Máster de Formación Permanente en Inteligencia Artificial Avanzada y Aplicada: Ia3

3.ª Edición - Código 22811230

Array ( [CODIGO] => 22811230 [EDICION] => 3 [SITUACION] => Aprobado [SITUACION_BIS] => Iniciado [MATRICULA] => 3500 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 60.00 [FECHA_INICIO] => [FECHA_FIN] => 29/07/2023 [LUGAR] => [NOMBRE_EMPRESA_ORGANIZADOR] => Escola Tècnica Superior d'Enginyeria (ETSE-UV) [FECHA_FIN_PREINSCRIPCION] => 08/09/2022 [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] => inteligencia-artificial-IA [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] => 1 [URL_AULA_VIRTUAL] => [OFERTADO_OTRO] => 0 [ID_CURSO_OFERTADO] => 0 [DESCRIPCION_OFERTADO] => [TELEFONO_EXTERNO] => 96 160 3000 [MATRICULA_PDTE_APROBACION] => 0 [ID_IDIOMA] => 4 [area_curs] => Área de Ciencias y Tecnología [NOMBRE_CURSO] => Máster de Formación Permanente en Inteligencia Artificial Avanzada y Aplicada: Ia3 [TITULACION] => Máster de Formación Permanente [HORARIO] => Viernes de 16:00 a 21:00 y Sábado de 9:00 a 14:00 [REQUISITOS_TITULACION] => Profesionales y estudiantes interesados en conocer las diversas herramientas de IA para ser aplicadas en diferentes empresas/sectores productivos. El perfil de los participantes es el de ingenieros, matemáticos, físicos, químicos, estadísticos y economistas. No es necesaria experiencia previa en este tipo de temática. [REQUISITOS_OTROS] => [ARG_VENTA] => Existe en la actualidad un incremento en la potencia computacional de los dispositivos, además de un bajo precio de almacenamiento de datos así como un aumento exponencial en la cantidad de datos generados actualmente. Esto, sumado al cloud computing, ha supuesto la consolidación de lo que podríamos llamar como IA avanzaday aplicada. Cada día aparecen nuevos algoritmos de IA que mejoran a los anteriores, que además se aplican a distintas ramas del conocimiento. Es por eso que contar con una formación sólida y actual en este sector hace necesario el Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA3. El Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA3 tiene como objetivo responder a la demanda continua y creciente de las empresas de profesionales especializados en el desarrollo de sistemas basados en IA. Existen estudios que señalan que, de cada 15 trabajos solicitados por empresas en las redes sociales, 6 de ellos están relacionados con la IA, lo que se traduce en que la IA copa el 50% de los trabajos solicitados en todas las áreas de conocimiento. Ventajas de cursar el Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA: 1. Adquirir una alta especialización y garantizarse una salida laboral en excelentes condiciones dada la demanda de profesionales especializados en IA. 2. Conocer empresas en diferentes ámbitos tecnológicos que aplican este tipo de tecnologías. 3. Desarrollar tareas de responsabilidad en empresas o iniciar actividades de investigación tanto teórica como práctica en IA. [ARG_VENTA2] => [AÑO_CURSO_DESC] => [MODALIDAD_EVALUACION] => Dado el carácter del máster usaremos una metodología en todas las asignaturas (se repetirá en todas ellas) definida como learning by doing se le plantearán al alumno diferentes problemas que tendrá que ir resolviendo con las herramientas/conocimientos que se le irán proporcionando. El alumno estará monitorizado en todo momento por los profesores del máster. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Actualmente existen puestos de trabajo que quedan sin cubrir por la falta de profesionales cualificados. Dentro de esta problemática se encuentra el área de la Inteligencia Artificial. En apenas 5 años el número de aplicaciones prácticas, nuevos tipos de negocios, start-ups y todas las tecnologías relacionadas con este campo han crecido de forma exponencial. Este hecho ha tenido un impacto claro en el empleo: se busca un gran número de profesionales dentro de este ámbito y esta demanda ha provocado que se manejen grandes salarios y excelentes condiciones de trabajo. Por ello, la Universitat de València, atendiendo a esta actual, creciente e importante demanda, ofrece su Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA. Se trata de uno de los ámbitos que ofrece una mayor proyección en el ámbito laboral actual, que abarca tecnologías emergentes y que ofrece las destrezas, conocimientos y herramientas necesarias para sacar el mayor provecho que la IA ofrece, lo que convierte al Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA en un máster de vanguardia en el ámbito tecnológico. Además, este máster cuenta con el apoyo de una veintena de empresas interesadas en la aplicación de estas tecnologías; dichas empresas tendrán un papel importante en el desarrollo del máster en forma de ponencias, propuestas de trabajos fin de máster, etc. Gracias al Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA, los profesionales que lo cursen van a adquirir las siguientes destrezas y habilidades: - Conocer las herramientas de software que se manejan para la implementación de sistemas de IA. - Implementar sistemas de Deep Learning (Aprendizaje Profundo) en todo tipo de aplicaciones. - Manejar diferentes tipos de datos (estructurados y no estructurados) con todo tipo de tamaños (small, medium, big) en diferentes aplicaciones prácticas. - Contar con conocimientos adecuados, con herramientas tecnológicas y librerías de software utilizadas en la industria, así como de aplicaciones innovadoras y actuales. - Adquirir el dominio de técnicas avanzadas en Deep Learning, así como prácticas adecuadas y actualizadas. -Desarrollar y defender un proyecto industrial usando datos reales basado en IA [ANO_CURSO_DESC] => Curso 2022/2023 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 1 [NOMBRE_MATERIA] => Herramientas para la IA [NOMBRE_MATERIA_VAL] => Eines per a la IA [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Introducción al máster: Machine/Deep Learning/IA. Principales programas para IA. R/Python/Tensorflow/Keras/Pytorch. Conceptos de algebra; probabilidad; estadística. Machine Learning. Revisión de conceptos. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Introducció al màster: Machine/Deep Learning/IA. Principals programes per a IA. R/Python/Tensorflow/Keras/Pytorch. Conceptes de algebra; probabilitat; estadística. Machine Learning. Revisió de conceptes. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 1 ) [1] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 2 [NOMBRE_MATERIA] => Aprendizaje profundo (I) [NOMBRE_MATERIA_VAL] => Aprenentatge profund (I) [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Redes neuronales multicapa estrechas y profundas. Implementación de modelos neuronales profundos con Keras/Tensorflow. Aplicaciones en modelización y clasificación: ejemplos. Autoencoders. Redes convolucionales. Arquitecturas y Algoritmos de aprendizaje. Aprendizaje por transferencia. Ejemplos de aplicación. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes neuronals multicapa estretes i profundes. Implementació de models neuronals profunds amb Keras/Tensorflow. Aplicacions en modelització i classificació: exemples. Autoencoders. Xarxes convolucionals. Arquitectures i Algorismes d'aprenentatge. Aprenentatge per transferència. Exemples d'aplicació. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 2 ) [2] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 3 [NOMBRE_MATERIA] => Aprendizaje profundo (II) [NOMBRE_MATERIA_VAL] => Aprenentatge profund (II) [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Redes neuronales recurrentes (RNN): LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), Bidirectional LSTM. Aplicaciones en finanzas. Redes Generativas Adversariales (GAN). [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes neuronals recurrents (RNN): LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), Bidirectional LSTM. Aplicacions en finances. Xarxes Generatives Adversariales (GAN). [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 3 ) [3] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 4 [NOMBRE_MATERIA] => Aprendizaje Reforzado [NOMBRE_MATERIA_VAL] => Aprenentatge Reforçat [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => [DESCRIPCION2] => Introducción. Fundamentos matemáticos: Ecuación de Bellman. Procesos MDP. Aprendizaje por diferencias temporales. SARSA. Q-Learning. DQN y variantes. RL basado en políticas. Modelos Actor-Crítico. Versiones profundas. Ejemplos de aplicación. [DESCRIPCION3] => [DESCRIPCION1_VAL] => Introducció. Fonaments matemàtics: Equació de Bellman. Processos MDP. Aprenentatge per diferències temporals. SARSA. Q-Learning. DQN i variants. RL basat en polítiques. Models Actor-Crític. Versions profundes. Exemples d'aplicació. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 4 ) [4] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 5 [NOMBRE_MATERIA] => Procesado del Lenguaje Natural [NOMBRE_MATERIA_VAL] => Processament del Llenguatge Natural [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => [DESCRIPCION2] => Adquisición y preprocesado de texto. Extracción de características BoW y TF-IDF. Topic Modeling. Extracción de información. Word embeddings. Transformers. Modelos generativos. Ejemplos de aplicación. [DESCRIPCION3] => [DESCRIPCION1_VAL] => Adquisició i preprocesado de text. Extracció de característiques BoW i TF-IDF. Topic Modeling. Extracció d'informació. Word embeddings. Transformers. Models generatius. Exemples d'aplicació. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 5 ) [5] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 6 [NOMBRE_MATERIA] => IA en cloud [NOMBRE_MATERIA_VAL] => IA en cloud [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => APIs de aprendizaje automático: Soluciones AWS: productos de DL y ML. Soluciones Google: AutoML, AI Hub. Microsoft Azure Machine Learning: servicios cognitivos. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => APIs d'aprenentatge automàtic: Solucions AWS: productes de DL i ML. Solucions Google: AutoML, AI Hub. Microsoft Azure Machine Learning: serveis cognitius. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 7 [NOMBRE_MATERIA] => IA industrial [NOMBRE_MATERIA_VAL] => IA industrial [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Este módulo se evaluará mediante un trabajo que los alumnos deben realizar sobre una de las aplicaciones descritas a lo largo de esta asignatura (a elección del alumno). [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Aquest mòdul s'avaluarà mitjançant un treball que els alumnes han de realitzar sobre una de les aplicacions descrites al llarg d'aquesta assignatura (a elecció de l'alumne). [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) [7] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 8 [NOMBRE_MATERIA] => Trabajo final de Máster [NOMBRE_MATERIA_VAL] => Treball fi de Màster [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => [DESCRIPCION2] => Desarrollo de un trabajo poniendo en práctica los conocimientos adquiridos [DESCRIPCION3] => [DESCRIPCION1_VAL] => Desenvolupament d'un treball posant en pràctica els coneixements adquirits [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 8 ) ) [professors] => Array ( [0] => Array ( [DNI] => emp368945 [NOMBRE_PERSONA] => Jacinto [APELLIDOS] => Arias Martínez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => CEA / Demosense [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => emp368940 [NOMBRE_PERSONA] => Raúl Vicente [APELLIDOS] => Casaña Eslava [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientist / Santa Bárbara [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => Array ( [DNI] => emp376854 [NOMBRE_PERSONA] => Javier [APELLIDOS] => Cózar del Olmo [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => CTO [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [3] => 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] => ) [4] => Array ( [DNI] => emp393047 [NOMBRE_PERSONA] => Juan José [APELLIDOS] => Garcés Iniesta [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [5] => Array ( [DNI] => uni56104 [NOMBRE_PERSONA] => Juan [APELLIDOS] => Gómez Sanchis [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor Titular de Universidad [NPI] => M8537 [EMAIL_FACULTAD] => juango3@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [6] => Array ( [DNI] => uni62689 [NOMBRE_PERSONA] => Francisco [APELLIDOS] => Martínez Gil [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Informàtica. Universitat de València [CARGO_FACULTAD] => Profesor Titular de Universidad [NPI] => H6216 [EMAIL_FACULTAD] => fmgil@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [7] => Array ( [DNI] => emp246039 [NOMBRE_PERSONA] => Francisco [APELLIDOS] => Martinez Martinez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientist/Santa Bárbara. Ingeniería Técnica de Telecomunicación, especialidad en Sistemas Electrónicos [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => Data Scientist / Santa Bárbara ) [8] => Array ( [DNI] => emp246038 [NOMBRE_PERSONA] => José María [APELLIDOS] => Martínez Martínez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientist / Santa Bárbara [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [9] => Array ( [DNI] => uni62742 [NOMBRE_PERSONA] => Fernando [APELLIDOS] => Mateo Jimenez [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Ayudante Doctor/a [NPI] => I6169 [EMAIL_FACULTAD] => fermaji@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [10] => 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] => ) [11] => Array ( [DNI] => uni55311 [NOMBRE_PERSONA] => María [APELLIDOS] => Piles Guillem [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => N6012 [EMAIL_FACULTAD] => piguima@uv.es [CARGO_EMPRESA] => Investigador Contratado Ramón y Cajal. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [12] => Array ( [DNI] => emp368937 [NOMBRE_PERSONA] => Rafael [APELLIDOS] => Plá Micó [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Presidente de Innovall Cluster [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [13] => Array ( [DNI] => emp376801 [NOMBRE_PERSONA] => Alejandro [APELLIDOS] => Rodríguez García [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [14] => 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] => ) [15] => Array ( [DNI] => uni51421 [NOMBRE_PERSONA] => Emilio [APELLIDOS] => Soria Olivas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [16] => Array ( [DNI] => uni55893 [NOMBRE_PERSONA] => Joan [APELLIDOS] => Vila Francés [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor Titular de Universidad [NPI] => H1797 [EMAIL_FACULTAD] => vifranjo@uv.es [CARGO_EMPRESA] => [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 de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [1] => Array ( [0] => Array ( [DNI] => emp368937 [NOMBRE_PERSONA] => Rafael [APELLIDOS] => Plá Micó [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Presidente de Innovall Cluster [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) ) )
Array ( [CODIGO] => 22811230 [EDICION] => 3 [SITUACION] => Aprobado [SITUACION_BIS] => Iniciado [MATRICULA] => 3500 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 60.00 [FECHA_INICIO] => [FECHA_FIN] => 29/07/2023 [LUGAR] => [NOMBRE_EMPRESA_ORGANIZADOR] => Escola Tècnica Superior d'Enginyeria (ETSE-UV) [FECHA_FIN_PREINSCRIPCION] => 08/09/2022 [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] => inteligencia-artificial-IA [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] => 1 [URL_AULA_VIRTUAL] => [OFERTADO_OTRO] => 0 [ID_CURSO_OFERTADO] => 0 [DESCRIPCION_OFERTADO] => [TELEFONO_EXTERNO] => 96 160 3000 [MATRICULA_PDTE_APROBACION] => 0 [ID_IDIOMA] => 4 [area_curs] => Área de Ciencias y Tecnología [NOMBRE_CURSO] => Máster de Formación Permanente en Inteligencia Artificial Avanzada y Aplicada: Ia3 [TITULACION] => Máster de Formación Permanente [HORARIO] => Viernes de 16:00 a 21:00 y Sábado de 9:00 a 14:00 [REQUISITOS_TITULACION] => Profesionales y estudiantes interesados en conocer las diversas herramientas de IA para ser aplicadas en diferentes empresas/sectores productivos. El perfil de los participantes es el de ingenieros, matemáticos, físicos, químicos, estadísticos y economistas. No es necesaria experiencia previa en este tipo de temática. [REQUISITOS_OTROS] => [ARG_VENTA] => Existe en la actualidad un incremento en la potencia computacional de los dispositivos, además de un bajo precio de almacenamiento de datos así como un aumento exponencial en la cantidad de datos generados actualmente. Esto, sumado al cloud computing, ha supuesto la consolidación de lo que podríamos llamar como IA avanzaday aplicada. Cada día aparecen nuevos algoritmos de IA que mejoran a los anteriores, que además se aplican a distintas ramas del conocimiento. Es por eso que contar con una formación sólida y actual en este sector hace necesario el Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA3. El Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA3 tiene como objetivo responder a la demanda continua y creciente de las empresas de profesionales especializados en el desarrollo de sistemas basados en IA. Existen estudios que señalan que, de cada 15 trabajos solicitados por empresas en las redes sociales, 6 de ellos están relacionados con la IA, lo que se traduce en que la IA copa el 50% de los trabajos solicitados en todas las áreas de conocimiento. Ventajas de cursar el Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA: 1. Adquirir una alta especialización y garantizarse una salida laboral en excelentes condiciones dada la demanda de profesionales especializados en IA. 2. Conocer empresas en diferentes ámbitos tecnológicos que aplican este tipo de tecnologías. 3. Desarrollar tareas de responsabilidad en empresas o iniciar actividades de investigación tanto teórica como práctica en IA. [ARG_VENTA2] => [AÑO_CURSO_DESC] => [MODALIDAD_EVALUACION] => Dado el carácter del máster usaremos una metodología en todas las asignaturas (se repetirá en todas ellas) definida como learning by doing se le plantearán al alumno diferentes problemas que tendrá que ir resolviendo con las herramientas/conocimientos que se le irán proporcionando. El alumno estará monitorizado en todo momento por los profesores del máster. [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Actualmente existen puestos de trabajo que quedan sin cubrir por la falta de profesionales cualificados. Dentro de esta problemática se encuentra el área de la Inteligencia Artificial. En apenas 5 años el número de aplicaciones prácticas, nuevos tipos de negocios, start-ups y todas las tecnologías relacionadas con este campo han crecido de forma exponencial. Este hecho ha tenido un impacto claro en el empleo: se busca un gran número de profesionales dentro de este ámbito y esta demanda ha provocado que se manejen grandes salarios y excelentes condiciones de trabajo. Por ello, la Universitat de València, atendiendo a esta actual, creciente e importante demanda, ofrece su Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA. Se trata de uno de los ámbitos que ofrece una mayor proyección en el ámbito laboral actual, que abarca tecnologías emergentes y que ofrece las destrezas, conocimientos y herramientas necesarias para sacar el mayor provecho que la IA ofrece, lo que convierte al Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA en un máster de vanguardia en el ámbito tecnológico. Además, este máster cuenta con el apoyo de una veintena de empresas interesadas en la aplicación de estas tecnologías; dichas empresas tendrán un papel importante en el desarrollo del máster en forma de ponencias, propuestas de trabajos fin de máster, etc. Gracias al Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA, los profesionales que lo cursen van a adquirir las siguientes destrezas y habilidades: - Conocer las herramientas de software que se manejan para la implementación de sistemas de IA. - Implementar sistemas de Deep Learning (Aprendizaje Profundo) en todo tipo de aplicaciones. - Manejar diferentes tipos de datos (estructurados y no estructurados) con todo tipo de tamaños (small, medium, big) en diferentes aplicaciones prácticas. - Contar con conocimientos adecuados, con herramientas tecnológicas y librerías de software utilizadas en la industria, así como de aplicaciones innovadoras y actuales. - Adquirir el dominio de técnicas avanzadas en Deep Learning, así como prácticas adecuadas y actualizadas. -Desarrollar y defender un proyecto industrial usando datos reales basado en IA [ANO_CURSO_DESC] => Curso 2022/2023 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 1 [NOMBRE_MATERIA] => Herramientas para la IA [NOMBRE_MATERIA_VAL] => Eines per a la IA [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Introducción al máster: Machine/Deep Learning/IA. Principales programas para IA. R/Python/Tensorflow/Keras/Pytorch. Conceptos de algebra; probabilidad; estadística. Machine Learning. Revisión de conceptos. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Introducció al màster: Machine/Deep Learning/IA. Principals programes per a IA. R/Python/Tensorflow/Keras/Pytorch. Conceptes de algebra; probabilitat; estadística. Machine Learning. Revisió de conceptes. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 1 ) [1] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 2 [NOMBRE_MATERIA] => Aprendizaje profundo (I) [NOMBRE_MATERIA_VAL] => Aprenentatge profund (I) [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Redes neuronales multicapa estrechas y profundas. Implementación de modelos neuronales profundos con Keras/Tensorflow. Aplicaciones en modelización y clasificación: ejemplos. Autoencoders. Redes convolucionales. Arquitecturas y Algoritmos de aprendizaje. Aprendizaje por transferencia. Ejemplos de aplicación. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes neuronals multicapa estretes i profundes. Implementació de models neuronals profunds amb Keras/Tensorflow. Aplicacions en modelització i classificació: exemples. Autoencoders. Xarxes convolucionals. Arquitectures i Algorismes d'aprenentatge. Aprenentatge per transferència. Exemples d'aplicació. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 2 ) [2] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 3 [NOMBRE_MATERIA] => Aprendizaje profundo (II) [NOMBRE_MATERIA_VAL] => Aprenentatge profund (II) [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Redes neuronales recurrentes (RNN): LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), Bidirectional LSTM. Aplicaciones en finanzas. Redes Generativas Adversariales (GAN). [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes neuronals recurrents (RNN): LSTM (Long Short Term Memory), GRU (Gated Recurrent Unit), Bidirectional LSTM. Aplicacions en finances. Xarxes Generatives Adversariales (GAN). [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 3 ) [3] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 4 [NOMBRE_MATERIA] => Aprendizaje Reforzado [NOMBRE_MATERIA_VAL] => Aprenentatge Reforçat [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => [DESCRIPCION2] => Introducción. Fundamentos matemáticos: Ecuación de Bellman. Procesos MDP. Aprendizaje por diferencias temporales. SARSA. Q-Learning. DQN y variantes. RL basado en políticas. Modelos Actor-Crítico. Versiones profundas. Ejemplos de aplicación. [DESCRIPCION3] => [DESCRIPCION1_VAL] => Introducció. Fonaments matemàtics: Equació de Bellman. Processos MDP. Aprenentatge per diferències temporals. SARSA. Q-Learning. DQN i variants. RL basat en polítiques. Models Actor-Crític. Versions profundes. Exemples d'aplicació. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 4 ) [4] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 5 [NOMBRE_MATERIA] => Procesado del Lenguaje Natural [NOMBRE_MATERIA_VAL] => Processament del Llenguatge Natural [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => [DESCRIPCION2] => Adquisición y preprocesado de texto. Extracción de características BoW y TF-IDF. Topic Modeling. Extracción de información. Word embeddings. Transformers. Modelos generativos. Ejemplos de aplicación. [DESCRIPCION3] => [DESCRIPCION1_VAL] => Adquisició i preprocesado de text. Extracció de característiques BoW i TF-IDF. Topic Modeling. Extracció d'informació. Word embeddings. Transformers. Models generatius. Exemples d'aplicació. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 5 ) [5] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 6 [NOMBRE_MATERIA] => IA en cloud [NOMBRE_MATERIA_VAL] => IA en cloud [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => APIs de aprendizaje automático: Soluciones AWS: productos de DL y ML. Soluciones Google: AutoML, AI Hub. Microsoft Azure Machine Learning: servicios cognitivos. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => APIs d'aprenentatge automàtic: Solucions AWS: productes de DL i ML. Solucions Google: AutoML, AI Hub. Microsoft Azure Machine Learning: serveis cognitius. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 7 [NOMBRE_MATERIA] => IA industrial [NOMBRE_MATERIA_VAL] => IA industrial [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Este módulo se evaluará mediante un trabajo que los alumnos deben realizar sobre una de las aplicaciones descritas a lo largo de esta asignatura (a elección del alumno). [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Aquest mòdul s'avaluarà mitjançant un treball que els alumnes han de realitzar sobre una de les aplicacions descrites al llarg d'aquesta assignatura (a elecció de l'alumne). [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) [7] => Array ( [CODIGO_CURSO] => 22811230 [AÑO_CURSO] => 34 [CODIGO] => 8 [NOMBRE_MATERIA] => Trabajo final de Máster [NOMBRE_MATERIA_VAL] => Treball fi de Màster [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => [DESCRIPCION2] => Desarrollo de un trabajo poniendo en práctica los conocimientos adquiridos [DESCRIPCION3] => [DESCRIPCION1_VAL] => Desenvolupament d'un treball posant en pràctica els coneixements adquirits [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 8 ) ) [professors] => Array ( [0] => Array ( [DNI] => emp368945 [NOMBRE_PERSONA] => Jacinto [APELLIDOS] => Arias Martínez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => CEA / Demosense [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => emp368940 [NOMBRE_PERSONA] => Raúl Vicente [APELLIDOS] => Casaña Eslava [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientist / Santa Bárbara [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => Array ( [DNI] => emp376854 [NOMBRE_PERSONA] => Javier [APELLIDOS] => Cózar del Olmo [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => CTO [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [3] => 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] => ) [4] => Array ( [DNI] => emp393047 [NOMBRE_PERSONA] => Juan José [APELLIDOS] => Garcés Iniesta [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => 0 [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [5] => Array ( [DNI] => uni56104 [NOMBRE_PERSONA] => Juan [APELLIDOS] => Gómez Sanchis [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor Titular de Universidad [NPI] => M8537 [EMAIL_FACULTAD] => juango3@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [6] => Array ( [DNI] => uni62689 [NOMBRE_PERSONA] => Francisco [APELLIDOS] => Martínez Gil [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Informàtica. Universitat de València [CARGO_FACULTAD] => Profesor Titular de Universidad [NPI] => H6216 [EMAIL_FACULTAD] => fmgil@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [7] => Array ( [DNI] => emp246039 [NOMBRE_PERSONA] => Francisco [APELLIDOS] => Martinez Martinez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientist/Santa Bárbara. Ingeniería Técnica de Telecomunicación, especialidad en Sistemas Electrónicos [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => Data Scientist / Santa Bárbara ) [8] => Array ( [DNI] => emp246038 [NOMBRE_PERSONA] => José María [APELLIDOS] => Martínez Martínez [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Data Scientist / Santa Bárbara [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [9] => Array ( [DNI] => uni62742 [NOMBRE_PERSONA] => Fernando [APELLIDOS] => Mateo Jimenez [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Ayudante Doctor/a [NPI] => I6169 [EMAIL_FACULTAD] => fermaji@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [10] => 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] => ) [11] => Array ( [DNI] => uni55311 [NOMBRE_PERSONA] => María [APELLIDOS] => Piles Guillem [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => N6012 [EMAIL_FACULTAD] => piguima@uv.es [CARGO_EMPRESA] => Investigador Contratado Ramón y Cajal. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [12] => Array ( [DNI] => emp368937 [NOMBRE_PERSONA] => Rafael [APELLIDOS] => Plá Micó [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Presidente de Innovall Cluster [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [13] => Array ( [DNI] => emp376801 [NOMBRE_PERSONA] => Alejandro [APELLIDOS] => Rodríguez García [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [14] => 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] => ) [15] => Array ( [DNI] => uni51421 [NOMBRE_PERSONA] => Emilio [APELLIDOS] => Soria Olivas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Catedrático de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [16] => Array ( [DNI] => uni55893 [NOMBRE_PERSONA] => Joan [APELLIDOS] => Vila Francés [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor Titular de Universidad [NPI] => H1797 [EMAIL_FACULTAD] => vifranjo@uv.es [CARGO_EMPRESA] => [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 de Universidad [NPI] => H4268 [EMAIL_FACULTAD] => soriae@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) [1] => Array ( [0] => Array ( [DNI] => emp368937 [NOMBRE_PERSONA] => Rafael [APELLIDOS] => Plá Micó [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Presidente de Innovall Cluster [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) ) ) )

Datos generales

Curso académico: Curso 2022/2023

Tipo de curso: Máster de Formación Permanente

Número de créditos: 60.00 Créditos ECTS

Preinscripción al curso: Hasta el 08/09/2022

Fecha inicio:

Fecha fin: Julio 2023

Matrícula: 3500 € (importe precio público)

Requisitos de acceso: Profesionales y estudiantes interesados en conocer las diversas herramientas de IA para ser aplicadas en diferentes empresas/sectores productivos. El perfil de los participantes es el de ingenieros, matemáticos, físicos, químicos, estadísticos y economistas. No es necesaria experiencia previa en este tipo de temática.

Modalidad: On-line

Duración y Lugar de Impartición

Lugar de impartición:

Horario: Viernes de 16:00 a 21:00 y Sábado de 9:00 a 14:00

Más información

Objetivos del curso

Existe en la actualidad un incremento en la potencia computacional de los dispositivos, además de un bajo precio de almacenamiento de datos así como un aumento exponencial en la cantidad de datos generados actualmente. Esto, sumado al cloud computing, ha supuesto la consolidación de lo que podríamos llamar como IA avanzaday aplicada. Cada día aparecen nuevos algoritmos de IA que mejoran a los anteriores, que además se aplican a distintas ramas del conocimiento. Es por eso que contar con una formación sólida y actual en este sector hace necesario el Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA3.

El Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA3 tiene como objetivo responder a la demanda continua y creciente de las empresas de profesionales especializados en el desarrollo de sistemas basados en IA. Existen estudios que señalan que, de cada 15 trabajos solicitados por empresas en las redes sociales, 6 de ellos están relacionados con la IA, lo que se traduce en que la IA copa el 50% de los trabajos solicitados en todas las áreas de conocimiento.

Leer más

Objetivos profesionales

Actualmente existen puestos de trabajo que quedan sin cubrir por la falta de profesionales cualificados. Dentro de esta problemática se encuentra el área de la Inteligencia Artificial. En apenas 5 años el número de aplicaciones prácticas, nuevos tipos de negocios, start-ups y todas las tecnologías relacionadas con este campo han crecido de forma exponencial. Este hecho ha tenido un impacto claro en el empleo: se busca un gran número de profesionales dentro de este ámbito y esta demanda ha provocado que se manejen grandes salarios y excelentes condiciones de trabajo. Por ello, la Universitat de València, atendiendo a esta actual, creciente e importante demanda, ofrece su Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA.

Se trata de uno de los ámbitos que ofrece una mayor proyección en el ámbito laboral actual, que abarca tecnologías emergentes y que ofrece las destrezas, conocimientos y herramientas necesarias para sacar el mayor provecho que la IA ofrece, lo que convierte al Máster Propio de Inteligencia Artificial Avanzada y Aplicada: IA en un máster de vanguardia en el ámbito tecnológico. Además, este máster cuenta con el apoyo de una veintena de empresas interesadas en la aplicación de estas tecnologías; dichas empresas tendrán un papel importante en el desarrollo del máster en forma de ponencias, propuestas de trabajos fin de máster, etc.

Leer más

¡Preinscríbete ya!

Solicita información

He leído y acepto la información proporcionada sobre protección de datos y Política de Privacidad de ADEIT.

Consiento recibir información sobre los Títulos Propios 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.

Por favor, verifica que no eres un robot.

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.


SÍ, ENVÍAMELO
 
Imprimir información
FAQS