Inicio > Área de Actividad Física y Deporte > Máster de Formación Permanente en Big Data e Inteligencia Artificial en el Deporte

1.ª Edición - Código 24921050

Array ( [CODIGO] => 24921050 [EDICION] => 1 [SITUACION] => Aprobado [SITUACION_BIS] => Suspendido [MATRICULA] => 2500 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 60.00 [FECHA_INICIO] => 04/10/24 [FECHA_FIN] => 12/07/25 [LUGAR] => [NOMBRE_EMPRESA_ORGANIZADOR] => Facultat de Ciències de l'Activitat Fisica i l'Esport [FECHA_FIN_PREINSCRIPCION] => 16/09/24 [AREA] => 9 [NOMBRE_EMPRESA_PATROCINADO] => [NOMBRE_EMPRESA_COLABORADOR] => [OBSERVACIONES_PREINSCRIPCION] => [TIPO_DOCENCIA] => A distancia [TIPO_DOCENCIA_1] => 3 [TIPO_DOCENCIA_2] => On-line [AULA_VIRTUAL_ADEIT] => 0 [TIPO_CURSO] => Postgrado [TIPO_CURSO_1] => Título Propio de Pos [DIRECCION_URL] => [AÑO_CURSO] => 36 [URL_VIDEO] => [URL_FACEBOOK] => [URL_TWITTER] => [META_TITLE] => [META_DESCRIPTION] => [META_KEYWORDS] => [DIRECCION_CURSO_CORTO] => big-data-IA-deporte [GESTOR_NOMBRE] => Paula [GESTOR_APELLIDOS] => Pérez Lacruz [GESTOR_EMAIL] => paula.perez-lacruz@fundacions.uv.es [ADMINISTRATIVO_NOMBRE] => Juan Carlos [ADMINISTRATIVO_APELLIDOS] => Platero Andrés [ADMINISTRATIVO_EMAIL] => juan.c.platero@fundacions.uv.es [ES_INTERNO] => 1 [EMAIL_EXTERNO] => informacion@adeituv.es [PREINSCRIPCION_WEB] => 0 [URL_AULA_VIRTUAL] => [OFERTADO_OTRO] => 0 [ID_CURSO_OFERTADO] => 0 [DESCRIPCION_OFERTADO] => [TELEFONO_EXTERNO] => 96 160 3000 [MATRICULA_PDTE_APROBACION] => 0 [ID_IDIOMA] => 4 [PUBLICAR_WEB] => 1 [area_curs] => Área de Actividad Física y Deporte [NOMBRE_CURSO] => Máster de Formación Permanente en Big Data e Inteligencia Artificial en el Deporte [TITULACION] => Máster de Formación Permanente [HORARIO] => Viernes de 16:00 a 21:00 Sábados de 9:00 a 14:00 [REQUISITOS_TITULACION] => Requisitos de acceso: Graduados en Ciencias de la Actividad Física y el Deporte. ¿ Estudiantes de CAFYD a los que les quede menos de un 10% de los créditos necesarios para obtener su título de grado, condicionados a la obtención del título en el mismo año académico. Titulados superiores (licenciado, graduado, ingeniero) que estén relacionados con las diferentes áreas relacionadas con la tecnología y el deporte. No es necesaria la experiencia previa en este tipo de conocimientos. [REQUISITOS_OTROS] => [ARG_VENTA] => OBJETIVOS DEL CURSO Este máster tiene como objetivo proporcionar los conocimientos necesarios para poder aplicar las técnicas de ciencia de datos, Big Data e Inteligencia Artificial en entornos laborales de entrenamiento, gestión y de investigación en el sector de la actividad física y deporte que requieran el manejo y análisis de grandes volúmenes de datos para facilitar la toma de decisiones de los responsables de las entidades. Más específicamente, los objetivos que se alcanzarán serán los siguientes: Aplicar metodologías de análisis de datos dentro del ámbito deportivo. Conocer los lenguajes de programación más utilizados en ciencia de datos: Python, SQL, R. Aplicar análisis de datos estadísticos y técnicas de aprendizaje automático (machine learning) para la creación de algoritmos de IA. Conocer y aplicar las librerías de adquisición de datos provenientes de diferentes fuentes y bases de datos, así como información proveniente de internet. Conocer los diferentes proveedores de datos que prestan servicios en el sector deportivo. Desarrollar y aplicar los KPI (indicadores de rendimiento) a nivel deportivo, tanto de entrenamiento, competición como de gestión de organizaciones deportivas. [ARG_VENTA2] => [AÑO_CURSO_DESC] => Curso 2024/2025 [MODALIDAD_EVALUACION] => La metodología a emplear serán la impartición de clases On-Line, de forma síncrona y quedarán grabadas a disposición de los/as estudiantes en las que se realizará una presentación de un caso práctico sobre el que se irá desarrollando todo el contenido teórico de la sesión, resolviendo el mismo mediante ejemplos aplicados. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Los perfiles profesionales resultantes al acabar este máster permitirán desarrollar su actividad en cualquier organización a nivel deportivo que utilice herramientas de Big Data y/o Inteligencia Artificial para mejorar y optimizar sus procesos, tanto en los ámbitos de entrenamiento como de gestión, entre ellos se pueden encontrar los siguientes: Científico de datos (data scientist). Analista de datos deportivos. Analista de datos masivos. Responsable de Scouting en equipos deportivos. Responsable, jefe de proyecto o analista de sistemas de información de inteligencia en entidades relacionadas con el deporte. Emprendedor de negocios basados en el análisis de datos y en productos y servicios basados en datos deportivos. Analista de proyectos de I+D. Experto en la implementación de algoritmos de IA que mejoren los procesos de entrenamiento, gestión, toma de decisiones. [CRITERIO_ADMISION] => No existen criterios específicos de admisión más allá de los planteados en los requisitos de acceso. No es necesario el conocimiento previo de esta materia. [CRITERIO_ADMISION2] => [CRITERIO_ADMISION3] => [FORMACION_APRENDIZAJE] => Al acabar este máster, los/as alumnos/as serán capaces de: Identificar, comprender y reconocer oportunidades de mejora en cualquier tipo de organización deportiva que pueden ser resueltas de forma eficiente y efectiva mediante la ciencia de los datos. Definir, evaluar y seleccionar soluciones tecnológicas, así como recursos (espaciales, temporales) necesarios para el desarrollo y la ejecución de proyectos de análisis de datos en ciencias del deporte. Concebir, organizar, planificar, redactar y gestionar proyectos, servicios y sistemas informáticos en el ámbito de la ciencia de los datos. Diseñar un marco experimental teniendo en cuenta los métodos más adecuados para la captura, el procesamiento, el almacenamiento, el análisis y la visualización de datos en ciencias del deporte. Utilizar de forma combinada los fundamentos matemáticos, estadísticos y de programación para desarrollar soluciones a problemas en el ámbito del análisis de los datos en ciencias del deporte. Aplicar técnicas específicas de captura, tratamiento y análisis de datos estructurados, semiestructurados y no estructurados que pueden darse en ciencias del deporte. Ejercer la actividad profesional de acuerdo con el código ético y los aspectos legales en el marco de la privacidad y la seguridad de los datos. Diseñar y aplicar algoritmos de Inteligencia Artificial que permitan mejorar los procesos de entrenamiento, re-adaptación y rendimiento de los deportistas. Diseñar y aplicar algoritmos de Inteligencia Artificial que permitan mejorar los procesos de gestión de las entidades deportivas. Trabajar de forma colaborativa en equipos multidisciplinares para el desarrollo de proyectos de las ciencias del deporte. [FORMACION_APRENDIZAJE2] => [FORMACION_APRENDIZAJE3] => [ANO_CURSO_DESC] => Curso 2024/2025 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 5 [NOMBRE_MATERIA] => Introducción a la ciencia de datos en el deporte. [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Los datos. La sociedad de la información. Datos, información, conocimiento, ¿sabiduría? ¿Qué es un dato? Ciclo de vida de los datos. 2. Fuentes de datos. Extracción. Transformación. Carga. 3. Clasificación de los tipos de datos. Tipos inmutables. Tipos mutables. Asignación externa. 4. La ciencia de datos. Origen y evolución de la ciencia de datos. El rol del científico de datos. Ámbitos de la ciencia de datos. Conceptos de ciencia de datos. 3. Ejemplos de proyectos de ciencia de datos en el deporte. 4. Gobernanza de los datos. Gobierno del dato. Componentes y madurez del data governance. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 1 ) [1] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 2 [NOMBRE_MATERIA] => Programación en ciencia de datos [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Instalación y configuración del entorno de programación Python. Presentación del entorno de programación. 2. Breve introducción a la programación en Python. Sintaxis básica. Variables y tipos de variables. 3. Estructuras de control y funciones en Python. Operadores. Estructuras de control. Funciones. Escritura y lectura de ficheros. 4. Librerías científicas en Python. Numpy. Matplotlib. SciPy. Pandas. 5: Captura de datos en Python. Obtención de datos mediante APIs. Obtención de datos mediante de sitios web. 6. Preprocesamiento de datos en Python. Preparación de datos. Reducción de datos. 8. Visualización de datos en Python. Tipos de visualizaciones de datos. Librerías de visualización de datos. 9. Una mirada más profunda y formal a conceptos básicos de Python. Estructuras de datos avanzadas en Python. Uso avanzado de funciones en Python. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 2 ) [2] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 6 [NOMBRE_MATERIA] => Aspectos estadísticos en ciencia de datos aplicada al deporte [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Introducción a la Estadística Deportiva. Definición y relevancia de la estadística en el contexto deportivo. Aplicación de conceptos estadísticos para el análisis de datos en el deporte. 2. Recopilación y Organización de Datos Deportivos. Métodos de recolección de datos en entornos deportivos. Organización y preparación de conjuntos de datos específicos del ámbito deportivo. 3. Conceptos Fundamentales de Probabilidad. Entendimiento de conceptos de probabilidad aplicados a eventos deportivos. Cálculos de probabilidades relacionados con resultados y desempeño. 4. Distribuciones Estadísticas en el Deporte. Exploración de distribuciones estadísticas comunes en el análisis deportivo. Interpretación de datos distribuidos en el contexto del rendimiento deportivo. 5. Pruebas de Hipótesis y Significación Estadística. Aplicación de pruebas de hipótesis para validar afirmaciones en el deporte. Interpretación de resultados y toma de decisiones basada en la significación estadística. 6. Análisis de Regresión en el Rendimiento Deportivo. Uso de técnicas de regresión para modelar relaciones entre variables. Predicción y análisis de tendencias en el contexto del rendimiento deportivo. 7. Aplicaciones Prácticas en Planificación del Entrenamiento. Integración de estadísticas en la planificación estratégica del entrenamiento. Utilización de datos para ajustar programas de entrenamiento de manera efectiva. 8. Evaluación del Rendimiento y Estrategias de Juego. Análisis estadístico aplicado a la evaluación del rendimiento individual y del equipo. Desarrollo de estrategias basadas en datos para optimizar el rendimiento en competiciones. 9. Comunicación Efectiva de Resultados Estadísticos. Desarrollo de habilidades para presentar y comunicar resultados estadísticos a diversas audiencias en el ámbito deportivo. Interpretación clara y efectiva de hallazgos estadísticos para la toma de [DESCRIPCION2] => decisiones informada. [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 3 ) [3] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 7 [NOMBRE_MATERIA] => Bases de datos [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Introducción Sistemas de información. Evolución de las tecnologías de bases de datos. Las bases de datos dentro de los sistemas de información. Arquitectura de un SGBD. Conceptos básicos de bases datos. Diseño de Bases de datos: diseño conceptual, lógico y físicos. Modelos de Bases de datos. 2. El modelo Entidad/Relación. Introducción histórica. Entidades y atributos. Relaciones. Restricciones. Agregación. El modelo E/R ampliado. 3. El modelo relacional. Modelo relacional de Bases de Datos. 4. Lenguajes de consulta. SQL Lenguajes de consulta SQL. Sentencias de definición de datos. Sentencias de manipulación de datos. 5. Diseño físico. Almacenamiento y Representación. Estructuras básicas de almacenamiento para BDs. Representación semántica de la información. Lenguajes de marcado. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 4 ) [4] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 8 [NOMBRE_MATERIA] => Indicadores de rendimiento (KPI) en ciencias del deporte [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Bloque 1. 1. Fundamentos de Indicadores de Rendimiento en Entrenamiento Deportivo. Definición y función de los KPIs en el contexto del entrenamiento deportivo. Importancia de la evaluación cuantitativa para el desarrollo atlético. 2. Selección y Diseño de KPIs en el Entrenamiento. Identificación de indicadores clave para evaluar el rendimiento atlético. Diseño de sistemas de medición adaptados a objetivos específicos. 3. Tecnologías Aplicadas al Seguimiento Deportivo. Utilización de tecnologías avanzadas para la recopilación y análisis de datos de entrenamiento. Integración de dispositivos y plataformas tecnológicas en programas de seguimiento. 4. Evaluación del Rendimiento Físico y Técnico. Análisis de datos para evaluar el rendimiento físico y técnico de los atletas. Interpretación de resultados y ajuste de programas de entrenamiento. 5. Aplicación Práctica de KPIs en Planificación Deportiva. Uso de KPIs en la planificación estratégica y diseño de programas de entrenamiento. Ajuste dinámico de las estrategias basado en el análisis de indicadores. 6. Monitoreo Psicológico y Emocional de los Atletas. Evaluación de factores psicológicos y emocionales mediante indicadores específicos. Integración de datos psicológicos en la planificación del entrenamiento. 7. Estudio de Casos en Entrenamiento Deportivo. Análisis de casos prácticos que destacan el uso efectivo de KPIs en el entrenamiento. Desarrollo de habilidades prácticas mediante ejemplos concretos. 8. Ética en la Recopilación y Uso de Datos de Entrenamiento. Consideraciones éticas en la utilización de datos de entrenamiento. Protección de la privacidad y confidencialidad de la información del atleta. Bloque 2. 1. Introducción a Indicadores de Rendimiento en Gestión Deportiva. Definición de KPIs en el contexto deportivo. Importancia de los KPIs en la toma de decisiones estratégicas. 2. Selección y Diseño de Indicadores [DESCRIPCION2] => Clave de Rendimiento. Identificación de KPIs relevantes para áreas específicas (marketing, finanzas, operaciones). Diseño de sistemas de medición adaptados a las metas organizativas. 3. Implementación de Tecnologías para la Recopilación de Datos. Utilización de tecnologías emergentes para la recolección y análisis de datos. Integración de sistemas de información para la gestión efectiva de KPIs. 4. Evaluación del Rendimiento Organizativo. Análisis de datos para evaluar el rendimiento global de la organización deportiva. Interpretación de resultados y toma de decisiones basada en los hallazgos. 5. Tendencias Actuales en Análisis de Datos Deportivos. Exploración de tendencias y desarrollos recientes en el análisis de datos en el ámbito deportivo. Aplicación práctica de nuevas tecnologías y enfoques analíticos. 6. Gestión Estratégica y Optimización de Recursos. Aplicación de KPIs para la gestión estratégica de proyectos deportivos. Optimización de recursos financieros y humanos basada en análisis de datos. 7. Estudio de Casos Prácticos en Gestión Deportiva. Análisis de casos reales de éxito y desafíos en la implementación de KPIs. Desarrollo de habilidades prácticas a través de ejemplos concretos. 8. Perspectivas Éticas en el Uso de Datos en el Deporte. Consideraciones éticas en la recopilación y uso de datos en la gestión deportiva. Responsabilidad y transparencia en la toma de decisiones basada en datos. [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 5 ) [5] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 1 [NOMBRE_MATERIA] => Machine Learning - Inteligencia Artificial en ciencias del deporte [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Introducción al Machine Learning. Definición y conceptos clave. Historia y evolución del Machine Learning. Aplicaciones y casos de uso en la vida cotidiana e industrial. 2. Tipos de Aprendizaje. Aprendizaje supervisado, no supervisado y por refuerzo. Algoritmos de clasificación y regresión. Métodos de clustering y asociación. 3. Preprocesamiento de Datos Limpieza y transformación de datos. Manejo de valores atípicos. Normalización y estandarización. 4. Evaluación de Modelos. Métricas de rendimiento. Validación cruzada. Curvas de aprendizaje y curvas ROC. 5. Selección y Optimización de Modelos. Selección de características. Ajuste de hiperparámetros. Métodos de regularización. 6. Aplicaciones Específicas de Machine Learning. Procesamiento de lenguaje natural (NLP). Visión por computadora. Recomendadores y sistemas de recomendación. 7. Proyectos Prácticos de Machine Learning e Inteligencia Artificial en el deporte. Implementación de algoritmos de Machine Learning. Desarrollo de soluciones para problemas del mundo real. Colaboración y presentación de resultados. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 4 [NOMBRE_MATERIA] => Visualización de datos en ciencias del deporte [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Antecedentes históricos y trabajos más relevantes en el ámbito de la visualización de datos. 2. Conceptos básicos ligados a la percepción y el sistema visual humano. 3. Tipos básicos y avanzados de visualizaciones de datos. 4. Procesos de creación y rediseño. 5. Aspectos de interactividad. 6. Herramientas para la creación de visualizaciones de datos (librerías especializadas MatPlotlib, R-ggplot2, Power BI, Adobe Illustrator) [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) [7] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 3 [NOMBRE_MATERIA] => Aspectos éticos y legales en ciencia de datos. [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Legislación europea y española sobre protección de datos. 2. Propiedad intelectual e industrial 3. Servicios de la Sociedad de la Información Ley 34/2002, de 11 de julio, de servicios de la sociedad de la información y de comercio electrónico. Obligaciones básicas de los prestadores de servicios. Régimen de responsabilidad. 4. Introducción a la ciberseguridad y cuestiones ético-legales de la inteligencia artificial. Régimen jurídico de la seguridad de las redes y sistemas de información. Nuevas cuestiones éticas/legales de la inteligencia artificial. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 8 ) [8] => Array ( [CODIGO_CURSO] => 24921050 [AÑO_CURSO] => 36 [CODIGO] => 9 [NOMBRE_MATERIA] => Trabajo Fin de Máster [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 1. Planteamiento del tema. 2. Marco teórico conceptual. 3. Desarrollo propuesta. 4. Resultados. 5. Conclusiones. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 9 ) ) [professors] => Array ( [0] => Array ( [DNI] => emp251024 [NOMBRE_PERSONA] => Vicente [APELLIDOS] => Alepuz Moner [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Director I+D+I. Ionclinics & Deionic S.L. [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => emp449671 [NOMBRE_PERSONA] => Iker J. [APELLIDOS] => Bautista González [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Leturer. University of Chichester [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => Array ( [DNI] => uni73477 [NOMBRE_PERSONA] => Antonio [APELLIDOS] => Cervelló Duato [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => S0627 [EMAIL_FACULTAD] => cerduan@uv.es [CARGO_EMPRESA] => Investigador/a en Formación VAL I+D. Departamento de Ingeniería Electrónica. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [3] => Array ( [DNI] => emp51953 [NOMBRE_PERSONA] => José María [APELLIDOS] => Costa Bosch [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Administrador Único. J.B. Costa y Asociados Gabinete Económico Jurídico, S.L. [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [4] => Array ( [DNI] => emp449670 [NOMBRE_PERSONA] => Beatriz [APELLIDOS] => Crespo Ruiz [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => CEO.Freedom & Flow Company [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [5] => Array ( [DNI] => emp409355 [NOMBRE_PERSONA] => Victoria E. [APELLIDOS] => González Gutiérrez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Responsable de producto sanitario.Ionclinics & Deionic S.L. [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [6] => Array ( [DNI] => uni18805 [NOMBRE_PERSONA] => Luis Millán [APELLIDOS] => González Moreno [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Educació Física i Esportiva. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H9222 [EMAIL_FACULTAD] => lmgonzal@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [7] => Array ( [DNI] => uni81254 [NOMBRE_PERSONA] => Danica [APELLIDOS] => Janicijevic [PDI] => 3 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => University of Ningbo, Post doctoral researcher. [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [8] => Array ( [DNI] => uni73990 [NOMBRE_PERSONA] => Fernando [APELLIDOS] => Martín Rivera [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Educació Física i Esportiva. Universitat de València [CARGO_FACULTAD] => Contratado/a Doctor/a [NPI] => M1427 [EMAIL_FACULTAD] => fermari3@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [9] => Array ( [DNI] => uni74006 [NOMBRE_PERSONA] => Rafael [APELLIDOS] => Martínez Gallego [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Educació Física i Esportiva. Universitat de València [CARGO_FACULTAD] => Ayudante/a Doctor/a [NPI] => M5562 [EMAIL_FACULTAD] => gallego2@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [10] => Array ( [DNI] => emp449674 [NOMBRE_PERSONA] => Marco Máximo [APELLIDOS] => Milano [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Experto en Ética [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [11] => Array ( [DNI] => uni74290 [NOMBRE_PERSONA] => José Ignacio [APELLIDOS] => Priego Quesada [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Educació Física i Esportiva. Universitat de València [CARGO_FACULTAD] => Contratado/a Doctor/a [NPI] => M3220 [EMAIL_FACULTAD] => priejoig@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [direccio] => Array ( [0] => Array ( [0] => Array ( [DNI] => uni73990 [NOMBRE_PERSONA] => Fernando [APELLIDOS] => Martín Rivera [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Educació Física i Esportiva. Universitat de València [CARGO_FACULTAD] => Contratado/a Doctor/a [NPI] => M1427 [EMAIL_FACULTAD] => fermari3@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [1] => Array ( [0] => Array ( [DNI] => uni74006 [NOMBRE_PERSONA] => Rafael [APELLIDOS] => Martínez Gallego [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Educació Física i Esportiva. Universitat de València [CARGO_FACULTAD] => Ayudante/a Doctor/a [NPI] => M5562 [EMAIL_FACULTAD] => gallego2@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) ) )

Máster de Formación Permanente en Big Data e Inteligencia Artificial en el Deporte

Datos generales
+
 Programa
+
 Dirección
+
 Profesorado
+
 Metodología
+
 Acceso y Resultados de Aprendizaje
-

Requisitos de acceso

Requisitos de acceso: Graduados en Ciencias de la Actividad Física y el Deporte. ¿ Estudiantes de CAFYD a los que les quede menos de un 10% de los créditos necesarios para obtener su título de grado, condicionados a la obtención del título en el mismo año académico. Titulados superiores (licenciado, graduado, ingeniero) que estén relacionados con las diferentes áreas relacionadas con la tecnología y el deporte. No es necesaria la experiencia previa en este tipo de conocimientos.

Criterios de admisión

No existen criterios específicos de admisión más allá de los planteados en los requisitos de acceso. No es necesario el conocimiento previo de esta materia.

Resultados de aprendizaje

Al acabar este máster, los/as alumnos/as serán capaces de: Identificar, comprender y reconocer oportunidades de mejora en cualquier tipo de organización deportiva que pueden ser resueltas de forma eficiente y efectiva mediante la ciencia de los datos. Definir, evaluar y seleccionar soluciones tecnológicas, así como recursos (espaciales, temporales) necesarios para el desarrollo y la ejecución de proyectos de análisis de datos en ciencias del deporte. Concebir, organizar, planificar, redactar y gestionar proyectos, servicios y sistemas informáticos en el ámbito de la ciencia de los datos. Diseñar un marco experimental teniendo en cuenta los métodos más adecuados para la captura, el procesamiento, el almacenamiento, el análisis y la visualización de datos en ciencias del deporte. Utilizar de forma combinada los fundamentos matemáticos, estadísticos y de programación para desarrollar soluciones a problemas en el ámbito del análisis de los datos en ciencias del deporte. Aplicar técnicas específicas de captura, tratamiento y análisis de datos estructurados, semiestructurados y no estructurados que pueden darse en ciencias del deporte. Ejercer la actividad profesional de acuerdo con el código ético y los aspectos legales en el marco de la privacidad y la seguridad de los datos. Diseñar y aplicar algoritmos de Inteligencia Artificial que permitan mejorar los procesos de entrenamiento, re-adaptación y rendimiento de los deportistas. Diseñar y aplicar algoritmos de Inteligencia Artificial que permitan mejorar los procesos de gestión de las entidades deportivas. Trabajar de forma colaborativa en equipos multidisciplinares para el desarrollo de proyectos de las ciencias del deporte.

Solicita información

Responsable: Universitat de València. Edifici del Rectorat. Av. Blasco Ibáñez, 13. 46010-València.
Delegado de Protección de Datos: D. Javier Plaza Penadés lopd@uv.es
Finalidad: Enviar información relevante de cursos de postgrado.
Se obtienen perfiles al objeto de personalizar el trato conforme a sus características o necesidades y poder así dirigirle las novedades más convenientes.
Legitimación: Para el envío de información acerca de los Títulos Propios de la Universidad de València la base de legitimación es el consentimiento del interesado.
Destinatarios: Fundació Universitat-Empresa de Valéncia y Universitat de València.
Plazo: Los datos del Usuario serán conservados hasta que solicite su baja, se oponga o revoque su consentimiento.
Derechos: Acceder, rectificar y suprimir los datos así como otros derechos como se explica en la información adicional.
Amplíe información: www.adeituv.es/politica-de-privacidad.

 
Descargar folleto informativo en pdf
FAQS
 
Imprimir información