Posgrado en

Artificial Intelligence with Deep Learning

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.