Semipresencial
9 meses
5 de noviembre
El Máster en Deep Learning se dirige a profesionales, estudiantes o interesados en conocer las diversas herramientas del Aprendizaje Profundo aplicables en diversos sectores productivos.
Los principales objetivos de este máster son:
- Conocer los fundamentos formales de las herramientas de Aprendizaje Automático y, en particular, del Aprendizaje Profundo (Deep Learning).
- Ser capaces de implementar los distintos algoritmos en lenguajes de alto nivel (Python, R u otros) con el propósito de resolver problemas reales y de entender las dificultades de la implementación de dichos algoritmos en la práctica.
- Proponer soluciones basadas en Deep Learning desde una perspectiva amplia, considerando los aspectos éticos y legales y las implicaciones económicas y sociales de la automatización de los procesos en los negocios.
Máster por la Universidad de Alcalá y Máster por Instituto Universitario de Tecnología Aplicada
- Consultor Datamining
- Data Scientist
- Consultor NLP
- Ingeniero de Inteligencia Artificial
- IA Developer
- Consultoría tecnológica
- Emprendimiento
Durante el Máster se seguirá un modelo pedagógico denominado, Flipped Classroom, que transfiere determinados procesos de aprendizaje fuera del aula, utilizando el tiempo de clase, junto con la experiencia del docente para facilitar y potenciar otros procesos de adquisición y práctica de conocimientos dentro del aula. El máster está dividido en asignaturas de una duración entre 2 y 4 semanas, durante ese periodo el alumno podrá adquirir todos los conocimientos necesarios a través de un proceso formativo tutorizado y guiado por el profesor. Cada asignatura dispondrá de una sesión presencial (de asistencia no obligatoria) para el desarrollo de casos prácticos guiados que posteriormente estarán disponibles, para todos los alumnos que no puedan asistir a las sesiones presenciales, para su realización de forma tutorizada.
Titulación Universitaria y nivel de inglés apropiado para la lectura, estudio y comprensión de documentación técnica
1. Inteligencia Artificial y Aprendizaje Automático
2. Redes Profundas
3. Redes Convolutivas
4. Redes Secuenciales
5. Técnicas de Paralelización y Computación en Procesadores
6. Técnicas de Vectorización
7. Aprendizaje Automático Escalable
8. Programación para Data Science
9. Seminarios
10. Trabajo Fin de Máster
EVALUACIÓN
La obtención del título final está supeditada a la superación de todas las materias del Máster (evaluación continua), así como a la elaboración y defensa del Trabajo Fin de Máster.