Loading...
El Máster en Deep Learning te permitirá adquirir una formación completa en el ámbito del empleo de las herramientas de Aprendizaje Profundo, Machine Learning e Inteligencia Artificial en la gestión y toma de decisiones de negocio.

Máster en Deep Learning

Presentación.

Máster en Deep Learning

El Máster en Deep Learning tiene como objetivo proporcionar una formación completa en el ámbito del empleo de las herramientas de Aprendizaje Profundo en la toma de decisiones. A lo largo del programa el alumno conocerá en profundidad la problemática general de la modelización automatizada y las enormes aplicaciones que esta permite en diversos ámbitos.

Los objetivos del Máster en Deep Learning consisten en que los candidatos:

  • Entiendan los fundamentos formales de las herramientas de Machine Learning y, en particular, del Deep Learning.
  • Conozcan en profundidad las diversas arquitecturas que se han propuesto, así como las herramientas que permiten la optimización en el desarrollo de soluciones.
  • Sean capaces de implementar algoritmos en lenguajes de alto nivel para resolver problemas reales, comprendiendo las dificultades de implementación en la práctica.
  • Propongan soluciones basadas en Deep Learning desde una perspectiva amplia, considerando los aspectos éticos y legales y las implicaciones económicas y sociales de la automatización de los procesos.
¿Qué te ofrecemos?

Máster en Deep Learning

FORMACIÓN

Un máster, LÍDER EN EL SECTOR, valorado entre los mejores másteres en Deep Learning e Inteligencia Artificial en español.

COMPATIBILIZAR LA FORMACIÓN

Un Máster en Deep Learning e Inteligencia Artificial que te permite COMPATIBILIZAR LA FORMACIÓN con tu jornada laboral, con una novedosa y eficiente metodología formativa.

PREPARACIÓN AMPLIA

Una PREPARACIÓN AMPLIA con un esfuerzo total de 60 créditos ECTS, que permite por su amplitud cubrir una formación profunda en el área.

MÉTODOLOGIA

Un MÉTODO DOCENTE basado en la práctica y la contextualización en casos prácticos o en problemas de negocio, utilizando las herramientas y tecnologías de manera práctica desde el principio.

SYLLABUS ACTUALIZADO

Un SYLLABUS ACTUALIZADO que se revisa en cada edición para que el alumno reciba una formación alineada con las tendencias del sector.

CLAUSTRO DOCENTE

Un CLAUSTRO DOCENTE formado por profesionales en activo e investigadores especialistas en Deep Learning, Machine Learning e Inteligencia Artificial.

COMUNIDAD y ENTORNO

Una COMUNIDAD y un ENTORNO que permite al estudiante ponerse en contacto con el sector profesional, con seminarios y actividades extra-curriculares para enriquecer su preparación.

UNIVERSIDAD DE ALCALÁ

Estudia un Máster propio en Deep Learning en Madrid con la Universidad de Alcalá, una de las MEJORES UNIVERSIDADES DE ESPAÑA.
Perfil del Alumno.

Máster en Deep Learning

El Máster en Deep Learning se dirige a profesionales, estudiantes o interesados en conocer las diversas herramientas del Aprendizaje Profundo aplicables en diversos sectores productivos.

El perfil de los participantes es el de Ingenieros, Licenciados y Graduados. No es necesaria experiencia en el área deep learning, aunque si conocimientos matemáticos y de programación para desarrollar todos los contenidos del máster.

Se requiere tener nivel de inglés apropiado para la lectura, estudio y comprensión de documentación técnica
Programa.

Master en Deep Learning

INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO

  • Evolución de la IA.
  • Tipos de Aprendizaje: Supervisado, No Supervisado y Reforzado.
  • Fundamentos formales del Aprendizaje Automático.
  • Algoritmos de Aprendizaje.
  • Paradigmas: Bayesiano, Conexionista, Evolutivo, Analógico e Iductivo.

REDES PROFUNDAS

  • Modelos simples: regresión lineal y logística
  • Perceptron, Redes Multicapa y Retropropagación
  • Hiperparámetros y estrategias de aprendizaje
  • Implementación en Keras y otros

REDES CONVOLUTIVAS

  • Introducción a las arquitecturas convolutivas
  • Detección de objetos
  • Segmentación semántica
  • Arquitecturas y aplicaciones generativas

REDES SECUENCIALES

  • Redes recurrentes
  • Retropropagación en el tiempo
  • Arquitecturas LTSM
  • Arquitecturas GRU, bidireccionales y otras

TÉCNICAS DE PARALELIZACIÓN Y COMPUTACIÓN EN PROCESADORES

  • Arquitecturas basadas en GPU.
  • Programación con bibliotecas paralelas.

APRENDIZAJE NO SUPERVISADO Y REFORZADO

  • Aprendizaje no supervisado.
  • Aprendizaje reforzado.

APRENDIZAJE AUTOMÁTICO ESCALABLE

  • Framewoks de paralelización en clusters de computadoras.

PROGRAMACIÓN PARA DATA SCIENCE

  • Arrays, matrices y vectores.
  • Gráficos.
  • Gestión de flujo de programa.
  • Interfaces y carga de datos.

SEMINARIOS

Seminarios sobre diversas aplicaciones del Aprendizaje Profundo a los ámbitos de la Medicina, las Finanzas, la conducción automática de vehículos, visión artificial y reconocimiento del habla y otros.

TRABAJO FIN DE MÁSTER

Claustro.

El claustro docente del Máster en Deep Learning está integrado por investigadores, profesores universitarios y profesionales con una larga experiencia, en algunos casos pionera, en la aplicación del Deep Learning y la Inteligencia Artificial en la empresa. La combinación de distintos enfoques asegura que los contenidos del máster estén actualizados, estructurados y sean completos con el objetivo de asegurar a los asistentes una formación integral en el área.

Profesor de la Universidad de Alcalá. Es autor de más de cien publicaciones y ha impartido conferencias en Estados Unidos, Asia y América Latina. Ha dirigido mas de cien programas formativos y actualmente es, entre otros, Director del Master en deep Learning.
Dr. IGNACIO OLMEDA
Profesor Universidad de Alcalá y Director del máster

Profesional con más de 10 años de experiencia en el desarrollo de soluciones analíticas para bancos, seguros y retail. Actualmente es VP Análisis de Datos en Analytika, Licenciado en Física por la Universidad de Santiago de Compostela y doctor por la Universidad Politécnica de Madrid.
DR. DANIEL RODRIGUEZ
Análisis de Datos Analytika

Es Artificial Intelligence Manager en Everis. Previamente ha sido Big Data & Analytics Manager en Altran. Tiene una larga experiencia como profesor en Matemáticas y Data Science para Ingenieros Civiles y tiene publicados numerosos artículos sobre Logística e Inteligencia Artificial. Es graduado en matemáticas y Doctor en Ciencias de la Computación.
DR. FRANCISCO SOLER
Artificial Intelligence Manager Everis

Matemático e Ingeniero Informático, especializado en Aprendizaje Automático. Experiencia como data scientist desde enero de 2011. También interesado en el trabajo académico y la investigación.
DR. DAVID DÍAZ VICO
Data Scientist en Instituto de Ingeniería del Conocimiento

Coordinador del Laboratorio de Finanzas Computacionales de la Universidad de Alcalá. Amplia experiencia en programación en Bases de Datos y Machine Learning. Ha trabajado en el desarrollo de más de 20 proyectos en las áreas de Finanzas, Turismo y Ciencias Ambientales para compañías como Repsol, Telefonica y Santander.
Daniel González
Coordinador LFC UAH

Doctorado en Física Teórica (Universidad Autónoma de Madrid). Posteriormente, pasó tres años en Imperial College de Londres trabajando como research associate. Su investigación se basó en la relación entre agujeros negros y fluidos con simetría conforme, y fructificó en su colaboración en trece artículos publicados en revistas internacionales. Desde 2019 es senior data scientist en el Hub Data&Analytics de Repsol.
DR. LUIS MELGAR
Senior Data Scientist Repsol

Data Scientist en IBM, lidera equipos de data scientists para transformar los datos en conocimientos procesables, resolver matemáticamente los problemas comerciales y construir sistemas predictivos para resultados comerciales. En los últimos 4 años ha ayudado a varios clientes, en diferentes industrias y países, desarrollando y aplicando algoritmos de optimización y aprendizaje automático a sus problemas comerciales: desde la investigación y el desarrollo de algoritmos novedosos hasta su implementación en sistemas informáticos distribuidos.
DAVID KREMER
Data Scientist en IBM

Licenciado en Ciencias y Técnicas de Estadística, empezó su carrera laboral en el sector de Business Intelligence. Con largos años de experiencia en el mundo de Business Intelligence tiene grandes conocimientos tanto de procesos como de infraestructuras de BI, así como formación en Big Data, en Bussines Analytics y herramientas como Spark, R y Python.
IVÁN ROBLA
Responsable del equipo de Innovación de Sistemas en Santader Global Tech CIB

Data Scientist y computadora cuántica en IBM. Estudió Matemáticas en la Universidad de Zaragoza, habla 4 idiomas y realizó una pasantía de investigación en el Trinity College de Dublín en el Hamilton. Galardonada por la Fundación Universidad Empresa a la excelencia académica. Carmen enseña IA en varios programas de la UAH y EOI entre otros.
CARMEN RECIO
Data Scientist / Computadora Cuántica en IBM
Solicita Información

Rellene este formulario para enviarnos cualquier consulta. En breve nos pondremos en contacto contigo.



Dirección
Madrid (España)
 Anterior  Todos Siguiente