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
Open Class
Open Classes

20-12-2021 + info

10-02-2022 + info

Solicita información
Solicita información Solicita información o la admisión
Solicita la admisión
Solicita la admisión
  • discount
    Programa incluido en la convocatoria de ayudas Employment Help para profesionales en desempleo o con rentas bajas

Presentación

Edición
7ª Edición
Créditos
15 ECTS (120 horas lectivas)
Modalidad
Semipresencial
Sesiones presenciales. Tendrán lugar los miércoles. En estas sesiones se exponen los fundamentos teóricos de las redes neuronales, sus aplicaciones y su implementación en producción.

Sesiones en línea y en directo. Se realizarán los lunes. En estas sesiones se completarán ejercicios de programación.
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.
Fechas de realización
Fecha de inicio: 14/02/2022
Fecha de fin: 13/07/2022
Horario
Lunes: 18:30 a 21:30
Miércoles: 18:30 a 21:30
Lugar de realización
Tech Talent Center
C/ de Badajoz, 73-77
Barcelona
¿Por qué este posgrado?
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.
Impulsado por:
  • Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona. ETSETB (UPC)
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.

El estudiantado deberá llevar un ordenador portátil a las sesiones del programa que verá concretadas en el calendario académico. El ordenador no requiere ningún hardware ni software especial, solamente el navegador Google Chrome.

Contenidos formativos

Relación de asignaturas
4 ECTS 40h
+
Semipresencial
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 14h
+
Semipresencial
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 14h
+
Semipresencial
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 14h
+
Semipresencial
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
+
Semipresencial
Reinforcement Learning
  • Markov Decision Processes.
  • Policy gradients.
  • Deep Q-Learning.
  • Actor-Critic.
1 ECTS 9h
+
Semipresencial
Applications
  • Casos reales de aplicaciones de aprendizaje profundo en la industria.
  • Proyectos de investigación de investigadores de prestigio mundial.
3 ECTS 20h
+
Semipresencial
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. (Ver datos que constan en el certificado).

Metodología de aprendizaje

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

Las sesiones serán de dos tipos:

  • Presenciales (un 50%).
  • En línea y en directo (un 50%).

Las sesiones presenciales cubren los conceptos teóricos mediante exposiciones magistrales y resolución de problemas. Las sesiones en línea y en directo promueven el aprendizaje activo del estudiante integrándolo en equipos organizados en salas virtuales.


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.
  • 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
    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.
  • Escolano Peinado, Carlos
    Ver perfil en Linkedin
    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.
  • 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) e investigadora afiliada en el Instituto de Tecnología de Massachusetts (MIT) Medialab. Ha sido profesora visitante del Instituto de Tecnología de Massachusetts (MIT), del MIT Computer Science and Artificial Intelligence Laboratory (CSAIL), del MIT Medialab y de Google Cambridge. Sus intereses de investigación son la visión por computador, el procesado de lenguaje natural, la inteligencia artificial (IA) emocional, la IA explicable, y la IA para al bien social.
  • 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.
  • Mosella Montoro, Albert
    Ver perfil en Linkedin
    Ingeniero en Sistemas Audiovisuales por la Universitat Politècnica de Catalunya (UPC) y llevó a cabo el Trabajo Final de Grado sobre detección de objetos en trayectoria de colisión. Máster interuniversitario en Visión por Computador por la Universitat Autònoma de Barcelona (UAB), la Universidad Pompeu Fabra (UPF), la Universitat Oberta de Catalunya (UOC) i la UPC, en cuyo marco se llevó a cabo el Trabajo Final de Máster sobre detección de vehículos usando segmentación de instancias, gracias a la colaboración entre la UPC y Adasens Automotive GmbH. Actualmente es doctorando en la UPC y sus líneas de investigación son comprensión de escenas en 3D y técnicas de aprendizaje profundo.
  • Nieto Salas, Juan José
    Ver perfil en Linkedin
    Grado en Ingeniería de Telecomunicaciones por la UPC. Al terminar el Trabajo de Fin de Grado en el Insight Centre of Data Analytics de Dublin, se quedó trabajando en Aprendizaje de Refuerzo como auxiliar de investigación. Actualmente está cursando el máster en Data Science de la UPC y trabaja con un contrato de prácticas a Telefónica Research.
  • 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
    Investigador y estudiante de doctorado del departamento de Teoría de la Señal y Comunicaciones de la Universitat Politècnica de Catalunya (UPC). Máster en Ingeniería de Software y Minería de Datos para la Qazvin Azad University (QIAU). Actualmente trabaja de ingeniero de aprendizaje automático a Viume donde hace investigación en desarrollo e integración de software, procesamiento del lenguaje natural, sistemas de recomendación y visión por computador. Tiene cinco años de experiencia en minería de datos y procesamiento del lenguaje natural y tres años en 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). Es investigadora en la UPC y ha sido distinguida con una ayuda Starting Grant del European Research Council (ERC). Encabeza el proyecto Lifelong Universal Language Representation - LUNAR. 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 Sao Paulo, en el Instituto de Investigación Infocomm de Singapur, en el Instituto Politécnico Nacional de México y en la Universidad de Edimburgo.
  • 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.
  • Ventura Royo, Carles
    Ver perfil en Linkedin
    Doctor en Computer Vision por la UPC. Actualmente es profesor de Estudios de Informática, Multimedia y Telecomunicación en la Universitat Oberta de Catalunya (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 Scene Understanding and Artificial Intelligence (SUNA) de la UOC.

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
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
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
Otras noticias
Formación en Inteligencia Artificial: una inversión con futuro
22-02-2021
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

Solicita información o la admisión

Contacto:
(34) 93 706 80 35
¡Solicitud recibida!
Una vez registremos tu petición, recibirás confirmación por correo electrónico y nos pondremos en contacto contigo.

Gracias por tu interés en nuestros programas formativos.
Error
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