1a Edició - Codi 22822080

Array ( [CODIGO] => 22822080 [EDICION] => 1 [SITUACION] => Aprobado [SITUACION_BIS] => Suspendido [MATRICULA] => 2000 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 30.00 [FECHA_INICIO] => 30/09/2022 [FECHA_FIN] => 03/06/2023 [LUGAR] => [NOMBRE_EMPRESA_ORGANIZADOR] => Departament d'Enginyeria Electrònica [FECHA_FIN_PREINSCRIPCION] => 15/09/2022 [AREA] => 8 [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] => 34 [URL_VIDEO] => [URL_FACEBOOK] => [URL_TWITTER] => [META_TITLE] => [META_DESCRIPTION] => [META_KEYWORDS] => [DIRECCION_CURSO_CORTO] => deep-learning [GESTOR_NOMBRE] => Mariam [GESTOR_APELLIDOS] => Conca [GESTOR_EMAIL] => marian.conca@fundacions.uv.es [ADMINISTRATIVO_NOMBRE] => Carolina [ADMINISTRATIVO_APELLIDOS] => Escribano Asensi [ADMINISTRATIVO_EMAIL] => carolina.escribano@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] => 0 [area_curs] => Àrea de Ciències i Tecnologia [NOMBRE_CURSO] => Diploma d'Especialització en Deep Learning [TITULACION] => Diploma d'Especialització [HORARIO] => [REQUISITOS_TITULACION] => [REQUISITOS_OTROS] => [ARG_VENTA] => [ARG_VENTA2] => [AÑO_CURSO_DESC] => [MODALIDAD_EVALUACION] => Classes síncrones amb el professor en les quals professor exposarà els continguts. L'alumne pot interactuar (preguntant directament o bé en el xat de la reunió) amb aquest professor. A més es plantegen sessions de tutories personalitzades per a tots aquells conceptes que no hagen quedat clars [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => [ANO_CURSO_DESC] => Curs 2022/2023 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 1 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Xarxes de càpsules. Arquitectures especialitzades en segmentació i detecció. Transformers en visió. Altres aproximacions. Casos pràctics. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes de càpsules. Arquitectures especialitzades en segmentació i detecció. Transformers en visió. Altres aproximacions. Casos pràctics. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 1 ) [1] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 2 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Xarxes especialitzats en grafs: Aplicacions. PINN (Physics Informed Neural Networks): Aplicacions. Self supervised. Fair learning. Data-Centric Learning. One-shot learning. Tractament de la incertesa en xarxes. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes especialitzats en grafs: Aplicacions. PINN (Physics Informed Neural Networks): Aplicacions. Self supervised. Fair learning. Data-Centric Learning. One-shot learning. Tractament de la incertesa en xarxes. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 2 ) [2] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 3 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Algorismes clàssics. Algorismes basats en Autoencoders. Algorismes basats en models generatius (GANs, Normalizing Flows, Condicionals). Casos pràctics [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Algorismes clàssics. Algorismes basats en Autoencoders. Algorismes basats en models generatius (GANs, Normalizing Flows, Condicionals). Casos pràctics [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 3 ) [3] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 4 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Hardware especialitzat en deep learning. Passos per a la implementació maquinari. Implementació de casos pràctics. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Hardware especialitzat en deep learning. Passos per a la implementació maquinari. Implementació de casos pràctics. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 4 ) [4] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 5 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Algorismes de interpretabilidad per a ML. Algorismes i llibreries per a interpretar CNNs i RNNs en problemes amb imatges, text i sèries temporals. Biaix en models: tècniques per a evitar-los [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Algorismes de interpretabilidad per a ML. Algorismes i llibreries per a interpretar CNNs i RNNs en problemes amb imatges, text i sèries temporals. Biaix en models: tècniques per a evitar-los [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 5 ) [5] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 6 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Procés complet en el desenvolupament d'un servei basat en reinforcement learning (RL). S'ensenyarà com programar simuladors per al desenvolupament dels models de *RL així com els trucs a tindre en compte . En el marc dels models es desenvoluparen les principals tècniques aplicades. Després d'aquest bloc, els estudiants seran capaços de dissenyar i programar (de manera autònoma) un simulador per a entrenar els seus models i resoldre tasques d'aprenentatge concretes. Al mateix temps coneixeran els principals models del RL i seran capaços d'identificar la millor situació per al seu ús. Es realitzaran casos pràctics sobre problemes reals. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Procés complet en el desenvolupament d'un servei basat en reinforcement learning (RL). S'ensenyarà com programar simuladors per al desenvolupament dels models de *RL així com els trucs a tindre en compte . En el marc dels models es desenvoluparen les principals tècniques aplicades. Després d'aquest bloc, els estudiants seran capaços de dissenyar i programar (de manera autònoma) un simulador per a entrenar els seus models i resoldre tasques d'aprenentatge concretes. Al mateix temps coneixeran els principals models del RL i seran capaços d'identificar la millor situació per al seu ús. Es realitzaran casos pràctics sobre problemes reals. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 22822080 [AÑO_CURSO] => 34 [CODIGO] => 7 [NOMBRE_MATERIA] => [NOMBRE_MATERIA_VAL] => [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Conceptes principals en MLOps. Disseny d'entorns de treball utilitzant docker i git per a un desenvolupament eficient dels projectes de deep learning. Després d'aquest bloc, els estudiants seran capaços de dissenyar les seues pròpies imatges per a treballar en els seus projectes dins de contenidors i portar un control de versions utilitzant git. Entrenament detalladament d'una NN. Monitoratge de l'entrenament (i.e. wandb). Eines necessàries. Desenvolupament d'un projecte des de zero. Desplaçament dels models: tècniques per a solucionar-ho [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Conceptes principals en MLOps. Disseny d'entorns de treball utilitzant docker i git per a un desenvolupament eficient dels projectes de deep learning. Després d'aquest bloc, els estudiants seran capaços de dissenyar les seues pròpies imatges per a treballar en els seus projectes dins de contenidors i portar un control de versions utilitzant git. Entrenament detalladament d'una NN. Monitoratge de l'entrenament (i.e. wandb). Eines necessàries. Desenvolupament d'un projecte des de zero. Desplaçament dels models: tècniques per a solucionar-ho [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) ) [professors] => Array ( [0] => Array ( [DNI] => emp385799 [NOMBRE_PERSONA] => Julián [APELLIDOS] => Ballesteros García [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Grado en Ingeniería Electrónica de Telecomunicación [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => emp368946 [NOMBRE_PERSONA] => Javier [APELLIDOS] => Cuadra Alconero [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientis t/ BME [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => Array ( [DNI] => emp393051 [NOMBRE_PERSONA] => Enrique [APELLIDOS] => García Vidal [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [3] => Array ( [DNI] => uni62469 [NOMBRE_PERSONA] => Valero [APELLIDOS] => Laparra Pérez-Muelas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Ayudante/a Doctor/a [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [4] => Array ( [DNI] => emp387610 [NOMBRE_PERSONA] => Marina [APELLIDOS] => Martínez García [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [5] => Array ( [DNI] => emp376772 [NOMBRE_PERSONA] => Alberto [APELLIDOS] => Oteo García [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data scientist [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [6] => Array ( [DNI] => emp393057 [NOMBRE_PERSONA] => Pablo [APELLIDOS] => Rodríguez Belenguer [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [7] => Array ( [DNI] => uni64103 [NOMBRE_PERSONA] => Manuel Antonio [APELLIDOS] => Sánchez-Montañés Isla [PDI] => 3 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Contratado Doctor - Universidad Autónoma de Madrid [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [8] => Array ( [DNI] => uni51421 [NOMBRE_PERSONA] => Emilio [APELLIDOS] => Soria Olivas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático/a de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [9] => Array ( [DNI] => emp393049 [NOMBRE_PERSONA] => Francisco [APELLIDOS] => Vaquer Estalrich [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [10] => Array ( [DNI] => emp393053 [NOMBRE_PERSONA] => Juan [APELLIDOS] => Vicent Camison [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [11] => Array ( [DNI] => emp393055 [NOMBRE_PERSONA] => Jorge [APELLIDOS] => Vila Tomás [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [direccio] => Array ( [0] => Array ( [0] => Array ( [DNI] => uni51421 [NOMBRE_PERSONA] => Emilio [APELLIDOS] => Soria Olivas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático/a de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) ) )

Dades generals

Curs acadèmic: Curs 2022/2023

Tipus de curs: Diploma d'Especialització

Nombre de crèdits: 30.00 Crèdits ECTS

Preinscripció al curs: Hasta el 15/09/2022

Data inici: Setembre 2022

Data fi: Juny 2023

Matrícula: 2000 € (import preu públic)

Requisits d'accés:

Modalitat: On-line

Lloc d'impartició:

Horari:

Més informació

Solicita información

He llegit i accepto la informació proporcionada sobre protecció de dades i Política de Privacitat de ADEIT.

Consento rebre informació sobre els títols propis de la Universitat de València.

Todos los campos son obligatorios

El formato de teléfono es incorrecto

El formato de correo electrónico es incorrecto

Mensaje recibido correctamente. Nos pondremos en contacto con usted lo antes posible

Error en el envío. Póngase en contacto con nosotros mediante correo electrónico

Debe aceptar la política de privacidad de ADEIT.

Per favor, verifica que no eres un robot.

Responsable: Universitat de València. Edifici del Rectorat. Av. Blasco Ibáñez, 13. 46010-València.
Delegat de Protecció de Dades: D. Javier Plaza Penadés lopd@uv.es
Finalitat: Enviar informació rellevant de cursos de postgrau.
S'obtenen perfils a fi de personalitzar el tracte conforme a les seves característiques o necessitats i poder així dirigir-li les novetats més convenients.
Legitimació: Per a l'enviament d'informació sobre els títols propis de la Universitat de València la base de legitimació és el consentiment de l'interessat.
Destinataris: Fundació Universitat-Empresa de Valéncia and Universitat de València
Termini: Les dades de l'Usuari seran conservats fins que sol·liciti la seva baixa, s'oposi o revoqui el seu consentiment.
Drets: Accedir, rectificar i suprimir les dades així com altres drets com s'explica a la informació addicional.
Amplieu informació: www.adeituv.es/politica-de-privacidad.


SI, ENVIA
FAQS
 
Imprimir la informaciò