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
¡Te asesoramos! Solicita información o la admisión
  • discount

    ¡ÚLTIMOS DÍAS PARA MATRICULARTE!  ¡CONSULTA CON TU ASESORA!

Presentación

Edición
10ª Edición
Créditos
15 ECTS (120 horas lectivas)
Modalidad
Presencial
Idioma de impartición
Inglés
Precio
4.100€
Condiciones especiales en el pago de la matrícula y campaña 0,7%
Inscripción abierta hasta el inicio del curso o hasta el agotamiento de plazas.
Fechas de realización
Inicio clases: 27/01/2025
Fin clases: 30/06/2025
Fin programa : 16/07/2025
Horario
Lunes: 18:30 a 21:30
Miércoles: 18:30 a 21:30
Lugar de realización
ETSETB (Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona)
C/ Jordi Girona, 1-3
08034 Barcelona
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, 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 estudiante deberá disponer de un ordenador portátil 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 para retropropagación.
  • El perceptrón.
  • Softmax y el perceptrón multicapa.
  • Funciones de pérdida.
  • Redes Neuronales Convolucionales (CNN) y arquitecturas.
  • Interpretabilidad.
  • Optimización.
  • Metodología.
  • Redes neuronales convolucionales sobres grafs 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 aprendizaje profundo y configuración.
  • Hiperparámetros.
  • Computación en la nube.
  • APIs.
  • Monitorización del entrenamiento de redes neuronales: curvas de entrenamiento y 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.



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 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
  • 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.
  • 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).
  • Bach Ramírez, Josep Maria
    info
    Ver perfil en Linkedin
    Jefe de datos e inteligencia artificial a Codegram Technologies, de la que también es cofundador. Tiene una trayectoria de más de doce años en la industria como ingeniero de software autodidacta. Actualmente trabaja en la intersección entre inteligencia artificial e industria, con especial interés en las redes neuronales profundas y el procesamiento del lenguaje natural.
  • 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.
  • 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.

  • 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.
  • 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.

  • 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.
  • Pardàs Feliu, Montserrat
    info
    Ver perfil en futur.upc
    Doctora ingeniera de Telecomunicación por la Universitat Politècnica de Catalunya (UPC). Catedrática del Departamento de Teoría de la Señal y Comunicaciones de la UPC y miembro del Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). Ha dirigido proyectos de investigación y transferencia de tecnología en el ámbito del procesamiento de imagen y vídeo y la visión por computador, ámbitos en los que publica a nivel internacional. Ha sido investigadora visitante en Lucent Technologies (Bell Labs) y en Toshiba's Cambridge Computer Vision Research Lab.
  • 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.
  • Rafieian, Bardia
    info
    Ver perfil en Linkedin
    Estudiante de doctorado e investigador en el Departamento de Informática de la Universitat Politècnica de Catalunya (UPC). Máster en Ingeniería de Software y Minería de Datos por la Universidad Qazvin Azad (QIAU). Actualmente trabaja en Bechained.ai en el campo de las operaciones de aprendizaje automático (MLOps) llevando a cabo investigación y desarrollo en integración de software, optimización de energía, sistemas de recomendación, procesamiento del lenguaje natural (PLN) y predicción de series temporales. Tiene siete años de experiencia en minería de datos y PLN y cinco años en aprendizaje automático e integración de software.
  • 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.
  • Triginer Garcés, Gil
    info
    Ver perfil en Linkedin
    Doctor en Física Atómica y Láser por la Universidad de Oxford e Ingeniero de Telecomunicaciones por la Universitat Politècnica de Catalunya (UPC). En 2019 se incorporó a Crisalix Labs como investigador de aprendizaje profundo (DL), centrado en la aplicación de técnicas de DL para la reconstrucción en 3D.
  • 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.

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. Aparte 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

Solicita información o la admisión

Información y orientación:
Olga Garrán González
(34) 93 112 08 67
¡Solicitud recibida!
Tu solicitud ha sido recibida correctamente.

Durante el periodo vacacional de Navidad, la UPC School estará operativa los días 24 y 27 de diciembre, así como los días 2 y 3 de enero.

Si deseas realizar alguna consulta durante este periodo, puedes ponerte en contacto a través del teléfono 93.112.08.08, en horario de 9 a 14 h, o puedes dirigirte por correo electrónico a info.upcschool@talent.upc.edu.

Te daremos respuesta lo antes posible.

Aprovechamos la oportunidad para agradecer tu interés y desearte Felices Fiestas.
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
Por favor, revisa los datos de pago. La plataforma ha devuelto un error.
Puedes volver a hacer el pago sin introducir los datos nuevamente.

Nombre:

Curso: Artificial Intelligence with Deep Learning

Precio: 4.100€

Enviar y realizar el pago
  • 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

Enviar información sobre las actividades de la FPC. + 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

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.

NORMATIVA ACADÉMICA Y ECONÓMICA

La Fundació Politècnica de Catalunya se reserva el derecho a realizar cualquier modificación en los contenidos, el precio, la ubicación, el horario y las fechas del programa antes de la fecha de inicio. No se considerará formalizada la matrícula hasta que no se haya hecho efectivo su pago.

Derechos de inscripción. La persona interesada tendrá que hacer efectivo el pago del importe especificado en concepto de derechos de inscripción en el programa. El importe de estos derechos se descontará del importe total de la matrícula y sólo se devolverá en caso de que la persona no sea admitida.

Anulación o aplazamiento. La Fundació Politècnica de Catalunya se reserva el derecho a anular o aplazar un programa si no hay suficientes alumnos. En caso de anulación o no admisión, la Fundació Politècnica de Catalunya devolverá la totalidad del importe pagado, sin ningún tipo de compensación adicional. En caso de aplazamiento, devolverá el importe pagado a las personas que así lo soliciten.

Cancelación de la matrícula.
En caso de renuncia o cancelación de la matrícula, el estudiante deberá realizar, con carácter previo, una comunicación escrita a la UPC School.
  • Si esta solicitud de cancelación se realiza antes de 45 días naturales del inicio del programa, la UPC School hará suyo sólo el 30% del importe total de la matrícula y devolverá la diferencia pagada.
  • En caso de que la solicitud se realice entre los 45 naturales y el inicio del programa, la UPC School se quedará con el 60% del importe de la matrícula.
  • Una vez iniciado el programa, no se realizará ninguna devolución.
Con carácter excepcional, habrá devolución de matrícula si la cancelación por parte del estudiante se produce por uno de los siguientes supuestos:
  • Denegación de visado, presentando documentación justificativa. En este caso, la UPC School devolverá el importe satisfecho de la matrícula menos 300 euros en concepto de gastos administrativos.
  • Enfermedad o accidente grave justificado mediante certificado médico oficial, en el cual se indicará la fecha inicial de la enfermedad y el periodo previsto de convalecencia. En esta situación la UPC School resolverá que:
    • Si la comunicación se produce hasta un mes después del inicio del programa, devolverá el importe efectivamente pagado menos 300 euros en concepto de gastos administrativos.
    • Pasado un mes después del inicio del programa, no se realizará ninguna devolución, sólo se permitirá depositar el importe satisfecho para la matrícula de la siguiente edición. Esta gestión no conlleva ningún gasto administrativo para el estudiante. En todo caso, el estudiante asumirá la diferencia de precio entre la nueva matrícula y el importe anteriormente satisfecho.

Cambio de matrícula. Los cambios de matrícula previamente autorizados por la Fundació Politècnica de Catalunya tendrán un coste de 300 € en concepto de gastos administrativos.

Descuentos.
  • Los descuentos no se pueden acumular. Se aplicará el mayor descuento solicitado.
  • No se aplicará ningún descuento que no se haya solicitado previamente y esté acreditado.
  • Una vez emitida la matrícula no se aplicará ningún descuento.
  • Es responsabilidad del alumno informar de que quiere solicitar un determinado descuento.

Titulación. Para obtener el título/diploma que expide la Universitat Politècnica de Catalunya es necesario tener una titulación universitaria oficial o bien un título propio de universidad equivalente a un grado, diplomatura, licenciatura, ingeniería técnica o ingeniería. De no ser así, el alumno obtendrá un certificado de superación del programa expedido por la Fundació Politècnica de Catalunya. El/la alumno/a con deudas pendientes de pago con la Fundació Politècnica de Catalunya o que no haya aprobado todos los créditos necesarios para superar el programa antes de la fecha de finalización del mismo no podrá obtener el título, diploma o certificado.

Barcelona, 31 de octubre de 2017


Enviar