Loading...
El Máster en Deep Learning te permitirá adquirir una formación completa en el ámbito del empleo de las herramientas de Aprendizaje Profundo y Machine Learning 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 gestión y toma de decisiones en diversos contextos. Se pretende que el alumno conozca la problemática general de la modelización automatizada y las enormes aplicaciones que esta permite.

Los objetivos del Máster en Deep Learning consisten en:
  • Dar a conocer los fundamentos formales de las herramientas de Machine Learning y, en particular, del Aprendizaje Profundo (Deep Learning).
  • Hacer que los asistentes al programa sean capaces de implementar los distintos algoritmos en lenguajes de alto nivel (Python, R u otros) con el propósito de resolver problemas reales y de entender las dificultades de la implementación de dichos algoritmos en la práctica.
  • Proponer 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 en los negocios.
Becas Early Bird.

Descuento por reserva anticipada

¡Las reservas anticipadas son reservas inteligentes!
En la Universidad de Alcalá agradecemos tu previsión y la premiamos con grandes descuentos.
Becas del 10%
Quedan 4 plazas disponibles
No esperes más e inscríbete cuanto antes.
Becas del 5%Próximamente
Becas del 0%Próximamente
¿Qué te ofrecemos?

Máster en Deep Learning

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.

DESARROLLO DEL TALENTO

Un departamento de DESARROLLO DE TALENTO comprometido en buscar la mejor oportunidad de desarrollo profesional al alumno, asesorar y formar para poder superar cualquier proceso de selección.

UNIVERSIDAD DE ALCALÁ

Estudia un Máster 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 Inteligencia Artificial. Aprendizaje Supervisado, no supervisado y reforzado. Aprendizaje simbólico y sub-simbólico. Modelos de Clasificación y de Regresión. Optimización de Modelos.

REDES PROFUNDAS

Redes de una sola capa alimentadas hacia delante. Redes Multicapa. Algoritmo de Retropropagación del error. Funciones de pérdida. Hiperparámetros y estrategias de aprendizaje.

REDES CONVOLUTIVAS

Fundamentos y estructura de las redes convolutivas. Redes residuales. Reconocimiento de imagen.

REDES SECUENCIALES

Problemas secuenciales y de series temporales. Redes recurrentes. Algoritmos de retropropagación del error a lo largo del tiempo. Modelos LSTM.

TÉCNICAS DE PARALELIZACIÓN Y COMPUTACIÓN EN PROCESADORES

Arquitecturas basadas en GPU. Programación con bibliotecas paralelas.

TÉCNICAS DE VECTORIZACION

Gráficos de computación y Tensores. Paralelización vectorial. Programación en Tensorflow. Programación en Theano.

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.
Ignacio Olmeda
Profesor Universidad de Alcalá y Director del máster

Head of Europe Digital Experience en Everis donde lidera el desarrollo de soluciones en aplicaciones móviles, portales web, chatbots, marketing digital. Anteriormente ha ocupado puestos en Everis en Colombia y Bélgica. Alberto es graduado en Ciencias de la Computación y posee un Máster en Project Management.
ALBERTO PIZARRO
Head of Europe Digital Experience en Everis

Co-fundador y Head of Engineering en VAI Technologies. Ha sido ingeniero en Google, Shazam, Bizeu Labs e INDRA. Su especialidad es el procesamiento del lenguaje natural, los sistemas de recomendación y las diferentes arquitecturas de Aprendizaje Profundo. Graduado en Ingeniería Matemática y posee un Máster en Ingeniería Matemática y Computacional por la Universidad de Stanford (Fulbright).
ALFREDO LAINEZ
Fundador y Head of Engineering VAI Technologies

Data Scientist, Machine Learning & Robotics.Terminus 7, Intelygenz. Ingeniera Electrónica y Automática Industrial por la Universidad Carlos III.
ANA DE PRADO NAVARRETE
Data Scientist Terminus 7

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.
DANIEL RODRIGUEZ
Análisis de Datos Analytika

Data scientist en Terminus7. Responsable del pipeline de datos dentro de proyectos basados en Machine learning. Diseño e implementación de modelos predictivos de Machine learning y Deep learning. Ingeniero informático y Data Scientist por la Universidad de Sevilla.
GABRIEL MUÑOZ RÍOS
Data scientist en Terminus7

Head of Algorithmic Strategies and Data Science at BBVA, donde desarrolla modelos de trading algorítmico y de aprendizaje automático. Anteriormente trabajó en Citi como Analista Cuantitativo de Crédito. Javier es licenciado en Ciencias Físicas y Doctor en Física de la Materia Condensada.
JAVIER SABIO
Data Science at BBVA

Experto en diseño de soluciones software de PLN (Procesamiento de Lenguaje Natural) e Inteligencia Artificial. A lo largo de su carrera profesional ha alternado la dirección de proyectos de Investigación en Lingüística Computacional y Text Mining con el desarrollo de productos con un fuerte componente de I+D.
MANUEL LUCANIA
Experto en PLN

Catedrático en el Departamento de Ciencias de la Computación de la Universidad de Alcalá. Antes de comenzar su carrera académica, trabajó como Arquitecto Software especializado en comercio electrónico. Es Director del Máster y Doctorado en Web Science de su Universidad, y Director del Laboratorio de Big Data y Analytics de la Universidad de Alcalá.
MIGUEL ÁNGEL SICILIA
Catedrático Universidad de Alcalá
 Anterior  Todos Siguiente