Inicio > Área de Ciencias y Tecnología > Máster de Formación Permanente en Inteligencia Artificial

5.ª Edición - Código 24811230

Array ( [CODIGO] => 24811230 [EDICION] => 5 [SITUACION] => Aprobado [SITUACION_BIS] => Iniciado [MATRICULA] => 3500 [MATRICULA_2] => 0 [MATRICULA_3] => 0 [HORAS] => 60.00 [FECHA_INICIO] => 13/09/24 [FECHA_FIN] => 31/07/25 [LUGAR] => Online [NOMBRE_EMPRESA_ORGANIZADOR] => Escola Tècnica Superior d'Enginyeria (ETSE-UV) [FECHA_FIN_PREINSCRIPCION] => 15/10/24 [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] => 36 [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] => 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 Ciencias y Tecnología [NOMBRE_CURSO] => Máster de Formación Permanente en Inteligencia Artificial [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] => Este máster tiene como objetivos proporcionar los conocimientos necesarios para poder aplicar las técnicas más avanzadas de Inteligencia Artificial, teniendo la capacidad de formar profesionales altamente cualificados y con los conocimientos/skills necesarios para resolver problemas complejos, desarrollar tareas de responsabilidad en empresas o iniciar actividades de investigación tanto teórica como práctica en inteligencia artificial. Se dirige a todas las personas que procedan del ámbito de las ingenierías, ciencias puras (Matemáticas/Física) o Económicas con un background en modelización. [ARG_VENTA2] => [AÑO_CURSO_DESC] => Curso 2024/2025 [MODALIDAD_EVALUACION] => Se seguirá una política de learning by doing donde se planteará una pequeña introducción a los diferentes modelos de Deep Learning/IA para, posteriormente pasar directamente a la práctica [MODALIDAD_EVALUACION2] => [OBSERVACION_MATRICULA_1] => [OBSERVACION_MATRICULA_2] => [OBSERVACION_MATRICULA_3] => [SALIDA_PROFESIONAL] => Estos perfiles profesionales pueden desarrollar su actividad en cualquier organización que utilice herramientas de IA o analice datos de cara a optimizar su negocio. Está especialmente diseñado para formar profesionales en los siguientes sectores: Sector financiero y de seguros; Sector de consultoría; Comercio electrónico; Institutos de investigación; Instituciones públicas; así como Departamentos de análisis de datos de otras industrias. [CRITERIO_ADMISION] => Para admitir a los estudiantes se tendrá en cuenta: a) titulación universitaria con la que se accede; b) experiencia laboral previa en tema de datos/IA; c) entrevista personal con el estudiante [CRITERIO_ADMISION2] => [CRITERIO_ADMISION3] => [FORMACION_APRENDIZAJE] => 1. Definir los conceptos fundamentales de la inteligencia artificial, incluyendo redes neuronales, algoritmos de aprendizaje profundo, procesamiento de lenguaje natural, y visión computacional. 2. Describir el funcionamiento y la aplicación de algoritmos clave de aprendizaje profundo, en problemas de regresión, clasificación, agrupamiento y de IA generativa. 3. Interpretar el rendimiento de modelos de inteligencia artificial, utilizando métricas de evaluación como precisión, recall, F1-score, y curvas ROC para comprender la efectividad y el comportamiento de los modelos. 4. Relacionar conceptos teóricos de aprendizaje profundo con aplicaciones prácticas, vinculando algoritmos y enfoques teóricos con problemas del mundo real en áreas como medicina, finanzas, y tecnología. 5. Demostrar habilidades en el diseño, entrenamiento y evaluación de modelos de inteligencia artificial para resolver problemas prácticos, aplicando técnicas de preprocesamiento, selección de características y ajuste de hiperparámetros. [FORMACION_APRENDIZAJE2] => [FORMACION_APRENDIZAJE3] => [ANO_CURSO_DESC] => Curso 2024/2025 [programa] => Array ( [0] => Array ( [CODIGO_CURSO] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 2 [NOMBRE_MATERIA] => Herramientas para la IA [NOMBRE_MATERIA_VAL] => Ferramentes 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] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 6 [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] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 9 [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] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 4 [NOMBRE_MATERIA] => Aprendizaje Reforzado [NOMBRE_MATERIA_VAL] => Aprenentatge Reforçat [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 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. [DESCRIPCION2] => [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] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 5 [NOMBRE_MATERIA] => Procesado del Lenguaje Natural [NOMBRE_MATERIA_VAL] => Processament del Llenguatge Natural [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => 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. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Adquisició i preprocessament 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] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 7 [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. [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => APIs d'aprenentatge automàtic: Solucions AWS: productes de DL i ML. Solucions Google: AutoML, AI Hub. Microsoft Azure Machine Learning. [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 6 ) [6] => Array ( [CODIGO_CURSO] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 3 [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] => Este mòdul s'avaluarà mitjançant un treball que els alumnes han de realitzar sobre una de les aplicacions descrites al llarg d'esta assignatura (a elecció de l'alumne). [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 7 ) [7] => Array ( [CODIGO_CURSO] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 1 [NOMBRE_MATERIA] => Otros modelos de IA [NOMBRE_MATERIA_VAL] => Altres models de *IA [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Redes neuronales basadas en grafos. Modelos multimodales. Modelos de difusión. Explicabilidad en modelos de aprendizaje profundo [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Xarxes neuronals basades en grafs. Models multimodals. Models de difusió. Explicabilidad en models d'aprenentatge profund [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 8 ) [8] => Array ( [CODIGO_CURSO] => 24811230 [AÑO_CURSO] => 36 [CODIGO] => 8 [NOMBRE_MATERIA] => Trabajo final de Máster [NOMBRE_MATERIA_VAL] => Treball final de Màster [DESCRIPCION] => programa || programa2 || programa3 [DESCRIPCION1] => Desarrollo de un trabajo poniendo en práctica los conocimientos adquiridos [DESCRIPCION2] => [DESCRIPCION3] => [DESCRIPCION1_VAL] => Desenvolupament d'un treball posant en pràctica els coneixements adquirits [DESCRIPCION2_VAL] => [DESCRIPCION3_VAL] => [ORDEN] => 9 ) ) [professors] => Array ( [0] => Array ( [DNI] => uni79931 [NOMBRE_PERSONA] => Emma [APELLIDOS] => Amorós Belda [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => W3665 [EMAIL_FACULTAD] => abelem@uv.es [CARGO_EMPRESA] => Investigador/a no Doctor/a UV A1. Departamento de Ingeniería Electrónica. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [1] => Array ( [DNI] => emp388952 [NOMBRE_PERSONA] => Diego [APELLIDOS] => Bonilla Salvador [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Senior Data Scientist-Cognizant [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [2] => 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] => ) [3] => Array ( [DNI] => emp409235 [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] => ) [4] => Array ( [DNI] => uni56104 [NOMBRE_PERSONA] => Juan [APELLIDOS] => Gómez Sanchis [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => M8537 [EMAIL_FACULTAD] => juango3@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [5] => Array ( [DNI] => uni80011 [NOMBRE_PERSONA] => Pablo [APELLIDOS] => Hernández Cámara [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => U2082 [EMAIL_FACULTAD] => hercapa@uv.es [CARGO_EMPRESA] => Investigador/a en Formación Predoctorado FPU. Departamento de Ingeniería Electrónica. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [6] => Array ( [DNI] => uni79035 [NOMBRE_PERSONA] => Valero [APELLIDOS] => Laparra Pérez-Muelas [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Contratado/a Doctor/a [NPI] => M7054 [EMAIL_FACULTAD] => lapeva@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [7] => Array ( [DNI] => uni62689 [NOMBRE_PERSONA] => Francisco [APELLIDOS] => Martínez Gil [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Informàtica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H6216 [EMAIL_FACULTAD] => fmgil@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [8] => Array ( [DNI] => uni80897 [NOMBRE_PERSONA] => Antonio [APELLIDOS] => Martínez González [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => W3535 [EMAIL_FACULTAD] => anmarg29@uv.es [CARGO_EMPRESA] => Investigador/a no Doctor/a UV A1. Departamento de Ingeniería Electrónica. Universitat de València [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [9] => 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 ) [10] => 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] => ) [11] => Array ( [DNI] => uni79514 [NOMBRE_PERSONA] => Fernando [APELLIDOS] => Mateo Jimenez [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Contratado/a Doctor/a [NPI] => I6169 [EMAIL_FACULTAD] => fermaji@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [12] => 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] => ) [13] => 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] => ) [14] => 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] => ) [15] => 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] => ) [16] => Array ( [DNI] => emp450109 [NOMBRE_PERSONA] => Arturo [APELLIDOS] => Sirvent Fresneda [PDI] => 4 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => [EMAIL_FACULTAD] => [CARGO_EMPRESA] => Artificial Intelligence Engineer - Tyris.ai [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [17] => 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] => ) [18] => Array ( [DNI] => uni55893 [NOMBRE_PERSONA] => Joan [APELLIDOS] => Vila Francés [PDI] => 1 [DEPARTAMENTO_FACULTAD] => Departament d'Enginyeria Electrònica. Universitat de València [CARGO_FACULTAD] => Profesor/a Titular de Universidad [NPI] => H1797 [EMAIL_FACULTAD] => vifranjo@uv.es [CARGO_EMPRESA] => [DIRECCION_URL_POSTGRADO] => [URL_LINKEDIN_POSTGRADO] => ) [19] => Array ( [DNI] => uni79943 [NOMBRE_PERSONA] => Jorge [APELLIDOS] => Vila Tomás [PDI] => 6 [DEPARTAMENTO_FACULTAD] => [CARGO_FACULTAD] => [NPI] => U2136 [EMAIL_FACULTAD] => jorvito2@uv.es [CARGO_EMPRESA] => Investigador/a en Formación Prometeo. Universitat de València [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] => ) ) [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] => ) ) ) )

Máster de Formación Permanente en Inteligencia Artificial

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

Metodología

Se seguirá una política de learning by doing donde se planteará una pequeña introducción a los diferentes modelos de Deep Learning/IA para, posteriormente pasar directamente a la práctica

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