Máster en Deep Learning

En los últimos años se han producido grandes avances en el desarrollo e implantación de la inteligencia artificial en proyectos empresariales. Las empresas que hacen un uso masivo de datos (Big Data) deben comenzar a usar deep learning para mejorar su rendimiento y acciones en el mercado. El máster en deep learning tiene como objetivo proporcionar una formación completa en el ámbito del empleo de las herramientas de Aprendizaje Profundo y Machine Learning en la gestión y toma de decisiones en diversos contextos. Se pretende que el alumno conozca la problemática general de la modelización automatizada y las enormes aplicaciones que esta permite.

ÁREA DEL CURSO: Tecnología, Inteligencia Artificial, Machine Learning.

MODALIDAD: Semi-Presencial.

FECHA DE INICIO: mayo 2018.

¿Te interesa nuestro máster?







¿POR QUÉ ESTUDIAR nuestro MÁSTER EN DEEP LEARNING e inteligencia artificial?

  • Un máster en deep learning semipresencial, LÍDER EN EL SECTOR, valorado entre los mejores másteres en Deep Learning e Inteligencia Artificial.
  • Un máster con titulación de la Universidad de Alcalá, una de las MEJORES UNIVERSIDADES DE ESPAÑA.
  • Un máster que te permite COMPATIBILIZAR LA FORMACIÓN con tu jornada laboral, con una novedosa y eficiente metodología formativa que permite compatibilizar el estudio con tu vida profesional y personal.
  • Una PREPARACIÓN AMPLIA con un esfuerzo total de 60 créditos ECTS, que permite por su amplitud cubrir una formación profunda en el área del deep learning, machine learning, aprendizaje profundo, big data, data science e inteligencia artificial.
  • Un CLAUSTRO DOCENTE formado por profesionales en activo e investigadores con especialistas en IA, Machine Learning y Deep Learning.
  • Un MÉTODO DOCENTE basado en la práctica y la contextualización en casos prácticos o en problemas de negocio, utilizando las herramientas y tecnologías de manera práctica desde el principio.
  • Un SYLLABUS ACTUALIZADO que se revisa en cada edición para que el alumno reciba una formación alineada con las tendencias del sector.
  • Una COMUNIDAD y un ENTORNO que permite al estudiante ponerse en contacto con el sector profesional, con seminarios y actividades extra-curriculares para enriquecer su preparación.
  • Un departamento de DESARROLLO DE TALENTO, que no sólo se preocupa por buscarte la mejor oportunidad de desarrollo profesional, sino que además te asesora y te forma en todos los campos necesarios para poder superar cualquier proceso de selección.
  • Formación complementaria en SOFT SKILLS para facilitar a nuestros alumnos el acceso al mercado laboral o mejorar su carrera profesional, enfocada en las 5 habilidades más demandadas por las empresas: Marca Personal, Comunicación, Creatividad, Trabajo en Equipo y Proceso de Selección.

OBJETIVOS PRINCIPALES DEL MÁSTER EN DEEP LEARNING

El máster en deep learning cubre la creciente demanda por parte de la industria de profesionales con las habilidades y conocimientos necesarios para liderar la revolución tecnológica que se producirá en la industria al utilizar el deep learning e inteligencia artificial.

Los objetivos del máster en deep learning consisten en:

  • 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.

PROGRAMA DEL MÁSTER EN DEEP LEARNING

MÓDULO I: INTELIGENCIA ARTIFICIAL Y APRENDIZAJE AUTOMÁTICO
Evolución de la Inteligencia Artificial.
Aprendizaje Supervisado, no supervisado y reforzado.
Aprendizaje simbólico y sub-simbólico.
Modelos de Clasificación y de Regresión.
Optimización de Modelos.

MÓDULO II: REDES PROFUNDAS
Redes de una sola capa alimentadas hacia delante.
Redes Multicapa.
Algoritmo de Retropropagación del error.
Funciones de pérdida.
Hiperparámetros y estrategias de aprendizaje.

MÓDULO III: REDES CONVOLUTIVAS
Fundamentos y estructura de las redes convolutivas.
Redes residuales.
Reconocimiento de imagen.

MÓDULO IV: REDES SECUENCIALES
Problemas secuenciales y de series temporales.
Redes recurrentes.
Algoritmos de retropropagación del error a lo largo del tiempo.
Modelos LSTM.

MÓDULO V: TÉCNICAS DE PARALELIZACIÓN Y COMPUTACIÓN EN PROCESADORES
Arquitecturas basadas en GPU.
Programación con bibliotecas paralelas.

MÓDULO VI: TÉCNICAS DE VECTORIZACION
Gráficos de computación y Tensores.
Paralelización vectorial.
Programación en Tensorflow.
Programación en Theano.

MÓDULO VII: APRENDIZAJE AUTOMÁTICO ESCALABLE
Framewoks de paralelización en clusters de computadoras.

MÓDULO VIII: PROGRAMACIÓN PARA DATA SCIENCE
Arrays, matrices y vectores.
Gráficos.
Gestión de flujo de programa.
Interfaces y carga de datos.

MÓDULO IX: SEMINARIOS
Seminarios sobre diversas aplicaciones del Aprendizaje Profundo a los ámbitos de la Medicina, las Finanzas, la conducción automática de vehículos, visión artificial y reconocimiento del habla y otros.

 

TRABAJO FIN DE MÁSTER

El Temario del Máster está enunciado de forma indicativa, teniendo en cuenta las ediciones anteriores. Por ende, el Director del Estudio se reserva el derecho de realizar modificaciones y ajustes, con el objeto de mejorar la calidad del Programa de Formación.

Dirigido a

Profesionales, estudiantes o interesados en conocer las diversas herramientas del Aprendizaje Profundo aplicables en diversos sectores productivos. El perfil de los participantes es el de Ingenieros, Licenciados y Graduados.

Requisitos de acceso

Título universitario oficial español, europeo o título equivalente. También se requiere tener nivel de inglés apropiado para la lectura, estudio y comprensión de documentación técnica.

Lugar y duración

LUGAR

Las sesiones presenciales del máster se desarrollarán en el campus de IUTA en Madrid (Bernardino Obregón, 25).

 

DURACIÓN

El programa se desarrolla durante un año de actividades de aprendizaje programadas, desde el 14 de mayo de 2018 al 14 de marzo de 2019.

Precios y becas

Los derechos de Matrícula y enseñanza ascienden a 5.900 Euros. Este importe no incluye el coste de expedición del Título de la Universidad de Alcalá.

 

¡Las reservas anticipadas son reservas inteligentes!

En IUTA agradecemos tu previsión y la premiamos con grandes descuentos. Reserva tu plaza cuanto antes y benefíciate de descuentos directos de hasta el 15% del precio de matrícula. Comienza tu proceso de admisión y solicita tu Beca Early Bird.

Títulos

Aquellos alumnos que hayan superado con éxito el período lectivo (60 créditos ECTS) recibirán el Título Propio de Máster en Deep Learning por la Universidad de Alcalá.

Metodología y evaluación

METODOLOGÍA

Modalidad: Semipresencial en Madrid.
Duración: de mayo 2018 a marzo 2019.
Inicio: 14 de mayo de 2018.
Sesiones Presenciales: sábados cada 15 días (9:00 – 18:30).

 

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.

 

EVALUACIÓN

La evaluación del máster se realiza de modo continuo a medida que se avanza en el estudio. Cada asignatura es evaluable a través de la combinación de participación, examen y el desarrollo de casos prácticos.

Así mismo, es necesaria la elaboración de un Trabajo Fin de Máster, que será presentado ante un tribunal a la finalización del máster.

La obtención final del título de Máster por la Universidad de Alcalá está sujeta a la superación de cada asignatura y a la elaboración del trabajo de fin de máster.

Profesores

El claustro docente del Máster en Deep Learning está integrado por investigadores, profesores universitarios y profesionales con una larga experiencia, en algunos casos pionera, en la aplicación del Deep Learning y la Inteligencia Artificial en la empresa. La combinación de distintos enfoques asegura que los contenidos del máster estén actualizados, estructurados y sean completos con el objetivo de asegurar a los asistentes una formación integral en el área.

Foto de Alberto Pizarro

Alberto Pizarro

Head of Europe Digital Experience en Everis donde lidera el desarrollo de soluciones en aplicaciones móviles, portales web, chatbots, marketing digital. Anteriormente ha ocupado puestos en Everis en Colombia y Bélgica. Alberto es graduado en Ciencias de la Computación y posee un Máster en Project Management.

Foto de Alfredo Lainez

Alfredo Lainez

Co-fundador y Head of Engineering en VAI Technologies, San Francisco. Ha sido ingeniero en Google, Shazam, Bizeu Labs e INDRA. Su especialidad es el procesamiento del lenguaje natural, los sistemas de recomendación y las diferentes arquitecturas de Aprendizaje Profundo. Alfredo es graduado en Ingeniería Matemática y posee un Máster en Ingeniería Matemática y Computacional por la Universidad de Stanford (Fulbright).

Foto de Dr. Daniel Rodriguez

Dr. Daniel Rodriguez

Profesional con más de 10 años de experiencia en el desarrollo de soluciones analíticas para bancos, seguros y retail. Actualmente es VP Análisis de Datos en Analytika, desarrollando anteriormente su carrera en everis y PricewaterhouseCoopers y participado en proyectos en Inglaterra, España, América Latina y Sudáfrica. Daniel Rodríguez es licenciado en Física por la Universidad de Santiago de Compostela y doctor por la Universidad Politécnica de Madrid.

Foto de Dr. Ignacio Olmeda Martos

Dr. Ignacio Olmeda Martos

Profesor en la Universidad de Alcalá donde también dirige el Laboratorio de Finanzas Computacionales y la Cátedra en Big Data y Analítica Predictiva Bancaria. Es director de diversos Másteres y programas especializados en el área de Tecnología y Finanzas. Ha sido Fulbright Visiting Scholar en las Universidades de Colorado y California San Diego. Ha impartido conferencias en Europa, Asia y América y realizado multitud de proyectos de consultoría para grandes empresas y organismos públicos. Ignacio realizó su tesis doctoral a principios de los noventa sobre Deep Learning en Finanzas.

Foto de Dr. Miguel Ángel Sicilia

Dr. Miguel Ángel Sicilia

Catedrático en el Departamento de Ciencias de la Computación de la Universidad de Alcalá. Antes de comenzar su carrera académica, trabajó como Arquitecto Software especializado en comercio electrónico. Es Director del Máster y Doctorado en Web Science de su Universidad, y Director del Laboratorio de Big Data y Analytics de la Universidad de Alcalá.

Foto de Dra. Elena García

Dra. Elena García

Profesora titular en el Departamento de Ciencias de la Computación de la Universidad de Alcalá y Directora del grupo de investigación Information Engineering, donde dirige el proyecto Europeo de infraestructuras científicas para agricultura agINFRA.

Foto de Javier Sabio

Javier Sabio

Head of Algorithmic Strategies and Data Science at BBVA, donde desarrolla modelos de trading algorítmico y de aprendizaje automático. Anteriormente trabajó en Citi como Analista Cuantitativo de Crédito. Javier es licenciado en Ciencias Físicas y Doctor en Física de la Materia Condensada.

Foto de Jordi Conesa

Jordi Conesa

Profesor agregado en los estudios de Informática, Multimedia y Telecomunicaciones de la UOC, donde ha ejercido de director del máster de Business Intelligence. Su carrera investigadora se ha enfocado al modelado conceptual, las ontologías y la semántica. Docentemente es responsable de asignaturas en las temáticas de bases de datos, semántica y gestión del conocimiento y modelado conceptual.

Foto de Manuel Lucania

Manuel Lucania

Experto en diseño de soluciones software de PLN (Procesamiento de Lenguaje Natural) e Inteligencia Artificial. A lo largo de su carrera profesional ha alternado la dirección de proyectos de Investigación en Lingüística Computacional y Text Mining con el desarrollo de productos con un fuerte componente de I+D.

Admisiones

El proceso de admisión es un proceso continuo y no contempla fecha límite para solicitar una convocatoria en particular, para comenzar el mismo, debes indicarnos tus datos de contacto rellenando el formulario de la Solicitud de Información que aparece al final de esta página. Un gestor se pondrá en contacto contigo para informarte más en profundidad y resolver cualquier duda o pregunta que tengas, sin ningún compromiso.

El Proceso de Admisión puede resumirse en el siguiente proceso:

  1. CUMPLIMIENTO DE REQUISITOS
    • Durante la primera fase deberás cumplimentar la Solicitud de Información. A continuación, se pondrá en contacto contigo el gestor del programa para resolverte cualquier duda o pregunta que tengas y deberás enviarle tu Curriculum Vitae.
    • Mediante este documento el Comité de Admisión pretende realizar una primera aproximación a tu perfil académico para poder certificar si el programa sobre el que solicitas información es el adecuado y puede generarte suficiente valor desde el punto de vista profesional.
  2. ENVÍO DOCUMENTACIÓN / PRUEBA OBJETIVA / ENTREVISTA PERSONAL
    • Tras una primera validación y continuando con el proceso de admisión, para poder continuar con la valoración de tu perfil y certificando que puedes ser matriculado en el programa solicitado, nos deberás facilitar la siguiente documentación:
      • Carta de motivación explicando porque quieres realizar el estudio.
      • Copia del Título Universitario (escaneado .jpg).
      • Copia del Expediente Académico Universitario (escaneado .jpg).
      • Copia DNI o Pasaporte (escaneado .jpg).

      Como último paso durante la fase de validación en el proceso de admisión, se valorará desde el punto de vista académico y técnico tu perfil. Si el Comité Académico así lo considera, se te convocará a una entrevista personal, que podrá desarrollarse de forma presencial en nuestras oficinas en Madrid, o bien a través de video conferencia en el caso de que no puedas desplazarte.

  3. EVALUACIÓN DEL EXPEDIENTE
    • Una vez concluido el proceso de validación, se te elaborará un informe personalizado que será estudiado por el Comité Académico que conjuntamente con el Departamento de Admisiones valorarán si puedes convertirte en alumno del máster.
    • Dicho comité valorará también las posibles ayudas al estudio que se te otorgarán en función de los méritos académicos y profesionales demostrados.
  4. CARTA DE ACEPTACIÓN
    • Una vez que el Comité Académico valore de forma positiva tu perfil de candidato, se enviará una carta a través de correo electrónico informándote sobre tu situación de ACEPTADO en el programa máster acordado.
  5. RESERVA DE PLAZA
    • La reserva de plaza equivale al 20% del valor del programa y viene detallada en la Carta de Aceptación que se te enviará. Una vez recibida la carta de aceptación tienes un plazo máximo de 14 días naturales para realizar el pago de la reserva. En el caso de que el depósito no se confirmase en el tiempo establecido, se considera que declinas la posibilidad de realizar el estudio y por tanto no se hace responsable de la confirmación de tu reserva en el mismo.
    • La reserva de plaza supone el compromiso del candidato de cursar el programa de formación elegido y será detraída del importe de la matrícula. Cualquier devolución debe de ser solicitada y debidamente argumentada 4 meses antes del inicio del programa, para poder ser considerada. SÓLAMENTE en casos de enfermedad extrema del alumno o de la denegación reiterada de su visado, se considerará su devolución. IUTA se reserva el derecho a retrasar y/o cancelar el inicio de un máster, si el número de alumnos matriculados en el mismo no garantiza la calidad mínima exigida. Esta decisión será comunicada a los afectados con un plazo mínimo de diez días de antelación, procediéndose a la devolución del importe abonado, si así lo requiere el alumno.
  6. ADMISIÓN OFICIAL Y TRÁMITES ADMINISTRATIVOS
    • Una vez depositada la reserva y confirmada por el Departamento de Contabilidad, el Departamento de Admisiones te enviará las cartas firmadas de admisión, para poder realizar los trámites legales que necesites.

 

Salidas profesionales

Al acabar este máster en deep learning podrás ejercer como:

  • Consultor Datamining
  • Data Scientist
  • Consultor NLP
  • Ingeniero de Inteligencia Artificial
  • IA Developer
  • Consultoría tecnológica
  • Emprendimiento

Ranking y avales

AVALES

El máster en deep learning es un estudio propio de la Universidad de Alcalá (UAH). La Universidad de Alcalá se ha caracterizado por aunar tradición y modernidad, investigación e innovación en una de las universidades más antiguas de Europa. Fue fundada en 1499 y declarada por la UNESCO en 1998 Patrimonio de la Humanidad.

La Universidad de Alcalá se posiciona entre las mejores Universidades de España, según la evaluación realizada por diferentes organismos nacionales e internacionales.

RANKINGS

La Universidad de Alcalá (UAH) se sitúa entre las mejores universidades de España, según la evaluación llevada a cabo en distintos rankings nacionales e internacionales. En la práctica totalidad de los parámetros estudiados, la UAH se posiciona entre las primeras universidades españolas, del total de 81 universidades que desarrollan su actividad en nuestro país.

La UAH forma parte de los tres rankings de universidades más prestigiosos del mundo: QS World University Ranking (QS WUR), Times Higher Education World University Ranking y Shanghai Academic Ranking of World Universities (ARWU). Además, ha obtenido excelentes resultados en la evaluación del QS Stars University Ratings. Todos los años acogemos a más de 6.000 estudiantes internacionales, procedentes de otros países, lo que nos convierte en la segunda universidad pública española en capacidad de atracción de estudiantes internacionales, según el QS WUR.

Contacto

Déjanos tus datos y nos pondremos en contacto contigo