecomunicación por la UPC. Ha participado en múltiples proyectos de aprendizaje profundo con el Grupo de Procesamiento de la Imagen de la UPC. Actualmente, está realizando el doctorado en la UPC y está llevando a cabo su tesis doctoral sobre la aplicación de transforms en lengua de signos. Anteriormente, ha participado en proyectos que han consistido en la detección de lesiones en la piel y la coloración de imágenes históricas en blanco y negro, utilizando deep learning. También ha hecho internships en Amazon Research Alemania.
  • Ventura Royo, Carles
    info
    Ver perfil en Linkedin
    Doctor en Computer Vision por la UPC. Actualmente es profesor de estudios de Informática, Multimedia y Telecomunicación en la Universidad Abierta de Cataluña (UOC), donde imparte asignaturas de inteligencia artificial, aprendizaje computacional y visión por computador. Su investigación se centra en la visión por computador: detección y segmentación de objetos y segmentación de imágenes. Es miembro del grupo de investigación Artificial Intelligence for Human WELLbeing (AIWELL) de la UOC.
  • Vilaplana Besler, Verónica
    info
    Ver perfil en futur.upc / Ver perfil en Linkedin
    Doctora en Análisis de la Imagen por la Universitat Politècnica de Catalunya (UPC) y máster en Matemáticas y máster en Informática por la Universidad de Buenos Aires (Argentina). Es profesora asociada en el Departamento de Teoría de la Señal y Comunicaciones de la UPC donde imparte aprendizaje profundo, aprendizaje automático y visión por computador. Miembro del Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). Su investigación se centra en el aprendizaje automático, el aprendizaje profundo y las aplicaciones en imagen médica y teledetección.
  • Ysern García, Maria
    info
    Ver perfil en Linkedin Ver perfil en Orcid
    Máster en Advanced Telecommunication Technologies (MATT) por la Universitat Politècnica de Catalunya (UPC), mención en Deep Learning for Multimedia Processing. Actualmente estudiante de doctorado en el Departamento de Teoría de la Señal y Comunicaciones de la UPC. Su investigación se centra en el uso de modelos generativos por imagen médica.

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
Desde mi posición en CatSalut haciendo análisis de datos en salud pública quería aprender más acerca de cómo aplicar la estadística para obtener información de valor a partir de grandes cantidades de datos, especialmente para ayudar a la diagnosis médica. El posgrado me permitió entender sólidamente las bases del deep learning y las diferentes ramas en las que se puede aplicar. Tiene una vertiente muy práctica que te permite leer programas ya hechos, modificarlos y crear otros propios. Los profesores, muy especializados, junto a la posibilidad de realizar un proyecto de deep learning desde cero contribuyen a alcanzar resultados visibles y reales. Lo que aprendí lo he podido aplicar en mi carrera profesional. De hecho, me he animado tanto que iniciaré el doctorado en este ámbito, donde aplicaré la inteligencia artificial para generar imágenes médicas.

Júlia Folguera Data Analyst en CatSalut

Testimonios
Noticias del Blog
Éxito del 5º Deep Learning Barcelona Symposium
Éxito del 5º Deep Learning Barcelona Symposium
10-01-2024
Éxito del 5º Deep Learning Barcelona Symposium
Éxito del 5º Deep Learning Barcelona Symposium
10-01-2024
Crisalix, colaboradora del posgrado en Artificial Intelligence, presenta una innovadora tecnología para reconstruir cabezas en 3D
Crisalix, colaboradora del posgrado en Artificial Intelligence, presenta una innovadora tecnología para reconstruir cabezas en 3D
14-10-2021
La profesora Amanda Duarte elabora How2Sign, una base de datos para la traducción automática en lenguaje de signos con IA
La profesora Amanda Duarte elabora How2Sign, una base de datos para la traducción automática en lenguaje de signos con IA
26-03-2021
Otras noticias
Formación en Inteligencia Artificial: una inversión con futuro
22-02-2021