Aquest lloc web utilitza cookies

El lloc web de la Fundació Politècnica de Catalunya utilitza cookies pròpies i de tercers per millorar l'experiència de navegació i amb finalitats estadístiques. Per obtenir més informació sobre les cookies podeu consultar la política de cookies.

Configurar cookies
Permetre totes les cookies
Campus
MY_TECH_SPACE


Entrar
Campus en manteniment
Usuari i/o clau incorrectes
No tens cap entorn actiu
El teu accés ha estat restringit. Consulta amb el departament d'administració
Per problemes tècnics el campus virtual és inaccessible. Estem treballant per solucionar-ho. Disculpa les molèsties.
No tens autorització per fer aquesta crida. Pots consultar a webmaster.fpc@fpc.upc.edu
Has superat el nombre màxim d'intents. El teu usuari està bloquejat temporalment. Torna a accedir d'aquí a una estona.
Has d'introduir l'usuari del campus no un correu electrònic
Has de fer la verificació per comprovar que no ets un robot.
Inici   >  Màsters i postgraus  >  Formació  >  Postgrau en Artificial Intelligence with Deep Learning
T'assessorem! Sol·licita informació o l'admissió
  • discount

    BENEFICIA'T DE CONDICIONS ESPECIALS EN LA MATRÍCULA FINS AL 29 DE NOVEMBRE!

    CONSULTA AMB LA TEVA ASSESSORA!

Presentació

Edició
10a Edició
Crèdits
15 ECTS (120 hores lectives)
Modalitat
Presencial
Idioma d'impartició
Anglès
Preu
4.100€
Condicions especials en el pagament de la matrícula i campanya 0,7%
Aprofita les condicions especials de matrícula en aquesta ronda d'admissió! Formalitza la teva matrícula fins al 29 de novembre. Consulta amb la teva assessora.
Dates de realització
Inici classes: 27/01/2025
Fi classes: 30/06/2025
Fi programa : 16/07/2025
Horari
Dilluns: 18:30 a 21:30
Dimecres: 18:30 a 21:30
Lloc de realització
ETSETB (Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona)
C/ Jordi Girona, 1-3
08034 Barcelona
Vídeo de presentació
Per què aquest postgrau?
La intel·ligència artificial (IA) és el nucli de la revolució industrial 4.0, i la seva influència en la societat i l'economia augmenta cada any. La disponibilitat de grans volums de dades i recursos computacionals a costos assequibles ha fet possible, en l'última dècada, l’entrenament de xarxes neuronals profundes (deep learning), una potent eina en l’aprenentatge automàtic. Múltiples empreses ja apliquen avui aquest nou paradigma de programació orientat a les dades, mentre que, paral·lelament, les administracions públiques també desenvolupen plans estratègics per liderar el sector. El progrés s'ha accelerat el 2023, amb irrupcions com GPT-4, Gemini i Claude 3, sistemes multimodals impressionants. Les empreses estan competint per crear productes basats en IA, i el públic en general l'utilitza cada cop més.

Segons l’Índex IA 2023 de la Universitat de Stanford, la inversió empresarial en IA va superar els 189 bilions de dòlars, un augment de tretze vegades en la darrera dècada. El finançament per a la IA generativa ha augmentat, gairebé s'ha octuplicat des del 2022, fins a arribar als 25.200 milions de dòlars. El nombre d'empreses d'IA novament finançades el 2023 va ser de 1.821, un 40,6% més que l'any anterior. Això ha suposat un augment significatiu de les ofertes de feina a tots els sectors. Als Estats Units, les ofertes de feina relacionades amb la IA representen un 1,6% del total. A l’Estat espanyol, han representat un 1,4% quan era d'un 0,4%, i la quantitat de contractes de treball relacionats s'ha duplicat respecte a la mitjana del període 2015-2016. Aquests perfils requereixen competències en processament del llenguatge natural, visió per computador i robòtica, aplicacions que recentment han experimentat grans avenços gràcies a l’aprenentatge profund. La inversió pública en IA també està creixent. El programa Europa Digital de la UE finançarà la IA amb un total de 2.100 milions d'euros durant el període 2021-2027. En aquest context és comprensible que el portal d’anàlisi del mercat laboral glassdoor.com hagi escollit l’enginyeria de dades i l'enginyeria d'aprenentatge automàtic com les millors feines dels Estats Units durant els darrers anys, sent les competències en aprenentatge profund les més demandades.

El postgrau en Artificial Intelligence with Deep Learning té com a objectiu satisfer la gran demanda de professionals gràcies a un equip docent amb experiència i reconeixement global tant a la indústria com a l’àmbit acadèmic. El professorat del curs desenvolupa sistemes basats en xarxes neuronals profundes per a molts clients, i també dirigeix investigacions innovadores presentades a conferències científiques de primer nivell com la Conference on Neural Information Processing Systems (NeurIPS), la Conference on Computer Vision and Pattern Recognition (CVPR) o l'International Conference on Learning Representations (ICLR). Amb el seu suport, els estudiants del nostre programa adquireixen expertesa tant en implementacions pràctiques basades en PyTorch, com una base sòlida teòrica que permet entendre les seves oportunitats i limitacions en aquest camp.
Impulsat per:
  • Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona. ETSETB (UPC)
Objectius
  • Dissenyar models d'aprenentatge profund, especialment per processar text, vídeo i àudio.
  • Optimitzar i monitorar l'entrenament de xarxes neuronals profundes.
  • Processar grans corpus de dades amb maquinari especialitzat: Central Processing Unit (CPU) i Graphics Processing Unit (GPU).
  • Implementar solucions en entorns de programari especialitzats en aprenentatge profund.
  • Desenvolupar productes basats en intel·ligència artificial.
A qui va dirigit?
  • Titulats del sector de les telecomunicacions, la informàtica, les matemàtiques i la física que vulguin desenvolupar competències en aprenentatge automàtic basat en xarxes neuronals profundes.
  • Professionals que ja treballin en l'àmbit TIC i vulguin reorientar la seva activitat cap a la intel·ligència artificial.
  • Programadors que es vulguin beneficiar de les noves oportunitats que ofereix la intel·ligència artificial.

L’estudiantat haurà de disposar d'un ordinador portàtil amb el navegador Google Chrome. L'ordinador no requereix cap maquinari ni programari especial.

Continguts formatius

Relació d'assignatures
4 ECTS 31h
Deep Learning
  • Introducció a l'aprenentatge automàtic.
  • Entrenament per retropropagació.
  • El perceptró.
  • Softmax i el perceptró multicapa.
  • Funcions de pèrdua.
  • Xarxes Neuronals Convolucionals (CNN) i arquitectures.
  • Interpretabilitat.
  • Optimització.
  • Metodologia.
  • Xarxes neuronals convolucionals sobre grafs i sistemes de recomanació.
3 ECTS 24h
Natural Language Processing
  • Xarxes neuronals recurrents (RNN).
  • Atenció.
  • Transformers.
  • Introducció i processament de text.
  • Word embeddings.
  • Models de llenguatge i adaptacions avançades.
3 ECTS 23h
Computer Vision
  • Transfer learning (aprenentatge per transferència).
  • Aprenentatge autosupervisat i models autoregressius.
  • Mètrica i recuperació.
  • Arquitectures de vídeo.
  • Detecció d'objectes.
  • Segmentació.
  • Autocodificadors variacionals (VAE).
  • Xarxes adversàries generatives (GAN) i difusió.
2 ECTS 15h
Advanced Applications
L'estudiantat podrà decidir l'itinerari de l'assignatura, escollint una opció del bloc A i una opció del bloc B.

Bloc A (6 hores lectives)
  • Opció 1: Advanced NLP
    • Aplicacions avançades.
    • Tècniques avançades de personalització i entrenament.
  • Opció 2: Advanced CV
    • Reconstrucció 3D.
    • Detecció d’anomalies amb VAE.
    • Aplicacions de models generatius.
    • Vídeo.

Bloc B (9 hores lectives)
  • Opció 1: Speech Processing
    • Introducció a l'àudio i a la parla.
    • Millora de la parla.
    • Reconeixement de veu.
    • Text a veu.
  • Opció 2: Reinforcement Learning
    • Introducció a l'aprenentatge per reforç.
    • Q-Learning tabular.
    • Q-Learning profund.
    • Gradient de polítiques.
3 ECTS 27h
Project
  • Programació en Python per a aprenentatge profund i configuració.
  • Hiperparàmetres.
  • Computació en el núvol.
  • APIs.
  • Monitoratge de l'entrenament de xarxes neuronals: corbes d'entrenament i recursos computacionals.
  • Docker.

Els projectes es realitzaran en grups de 4 estudiants.
Titulació
Títol de postgrau en Artificial Intelligence with Deep Learning, expedit per la Universitat Politècnica de Catalunya. Emès en virtut del previst en l'art. 7.1 de la Llei Orgànica 2/2023, de 22 de març, del Sistema Universitari, i l'art. 36 del Reial Decret 822/2021, de 28 de setembre, pel que s'estableix l'organització dels ensenyaments universitaris i del procediment d'assegurament de la seva qualitat. Per a la seva obtenció és necessari tenir una titulació universitària prèvia oficial. De no ser així, l'estudiant obtindrà un certificat d'aprofitament del programa superior expedit per la Fundació Politècnica de Catalunya. Els estudis de formació permanent de la Universitat Politècnica de Catalunya s'aproven anualment pel Consell de Govern de la Universitat. (Veure dades que consten al certificat).

Metodologia d'aprenentatge

La metodologia docent del programa facilita l'aprenentatge de l'estudiantat i l'assoliment de les competències necessàries.



Eines d'aprenentatge
Sessions magistrals participatives
S'exposen els fonaments conceptuals dels continguts a impartir, tot promovent la interacció amb els estudiants per guiar-los en l'aprenentatge dels diferents continguts i el desenvolupament de les competències establertes.
Sessions pràctiques a l'aula
S'apliquen els coneixements en un entorn real o hipotètic, on s'identifiquen i treballen aspectes específics per facilitar la comprensió, amb el suport dels docents.
Resolució d'exercicis
Es treballen les solucions mitjançant l'exercitació de rutines, l'aplicació de fórmules o algoritmes i se segueixen procediments de transformació de la informació disponible i la interpretació dels resultats.
Tutories
Es dona suport tècnic als estudiants en el desenvolupament del projecte final, en funció de la seva especialitat i de la temàtica del projecte.
Criteris d'avaluació
Assistència
Es requereix com a mínim el 80% d'assistència a les hores lectives.
Grau de participació
S'avalua la contribució activa dels estudiants en les diferents activitats proposades per l'equip docent.
Resolució d'exercicis, qüestionaris o exàmens
Proves individuals amb l'objectiu d'avaluar el grau d'aprenentatge i l'adquisició de competències.
Realització i presentació del projecte final
Projectes individuals o grupals en els quals s'apliquen els continguts impartits en el programa. El projecte pot estar basat en casos reals i comprendre la identificació d'una problemàtica, el disseny de la solució, la seva implementació o un pla de negoci. Comptarà amb una presentació i defensa pública del mateix projecte.
Pràctiques i borsa de treball
Des del campus virtual My_Tech_Space l'estudiantat podrà visualitzar les ofertes de treball del seu àmbit de coneixement i presentar la seva candidatura confidencialment. La borsa de treball de la UPC School té un volum anual de centenars d'ofertes de treball, entre contractes laborals i convenis de col·laboració en pràctiques.
Campus virtual
L'estudiantat d'aquest postgrau tindrà accés al campus virtual My_Tech_Space, una eficaç plataforma de treball i comunicació entre l'alumnat, el professorat, la direcció i la coordinació del curs. My_Tech_Space permet obtenir la documentació de cada sessió formativa abans de l'inici, treballar en equip, fer consultes als professors, visualitzar notes, etc.

Equip docent

Direcció Acadèmica
  • Pueyo Morillo, Jorge
    info
    Veure perfil a Linkedin Veure perfil a Orcid Veure perfil a Google Scholar
    Doctorand en Computer Vision per la Universitat Politècnica de Catalunya (UPC). Màster en Advanced Telecommunication Technologies amb Deep Learning Specialization per la UPC. Grau en Enginyeria de Tecnologies i Serveis de Telecomunicació per la Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona (ETSETB). Actualment fent recerca en l'àmbit de Computer Vision, especialment aplicat al contingut 3D. Anteriorment part del grup de Mobile Wireless Internet del centre de recerca i2cat.
  • Ruiz Hidalgo, Javier
    Ruiz Hidalgo, Javier
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctor en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i Màster per la University of East Anglia (UEA), Regne Unit. Professor associat del Departament de Teoria del Senyal i Comunicacions de la UPC, i membre del Centre de Recerca en Ciència de Dades Intel·ligents i intel·ligència artificial (IDEAI-UPC). Ha liderat projectes de recerca i transferència tecnològica en el camp de la visió per computador, àrea on publica internacionalment. La seva recerca se centra en l'aprenentatge profund i les aplicacions en el processament de grafs 3D i xarxes generatives.
  • Tarrés Benet, Laia
    Tarrés Benet, Laia
    info
    Veure perfil a Linkedin
    Graduada en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), màster en Tecnologies Avançades de la Telecomunicació per la UPC. Ha participat en múltiples projectes d'aprenentatge profund amb el Grup de Processament de la Imatge de la UPC. Actualment, està fent el doctorat a la UPC i està duent a terme la seva tesi doctoral sobre l'aplicació de transforms en llengua de signes. Anteriorment, ha participat en projectes que han consistit en la detecció de lesions a la pell i la coloració d'imatges històriques en blanc i negre, utilitzant deep learning. També ha fet internships a Amazon Research Alemanya.
Professorat
  • Aguilar Carrillo, Rafael Ignacio
    info
    Veure perfil a Linkedin
    Enginyer en Informàtica per la Universitat Centroccidental Lisandro Alvarado (UCLA). Actualment treballa com a enginyer de programari a l'equip de GlovoMaps a Glovo. És mentor en enginyeria de programari per a organitzacions i individus. Disposa de més de deu anys d'experiència en diferents empreses transnacionals en àmbits com la logística, el retail, el real state i les consultores de programari.
  • Albors Zumel, Laia
    info
    Veure perfil a Linkedin
    Graduada en Ciència i Enginyeria de Dades per la Universitat Politècnica de Catalunya (UPC), màster en Visió per Computador per la Universitat Autònoma de Barcelona (UAB). Actualment, està fent el doctorat en el departament de Teoria del Senyal i Comunicacions de la UPC, i està duent a terme la seva tesi doctoral sobre l'ús eficient de tècniques de deep learning per a la detecció i identificació d'espècies de fauna i flora. Anteriorment, ha treballat al Barcelona Supercomputing Center (BSC), en el grup de Emerging Technologies for Artificial Intelligence en un projecte conjunt amb CaixaBank.
  • Anglada Rotger, David
    info
    Veure perfil a Linkedin
    Candidat a doctorant en Processat d'Imatge Mèdica per la Universitat Politècnica de Catalunya (UPC). Màster en Advanced Mathematics and Mathematical Engineering per la UPC. Graduat en Matemàtiques i Ciència i Enginyeria de Dades pel Centre de Formació Interdisciplinària (CFIS) per la UPC. Actualment, assistent a la recerca en el projecte Digipatics, pel desenvolupament d'algorismes d'intel·ligència artificial pel processat d'imatges histopatològiques, en col·laboració amb l'Institut Català de la Salut (ICS).
  • Bach Ramírez, Josep Maria
    info
    Veure perfil a Linkedin
    Cap de dades i intel·ligència artificial a Codegram Technologies, de la qual també és cofundador. Té una trajectòria de més de dotze anys en la indústria com a enginyer de software autodidacta. Actualment treballa en la intersecció entre intel·ligència artificial i indústria, amb especial interès en les xarxes neuronals profundes i el processament del llenguatge natural.
  • Cardoso Duarte, Amanda
    info
    Veure perfil a Linkedin
    Doctoranda i becària Casa Skodowska-Curie al Barcelona Supercomputing Center (BSC) i a la Universitat Politècnica de Catalunya (UPC), amb finançament de la Fundació La Caixa a través del programa de beques de doctorat INPhINIT - "La Caixa". Es va graduar en Anàlisi de Sistemes per l'Institut Federal d'Educació, Ciència i Tecnologia del Sud de Río Grande i va obtenir un màster en Enginyeria Informàtica per la Universitat Federal de Río Grande del Sud. Durant el seu programa de doctorat, va realitzar estades com a estudiant a la Universitat John Hopkins ia la Universitat Carnegie Mellon. Els seus interessos investigadors se centren en la combinació de l'accessibilitat, la interacció persona-ordinador i l'aprenentatge automàtic aplicat.
  • Carós Roca, Mariona
    info
    Veure perfil a Linkedin
    Màster en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), especialitzada en multimèdia (DL sobre visió, parla i text). Va treballar a Telefónica com a Data Scientist desenvolupant models DL per a la detecció d'anomalies a les xarxes. Actualment està cursant el seu doctorat a la Universitat de Barcelona (UB) en modelatge de dades LiDAR per a aplicacions ambientals, en col·laboració amb l'Institut Cartogràfic i Geològic de Catalunya (ICGC). També és membre de Young IT Girls, una organització sense ànim de lucre per animar les nenes a realitzar estudis tecnològics.
  • Caselles Rico, Pol
    info
    Veure perfil a Linkedin
    Enginyer de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i màster en Tecnologies Avançades de Telecomunicació per la UPC. Actualment és estudiant de doctorat a la UPC i col·labora amb l'Institut de Robòtica Industrial (IRI). Treballa a Crisalix Labs en l'àmbit de la reconstrucció en 3D amb aprenentatge profund. Va centrar el seu treball de grau en la predicció de la prominència, a l’Insight Centre for Data Analytics de Dublín, i el treball final de màster en l'estudi de l'espai de pesos dels models neuronals, a la Universitat de St. Gallen de Suïssa.
  • Escolano Peinado, Carlos
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctor en informàtica per la Universitat Politècnica de Catalunya (UPC) i màster en Intel·ligència Artificial per la UPC. Actualment és investigador al Departament de Teoria del Senyal i les Comunicacions de la UPC i al Barcelona Supercomputing Center (BSC), així com professor associat al departament de Ciències de la Computació de la UPC. La seva àrea dexperiència és el processat del llenguatge natural, especialment la traducció automàtica multilingüe amb xarxes neuronals.
  • Fojo Àlvarez, Daniel
    info
    Veure perfil a Linkedin
    Graduat en Matemàtiques i en Enginyeria Física pel Centre de Formació Interdisciplinària Superior (CFIS) i màster en Matemàtiques Avançades i Enginyeria Matemàtica. Machine learning engineerLace Lithography.
  • Gállego Olsina, Gerard Ion
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Màster en Tecnologies Avançades de la Telecomunicació per la Universitat Politècnica de Catalunya (UPC), especialització en Deep Learning for Multimedia Processing. Actualment és doctorand en Traducció Automàtica de Veu al Departament de Teoria del Senyal i Comunicacions de la UPC. Ha realitzat estades de recerca a empreses multinacionals (Apple, Amazon i Dolby), on ha treballat en Large Language Models (LLM) i processament de veu.
  • Giardina, Claudia
    info
    Veure perfil a futur.upc / Veure perfil a Orcid
    Màster en Ciències de la Computació per la Facultat Politècnica de la Universitat Nacional Asunción (UNA). Enginyera en Electrònica Mèdica per la Facultat Politècnica de la UNA. Especialista en Didàctica de lEducació Superior per la UNA. Actualment estudiant doctoral al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC), treballant en un projecte d'intel·ligència artifical aplicada a imatges mèdiques.
  • Gómez Duran, Paula
    info
    Veure perfil a Linkedin
    Màster en Advanced Telecommunication Technologies (MATT) per la Universitat Politècnica de Catalunya (UPC). Actualment està cursant un doctorat en Sistemes de Recomanació Contextuals a la Universitat de Barcelona (UB). Acumula tres anys d'experiència en temes de programació full-stack (Visual Engineering) i investigació en diferents camps d'intel·ligència aritificial, tant a universitats com a la Universitat de Barcelona o la UPC, com a entitats com l'Insight SFI Research Centre for Data Analytics, Telefonica Research i TV3. Recentment ha realitzat una publicació sobre el Graph Convolutional Embeddings for Recommender Systems.
  • Hernández Pérez, Carlos
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC). Té un profund interès en la intel·ligència artificial i en els beneficis que aquesta tecnologia pot aportar pel futur de la nostra espècie. Se centra sobretot en el seu ús per a aplicacions mèdiques, però també li agrada utilitzar-la amb finalitats artístiques.
  • Jiménez Martín, Lauren
    info
    Veure perfil a Linkedin
    Estudiant de doctorat al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC), amb finançament FI AGAUR 2022. Llicenciada en Ciències de la Computació per la Universitat de l'Havana. Ha aplicat anteriorment tècniques de machine learning per restaurar imatges mèdiques. Actualment, prepara la seva tesi doctoral sobre l'aplicació de deep learning per resoldre problemes mèdics en imatges histopatològiques, especialment l'estudi d'Attention i Transformers.
  • Nieto Salas, Juan José
    info
    Veure perfil a Linkedin
    Grau en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i màster de Data Science per la UPC. Ha realitzat pràctiques utilitzant tècniques de deep learning i reinforcement learning a l'Insight Centre for Data Analitycs i a Telefónica. Actualment treballa com a Data Scientist a Glovo.
  • Pardàs Feliu, Montserrat
    info
    Veure perfil a futur.upc
    Doctora enginyera de Telecomunicació per la Universitat Politècnica de Catalunya (UPC). Catedràtica del Departament de Teoria del Senyal i Comunicacions de la UPC i membre de l’Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). Ha dirigit projectes de recerca i de transferència de tecnologia en l'àmbit del processament d'imatge i vídeo i la visió per computador, àmbits en els que publica a nivell internacional. Ha estat investigadora visitant a Lucent Technologies (Bell Labs) i a Toshiba's Cambridge Computer Vision Research Lab.
  • Pina Benages, Oscar
    info
    Veure perfil a Linkedin
    Estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC). Màster en Tecnologies de Telecomunicació Avançades, menció en Deep Learning for Multimedia Processing. La seva investigació se centra en self-supervised graph representation learning i la seva aplicació al processament d'imatge mèdica, concretament en el camp de la histopatologia digital.
  • Rafieian, Bardia
    info
    Veure perfil a Linkedin
    Estudiant de doctorat i investigador al Departament d'Informàtica de la Universitat Politècnica de Catalunya (UPC). Màster en Enginyeria de Programari i Mineria de Dades per la Universitat Qazvin Azad (QIAU). Actualment treballa a Bechained.ai al camp de les operacions d'aprenentatge automàtic (MLOps) duent a terme recerca i desenvolupament en integració de programari, optimització d'energia, sistemes de recomanació, processament del llenguatge natural (PLN) i predicció de sèries temporals. Té set anys dexperiència en mineria de dades i PLN i cinc anys en aprenentatge automàtic i integració de programari.
  • Tarrés Benet, Laia
    info
    Veure perfil a Linkedin
    Graduada en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), màster en Tecnologies Avançades de la Telecomunicació per la UPC. Ha participat en múltiples projectes d'aprenentatge profund amb el Grup de Processament de la Imatge de la UPC. Actualment, està fent el doctorat a la UPC i està duent a terme la seva tesi doctoral sobre l'aplicació de transforms en llengua de signes. Anteriorment, ha participat en projectes que han consistit en la detecció de lesions a la pell i la coloració d'imatges històriques en blanc i negre, utilitzant deep learning. També ha fet internships a Amazon Research Alemanya.
  • Triginer Garcés, Gil
    info
    Veure perfil a Linkedin
    Doctor en Física Atòmica i Làser per la Universitat d’Oxford i Enginyer de Telecomunicacions per la Universitat Politècnica de Catalunya (UPC). El 2019 es va incorporar a Crisalix Labs com a investigador d’aprenentatge profund (DL), centrat en l’aplicació de tècniques de DL per a la reconstrucció en 3D.
  • Ventura Royo, Carles
    info
    Veure perfil a Linkedin
    Doctor en Computer Vision per la UPC. Actualment és professor d’estudis d'Informàtica, Multimèdia i Telecomunicació a la Universitat Oberta de Catalunya (UOC), on imparteix assignatures d’intel·ligència artificial, aprenentatge computacional i visió per computador. La seva recerca se centra en la visió per computador: detecció i segmentació d’objectes i segmentació d’imatges. És membre del grup de recerca Artificial Intelligence for human WELLbeing (AIWELL) de la UOC.
  • Vilaplana Besler, Verónica
    info
    Veure perfil a futur.upc / Veure perfil a Linkedin
    Doctora en Anàlisi de la Imatge per la Universitat Politècnica de Catalunya (UPC) i màster en Matemàtiques i màster en Informàtica per la Universitat de Buenos Aires (Argentina). És professora associada al Departament de Teoria del Senyal i Comunicacions de la UPC on imparteix aprenentatge profund, aprenentatge automàtic i visió per computador. Membre de l’Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). La seva recerca se centra en l’aprenentatge automàtic, l’aprenentatge profund i les aplicacions en imatge mèdica i teledetecció.

Entitats col·laboradores

Socis col·laboradors

Sortides professionals

  • Enginyer d'intel·ligència artificial.
  • Enginyer en xarxes neuronals profundes.
  • Enginyer en visió per computador.
  • Enginyer en processament del llenguatge natural.
  • Enginyer en processament de l'àudio i de la veu.
  • Analista de dades/data scientist.


Testimonis i notícies

Testimonis

Buscava una formació per aprofundir en l'àrea del deep learning i poder entrar, així, en el món laboral. Jo partia d'un perfil totalment teòric, ja que el meu background és matemàtic. Del postgrau en Artificial Intelligence with Deep Learning destacaria, d'una banda, el seu enfocament pràctic i, de l'altra, el gran ventall de continguts tractats. A més, es treballen desenvolupaments tant clàssics com moderns de certes idees. Aquesta formació m'ha obert un camp amb noves oportunitats, ja que aquesta àrea té molta repercussió en el context actual. El projecte final va ser molt interessant, va tractar sobre la segmentació d'imatges mèdiques. La veritat és que quan vaig començar el postgrau no m'imaginava capaç de fer alguna cosa d'aquesta complexitat. En definitiva, recomanaria aquesta formació pel seu enfocament aplicat, enfocat al món laboral, en la qual aprens la mecànica que s'amaga darrere del deep learning i adquireixes les eines necessàries per posar-lo en pràctica.

Núria Sánchez Alumni del postgrau en Artificial Intelligence with Deep Learning

Testimonis
La intel·ligència artificial és un dels temes tecnològics de més actualitat, fora i dins del món professional. A més d'un interès propi, com a membre de l'equip de digitalització d'una empresa industrial, he d'estar al dia de les tendències. Si a més puc aconseguir un coneixement tècnic detallat, això suposa un gran valor afegit tant per a l'empresa per a la qual treballo com per al meu projecte professional personal. Això és precisament el que em va aportar el postgrau en Deep Learning: una primera immersió en aquest camp de la IA, així com la possibilitat de submergir-me en més profunditat en les seves diferents àrees, en funció del meu interès. El fet que l'alumnat estigués format per professionals de diferents sectors em va aportar nous punts de vista, sobretot a l'hora d'identificar potencials projectes en els quals aplicar IA. Amb els coneixements adquirits puc promoure d'una manera informada l'ús de la tecnologia dins de l'empresa per optimitzar els processos i, fins i tot, idear noves vies de negoci

Martí Pomés Technical Lead de Projectes de Robòtica de Processos a Omya

Testimonis
Des de la meva posició a CatSalut fent anàlisi de dades en salut pública volia aprendre més al voltant de com aplicar l’estadística per obtenir informació de valor a partir de grans quantitats de dades, especialment per ajudar a la diagnosi mèdica. El postgrau em va permetre entendre sòlidament les bases del deep learning i les diferents branques on es pot aplicar. Té un vessant molt pràctic que et permet llegir programes ja fets, modificar-los i crear-ne de propis. Els professors, molt especialitzats, junt amb la possibilitat de fer un projecte de deep learning des de zero contribueixen a assolir resultats visibles i reals. El que vaig aprendre ho he pogut aplicar a la meva carrera professional. De fet, m’he engrescat tant que iniciaré el doctorat en aquest àmbit, on aplicaré la intel·ligència artificial per generar imatges mèdiques.

Júlia Folguera Data Analyst a CatSalut

Testimonis
Notícies del Blog
Èxit del 5è Deep Learning Barcelona Symposium
Èxit del 5è Deep Learning Barcelona Symposium
10-01-2024
Èxit del 5è Deep Learning Barcelona Symposium
Èxit del 5è Deep Learning Barcelona Symposium
10-01-2024
Crisalix, col·laboradora del postgrau en Artificial Intelligence, presenta una innovadora tecnologia per reconstruir caps en 3D
Crisalix, col·laboradora del postgrau en Artificial Intelligence, presenta una innovadora tecnologia per reconstruir caps en 3D
14-10-2021
La professora Amanda Duarte elabora How2Sign, una base de dades per a la traducció automàtica en llenguatge de signes amb IA
La professora Amanda Duarte elabora How2Sign, una base de dades per a la traducció automàtica en llenguatge de signes amb IA
26-03-2021
Altres notícies
Formació en Intel·ligència Artificial: una inversió amb futur
22-02-2021
Actes relacionats
7a edició de la Novartis Datathon Challenge
7a edició de la Novartis Datathon Challenge
Del 28-11-2024 al 01-12-2024

Sol·licita informació o l'admissió

Informació i orientació:
Olga Garrán González
(34) 93 112 08 67
Sol·licitud rebuda!
Un cop registrem la teva petició, rebràs confirmació per correu electrònic i ens posarem en contacte amb tu.

Gràcies pel teu interès en els nostres programes formatius.
Error
Per un error en la connexió a la base de dades la teva sol·licitud no s'ha pogut cursar. T'agrairem que repeteixis el procés més tard o bé que et posis en contacte amb nosaltres trucant al (34) 93 112 08 08 o enviant-nos un correu electrònic a: webmaster.fpc@fpc.upc.edu
Has superat el tamany màxim del fitxer
  • Si tens algun dubte sobre el postgrau.
  • Si vols iniciar els tràmits per matricular-te.
Com iniciar l'admissió
Per iniciar el procés d'inscripció a aquest programa cal omplir i enviar el formulari que trobaràs al peu d'aquestes línies.

A continuació, rebràs un correu electrònic de benvinguda on es detallaran els tres passos a seguir per formalitzar el procés d'inscripció:

1. Completar i confirmar les teves dades personals.

2. Validar el teu currículum vitae i adjuntar la documentació addicional requerida, en cas que sigui necessària per a l'admissió.

3. Pagar 110€ en concepte de drets d'inscripció al programa. L'import d'aquests drets es descomptarà de la quantia total de la matrícula i només es retornarà en cas de no resultar admès.

Un cop realitzat el pagament de drets i disposem de tota la documentació, valorarem la teva candidatura i, si has estat admès al curs, t'enviarem la carta d'admissió. En aquest document obtindràs tots els detalls per formalitzar la matrícula al programa.





  política de protecció de dades

* Camps obligatoris

Informació bàsica o primera capa sobre protecció de dades

Responsable

Fundació Politècnica de Catalunya (en endavant, FPC). + INFORMACIÓ

Finalitat

Contestar les sol·licituds d’informació de l’interessat sobre activitats de formació gestionades o realitzades per l’FPC . + INFORMACIÓ

Establiment o manteniment de relació acadèmica amb l’interessat. + INFORMACIÓ

Enviar informació sobre les activitats de l'FPC. + INFORMACIÓ

Legitimació

Consentiment de l'interessat. + INFORMACIÓ

Interès legítim en el desenvolupament de la relació acadèmica. + INFORMACIÓ

Destinataris

No hi ha cessions o comunicacions.

Drets

Accés, rectificació, supressió, limitació, oposició i portabilitat. + INFORMACIÓ

Dades de contacte del delegat de protecció de dades

info.dpo@fpc.upc.edu

Informació addicional

Política de privacitat de la nostra pàgina web. + INFORMACIÓ

Termini de conservació

Política de privacitat de la nostra pàgina web. + INFORMACIÓ

Serveis de pagament

En cas que l’interessat formalitzi la relació amb l’FPC, l’ordenant (interessat) autoritza i dóna el seu consentiment al càrrec, per tant, amb renuncia expressa al dret de devolució sobre el càrrec.


Enviar