ֱ

Aquest lloc web utilitza cookies

El lloc web de la Fundació Politècnica de Catalunya utilitza cookies pròpies i de tercers per millorar l'experiència de navegació i amb finalitats estadístiques. Per obtenir més informació sobre les cookies podeu consultar la

Configurar cookies
Permetre totes les cookies
Campus
MY_TECH_SPACE


Entrar
Campus en manteniment
Usuari i/o clau incorrectes
No tens cap entorn actiu
El teu accés ha estat restringit. Consulta amb el departament d'administració
Per problemes tècnics el campus virtual és inaccessible. Estem treballant per solucionar-ho. Disculpa les molèsties.
No tens autorització per fer aquesta crida. Pots consultar a webmaster.fpc@fpc.upc.edu
Has superat el nombre màxim d'intents. El teu usuari està bloquejat temporalment. Torna a accedir d'aquí a una estona.
Has d'introduir l'usuari del campus no un correu electrònic
Has de fer la verificació per comprovar que no ets un robot.
ֱ   >  Màsters i postgraus  >  ǰó  >  Postgrau en Artificial Intelligence with Deep Learning
T'assessorem! Sol·licita informació o l'admissió

ʰԳٲó

徱ó
7a
è徱ٲ
15 ECTS
Modalitat
Live online
Idioma d'impartició
Բè
Preu
4.100€
Condicions especials en el pagament de la matrícula i campanya 0,7%

Finança la teva matrícula amb Sabadell Consumer Simulador de Sabadell Consumer i fes la teva sol·licitud a través de l'Assessora del Programa:

Isabel de la Fuente Larriba
(34) 93 115 57 51
isabel.delafuente@upcschool.upc.edu

">
. Utilitza el simulador per calcular fàcilment les teves quotes i sol·licita-ho a través de la teva Assessora del Programa.

Inscripció oberta fins l'inici del programa o fins l'exhauriment de places.
Dates de realització
Data d'inici: 05/10/2026
Data de fi: 17/03/2027
Horari
Dilluns: 18:00 a 21:00
Dimecres: 18:00 a 21:00
Vídeo de presentació
Per què aquest programa?
La intel·ligència artificial (IA) és el nucli de la revolució industrial 4.0, i la seva influència en la societat i l'economia augmenta cada any. La disponibilitat de grans volums de dades i recursos computacionals a costos assequibles ha fet possible, en l'última dècada, l’entrenament de xarxes neuronals profundes (deep learning), una potent eina en l’aprenentatge automàtic. Múltiples empreses ja apliquen avui aquest nou paradigma de programació orientat a les dades, mentre que, paral·lelament, les administracions públiques també desenvolupen plans estratègics per liderar el sector. El progrés s'ha accelerat el 2023, amb irrupcions com GPT-4, Gemini i Claude 3, sistemes multimodals impressionants. Les empreses estan competint per crear productes basats en IA, i el públic en general l'utilitza cada cop més.

Segons l’Índex IA 2023 de la Universitat de Stanford, la inversió empresarial en IA va superar els 189 bilions de dòlars, un augment de tretze vegades en la darrera dècada. El finançament per a la IA generativa ha augmentat, gairebé s'ha octuplicat des del 2022, fins a arribar als 25.200 milions de dòlars. El nombre d'empreses d'IA novament finançades el 2023 va ser de 1.821, un 40,6% més que l'any anterior. Això ha suposat un augment significatiu de les ofertes de feina a tots els sectors. Als Estats Units, les ofertes de feina relacionades amb la IA representen un 1,6% del total. A l’Estat espanyol, han representat un 1,4% quan era d'un 0,4%, i la quantitat de contractes de treball relacionats s'ha duplicat respecte a la mitjana del període 2015-2016. Aquests perfils requereixen competències en processament del llenguatge natural, visió per computador i robòtica, aplicacions que recentment han experimentat grans avenços gràcies a l’aprenentatge profund. La inversió pública en IA també està creixent. El programa Europa Digital de la UE finançarà la IA amb un total de 2.100 milions d'euros durant el període 2021-2027. En aquest context és comprensible que el portal d’anàlisi del mercat laboral glassdoor.com hagi escollit l’enginyeria de dades i l'enginyeria d'aprenentatge automàtic com les millors feines dels Estats Units durant els darrers anys, sent les competències en aprenentatge profund les més demandades.

El postgrau en Artificial Intelligence with Deep Learning té com a objectiu satisfer la gran demanda de professionals gràcies a un equip docent amb experiència i reconeixement global tant a la indústria com a l’àmbit acadèmic. El professorat del curs desenvolupa sistemes basats en xarxes neuronals profundes per a molts clients, i també dirigeix investigacions innovadores presentades a conferències científiques de primer nivell com la Conference on Neural Information Processing Systems (NeurIPS), la Conference on Computer Vision and Pattern Recognition (CVPR) o l'International Conference on Learning Representations (ICLR). Amb el seu suport, els estudiants del nostre programa adquireixen expertesa tant en implementacions pràctiques basades en PyTorch, com una base sòlida teòrica que permet entendre les seves oportunitats i limitacions en aquest camp.
Impulsat per:
  • Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona. ETSETB (UPC)
Objectius
  • Dissenyar models d'aprenentatge profund, especialment per processar text, imatges, vídeo i àudio.
  • Optimitzar i monitorar l'entrenament de xarxes neuronals profundes.
  • Processar grans corpus de dades amb maquinari especialitzat: Central Processing Unit (CPU) i Graphics Processing Unit (GPU).
  • Implementar solucions en entorns de programari especialitzats en aprenentatge profund.
  • Desenvolupar productes basats en intel·ligència artificial.
A qui va dirigit?
  • Titulats del sector de les telecomunicacions, la informàtica, les matemàtiques i la física que vulguin desenvolupar competències en aprenentatge automàtic basat en xarxes neuronals profundes.
  • Professionals que ja treballin en l'àmbit TIC i vulguin reorientar la seva activitat cap a la intel·ligència artificial.
  • Programadors que es vulguin beneficiar de les noves oportunitats que ofereix la intel·ligència artificial.

Cal tenir coneixements de programació en Python, així com nocions d’àlgebra i càlcul al nivell del grau d’enginyeria. L’estudiantat ha de disposar d’accés a Internet d’alta velocitat per accedir a les conferències de vídeo en directe i un ordinador amb el navegador Google Chrome. L'ordinador no requereix cap maquinari ni programari especial.

Continguts formatius

Relació d'assignatures
4 ECTS 30h
Deep Learning
  • Introducció a l'aprenentatge automàtic.
  • Entrenament de retropropagació.
  • El perceptró.
  • Softmax i perceptró multicapa.
  • Funcions de pèrdua.
  • Xarxes neuronals convolucionals (CNN).
  • Interpretabilitat.
  • Optimització.
  • Metodologia.
  • Xarxes neuronals convolucionals sobre grafs i sistemes de recomanació.
3 ECTS 24h
Natural Language Processing
  • Xarxes neuronals recurrents (RNN).
  • Atenció.
  • Transformers.
  • Introducció i processament de text.
  • Word embeddings.
  • Models de llenguatge i adaptacions avançades.
3 ECTS 21h
Computer Vision
  • Transfer learning (aprenentatge per transferència).
  • Aprenentatge autosupervisat i models autoregressius.
  • Mètrica i recuperació.
  • Arquitectures de vídeo.
  • Detecció d'objectes.
  • Segmentació.
  • Autocodificadors variacionals (VAE).
  • Xarxes adversàries generatives (GAN) i difusió.
2 ECTS 21h
Advanced Applications
L'estudiantat podrà decidir l'itinerari de l'assignatura, escollint una opció del bloc A i una opció del bloc B.

Bloc A (6 hores lectives)
  • Opció 1: Advanced NLP
    • Aplicacions avançades.
    • Tècniques avançades de personalització i entrenament.
  • Opció 2: Advanced CV
    • Reconstrucció 3D.
    • Detecció d’anomalies amb VAE.
    • Aplicacions de models generatius.
    • Vídeo.

Bloc B (9 hores lectives)
  • Opció 1: Speech Processing
    • Introducció a l'àudio i a la parla.
    • Millora de la parla.
    • Reconeixement de veu.
    • Text a veu.
  • Opció 2: Reinforcement Learning
    • Introducció a l'aprenentatge per reforç.
    • Q-Learning tabular.
    • Q-Learning profund.
    • Gradient de polítiques.
3 ECTS 27h
Project
  • Programació en Python per a l'aprenentatge profund i configuració.
  • Hiperparàmetres.
  • Computació en el núvol.
  • APIs.
  • Monitoratge de l'entrenament de xarxes neuronals: corbes d'entrenament, recursos computacionals.
  • Docker.

Els projectes es realitzaran en grups de 4 estudiants.
La UPC School es reserva el dret de modificar el contingut del programa, que pot variar per a una major adaptació als objectius del programa.
վٳܱó
Títol propi de diploma d'expertesa en Artificial Intelligence with Deep Learning, expedit per la Universitat Politècnica de Catalunya. Emès en virtut del previst en l'art. 7.1 de la Llei Orgànica 2/2023, de 22 de març, del Sistema Universitari, l'art. 36 del Reial Decret 822/2021, de 28 de setembre, pel qual s'estableix l'Organització dels Ensenyaments Universitaris i del Procediment d'Assegurament de la seva Qualitat, i els arts. 2 i 8 de la Modificació de la Normativa dels Estudis de ǰó Permanent, aprovada per l'Acord CG/2025/02/35, de 25 de març, del Consell de Govern de la UPC. Per a la seva obtenció és necessari tenir una titulació universitària prèvia equivalent al nivell 2 del Marc espanyol de qualificacions per a l'educació superior (MECES). En cas de no ser així, l'estudiant obtindrà un certificat d'aprofitament del programa per la Fundació Politècnica de Catalunya. (Veure dades que consten al certificat).

Metodologia d'aprenentatge

La metodologia docent del programa facilita l'aprenentatge de l'estudiantat i l'assoliment de les competències necessàries.

La metodologia d’aprenentatge del programa combina continguts impartits en directe (70%) i enregistrats (30%). Aquest esquema prioritza la interacció en línia entre professorat i estudiants, però també aprofita la flexibilitat horària dels vídeos enregistrats.

Hi ha dos tipus de sessions en directe: pràctiques i teòriques. Les sessions pràctiques es basen en el desenvolupament en directe d’un cas pràctic que els estudiants programen en sincronització amb el professorat, que atendrà les seves consultes. Les sessions teòriques s’estructuren a partir d’una xerrada enregistrada visualitzada prèviament pels estudiants en l’horari que més els convingui. Durant la sessió en directe, el professorat revisarà els continguts de la presentació, resoldran les consultes dels estudiants i proposaran exercicis per consolidar l’aprenentatge.



Eines d'aprenentatge
Sessions magistrals participatives
S'exposen els fonaments conceptuals dels continguts a impartir, tot promovent la interacció amb els estudiants per guiar-los en l'aprenentatge dels diferents continguts i el desenvolupament de les competències establertes.
Sessions pràctiques a l'aula
S'apliquen els coneixements en un entorn real o hipotètic, on s'identifiquen i treballen aspectes específics per facilitar la comprensió, amb el suport dels docents.
Resolució d'exercicis
Es treballen les solucions mitjançant l'exercitació de rutines, l'aplicació de fórmules o algoritmes i se segueixen procediments de transformació de la informació disponible i la interpretació dels resultats.
Flipped classroom
Es treballen els continguts de forma prèvia a les classes presencials. A l'aula es fan sessions pràctiques que permeten entendre i aplicar els conceptes sobre casos reals i s'amplien els coneixements amb detalls més tècnics i especialitzats.
Tutories
Es dona suport tècnic als estudiants en el desenvolupament del projecte final, en funció de la seva especialitat i de la temàtica del projecte.
Criteris d'avaluació
èԳ
Es requereix com a mínim el 80% d'assistència a les hores lectives.
Grau de participació
S'avalua la contribució activa dels estudiants en les diferents activitats proposades per l'equip docent.
Resolució d'exercicis, qüestionaris o exàmens
Proves individuals amb l'objectiu d'avaluar el grau d'aprenentatge i l'adquisició de competències.
Realització i presentació del projecte final
Projectes individuals o grupals en els quals s'apliquen els continguts impartits en el programa. El projecte pot estar basat en casos reals i comprendre la identificació d'una problemàtica, el disseny de la solució, la seva implementació o un pla de negoci. Comptarà amb una presentació i defensa pública del mateix projecte.
Pràctiques i borsa de treball
Des del campus virtual My_Tech_Space l'estudiantat podrà visualitzar les ofertes de treball del seu àmbit de coneixement i presentar la seva candidatura confidencialment. La borsa de treball de la UPC School té un volum anual de centenars d'ofertes de treball, entre contractes laborals i convenis de col·laboració en pràctiques.
Campus virtual
L'estudiantat d'aquest postgrau tindrà accés al campus virtual My_Tech_Space, una eficaç plataforma de treball i comunicació entre l'alumnat, el professorat, la direcció i la coordinació del programa. My_Tech_Space permet obtenir la documentació de cada sessió formativa abans de l'inici, treballar en equip, fer consultes als professors, visualitzar notes, etc.

Equip docent

Direcció Acadèmica
  • Ruiz Hidalgo, Javier
    Ruiz Hidalgo, Javier
    info
    / / /
    Doctor en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i Màster per la University of East Anglia (UEA), Regne Unit. Professor associat del Departament de Teoria del Senyal i Comunicacions de la UPC, i membre del Centre de Recerca en Ciència de Dades Intel·ligents i intel·ligència artificial (IDEAI-UPC). Ha liderat projectes de recerca i transferència tecnològica en el camp de la visió per computador, àrea on publica internacionalment. La seva recerca se centra en l'aprenentatge profund i les aplicacions en el processament de grafs 3D i xarxes generatives.
  • Pueyo Morillo, Jorge
    info
    / / /
    Doctorand en Computer Vision per la Universitat Politècnica de Catalunya (UPC). Màster en Advanced Telecommunication Technologies amb Deep Learning Specialization per la UPC. Grau en Enginyeria de Tecnologies i Serveis de Telecomunicació per la Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona (ETSETB). Actualment fent recerca en l'àmbit de Computer Vision, especialment aplicat al contingut 3D. Anteriorment part del grup de Mobile Wireless Internet del centre de recerca i2cat.
Professorat
  • Aguilar Carrillo, Rafael Ignacio
    info

    Enginyer en Informàtica per la Universitat Centroccidental Lisandro Alvarado (UCLA). Actualment treballa com a enginyer de programari a l'equip de GlovoMaps a Glovo. És mentor en enginyeria de programari per a organitzacions i individus. Disposa de més de deu anys d'experiència en diferents empreses transnacionals en àmbits com la logística, el retail, el real state i les consultores de programari.
  • Albors Zumel, Laia
    info

    Graduada en Ciència i Enginyeria de Dades per la Universitat Politècnica de Catalunya (UPC), màster en Visió per Computador per la Universitat Autònoma de Barcelona (UAB). Actualment, està fent el doctorat en el departament de Teoria del Senyal i Comunicacions de la UPC, i està duent a terme la seva tesi doctoral sobre l'ús eficient de tècniques de deep learning per a la detecció i identificació d'espècies de fauna i flora. Anteriorment, ha treballat al Barcelona Supercomputing Center (BSC), en el grup de Emerging Technologies for Artificial Intelligence en un projecte conjunt amb CaixaBank.
  • Anglada Rotger, David
    info

    Candidat a doctorant en Processat d'Imatge Mèdica per la Universitat Politècnica de Catalunya (UPC). Màster en Advanced Mathematics and Mathematical Engineering per la UPC. Graduat en Matemàtiques i Ciència i Enginyeria de Dades pel Centre de Formació Interdisciplinària (CFIS) per la UPC. Actualment, assistent a la recerca en el projecte Digipatics, pel desenvolupament d'algorismes d'intel·ligència artificial pel processat d'imatges histopatològiques, en col·laboració amb l'Institut Català de la Salut (ICS).
  • Cámbara Ruiz, Guillermo
    info

    Graduat en Física per la Universitat de Barcelona (UB). És doctorand en reconeixement automàtic de la parla per la Universitat Pompeu Fabra (UPF) i Telefónica Research i té un màster en Sistemes Intel·ligents Interactius per la UPF. La seva recerca en deep learning per a processament d'àudio, parla i llenguatge natural s'ha aplicat en sistemes cognitius com Aura, el home assistant de Telefónica, o Ingenious, un traductor veu-a-veu per equips d'emergència europeus. També ha col·laborat amb investigadors de prestigioses institucions, com la Universitat Tecnològica de Brno (BUT) o Dolby Labs.
  • Cardoso Duarte, Amanda
    info

    Doctora en Teoria del Senyal i Comunicacions per la Universitat Politècnica de Catalunya (UPC). Màster en Enginyeria Informàtica per la Universidade Federal do Rio Grande (FURG - Brasil). Actualment, AI4S Fellow i Cap d'equip d'intel·ligència artificial al Barcelona Supercomputing Center (BSC), lidera projectes que integren AI/ML en tasques de ciències de la Terra. Amb formació en aprenentatge multimodal, traducció de llenguatge de signes i aplicacions d'IA relacionades amb el clima, ha contribuït a les principals iniciatives de recerca europees com ara els projectes Destination Earth i Horizon Europe.
  • Carós Roca, Mariona
    info

    Màster en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), especialitzada en multimèdia (DL sobre visió, parla i text). Va treballar a Telefónica com a Data Scientist desenvolupant models DL per a la detecció d'anomalies a les xarxes. Actualment està cursant el seu doctorat a la Universitat de Barcelona (UB) en modelatge de dades LiDAR per a aplicacions ambientals, en col·laboració amb l'Institut Cartogràfic i Geològic de Catalunya (ICGC). També és membre de Young IT Girls, una organització sense ànim de lucre per animar les nenes a realitzar estudis tecnològics.
  • Carrino, Casimiro Pio
    info

    Llicenciat en Física per la Universitat de Nàpols Federico II i Màster en Física de Sistemes Complexos per la Universitat de Torí. Compte amb 8 anys d'experiència com a investigador en Processament del Llenguatge Natural (PLN). Ha estat membre del Barcelona Supercomputing Center (BSC), on va desenvolupar models lingüístics per a llengües catalanes i espanyoles. Actualment, és investigador sènior a Avature i treballa a IA generativa i cerca d'informació per al mercat laboral. Alhora, està fent un doctorat a la Universitat Politècnica de Catalunya (UPC), explorant les aplicacions de l'aprenentatge profund en la resposta automàtica a preguntes multilingües.
  • Caselles Rico, Pol
    info

    Enginyer de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i màster en Tecnologies Avançades de Telecomunicació per la UPC. Actualment és estudiant de doctorat a la UPC i col·labora amb l'Institut de Robòtica Industrial (IRI). Treballa a Crisalix Labs en l'àmbit de la reconstrucció en 3D amb aprenentatge profund. Va centrar el seu treball de grau en la predicció de la prominència, a l’Insight Centre for Data Analytics de Dublín, i el treball final de màster en l'estudi de l'espai de pesos dels models neuronals, a la Universitat de St. Gallen de Suïssa.
  • Escolano Peinado, Carlos
    info
    /
    Doctor en informàtica per la Universitat Politècnica de Catalunya (UPC) i màster en Intel·ligència Artificial per la UPC. Actualment és investigador al grup de tecnologies del llenguatge del Barcelona Supercomputing Center (BSC), així com professor associat al departament de Ciències de la Computació de la UPC. La seva àrea d'experiència és el processament del llenguatge natural, especialment la traducció automàtica multilingüe amb xarxes neuronals.
  • Fojo Àlvarez, Daniel
    info

    Graduat en Matemàtiques i en Enginyeria Física pel Centre de Formació Interdisciplinària Superior (CFIS) i màster en Matemàtiques Avançades i Enginyeria Matemàtica. Machine learning engineerLace Lithography.
  • Giardina, Claudia
    info
    /
    Màster en Ciències de la Computació per la Facultat Politècnica de la Universitat Nacional Asunción (UNA). Enginyera en Electrònica Mèdica per la Facultat Politècnica de la UNA. Especialista en Didàctica de lEducació Superior per la UNA. Actualment estudiant doctoral al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC), treballant en un projecte d'intel·ligència artifical aplicada a imatges mèdiques.
  • Giró Nieto, Xavier
    info
    / / /
    Científic aplicat a Amazon Science Barcelona, en el camp de l'aprenentatge profund aplicat a la visió per computador. Fou fundador i director del postgrau durant les primeres nou edicions entre 2019-2022, tasca que compaginava amb la seva recerca i docència a la Universitat Politècnica de Catalunya (UPC) i Institut de Robòtica i Informàtica Industrial (IRI). És membre de l'European Laboratory for Learning and Intelligent Systems (ELLIS) i impulsador del Deep Learning Barcelona Symposium (DLBCN).
  • Gómez Duran, Paula
    info

    Màster en Advanced Telecommunication Technologies (MATT) per la Universitat Politècnica de Catalunya (UPC). Actualment està cursant un doctorat en Sistemes de Recomanació Contextuals a la Universitat de Barcelona (UB). Acumula tres anys d'experiència en temes de programació full-stack (Visual Engineering) i investigació en diferents camps d'intel·ligència aritificial, tant a universitats com a la Universitat de Barcelona o la UPC, com a entitats com l'Insight SFI Research Centre for Data Analytics, Telefonica Research i TV3. Recentment ha realitzat una publicació sobre el Graph Convolutional Embeddings for Recommender Systems.
  • Granero Moya, Marcel
    info

    Doctoranda en Intel·ligència Artificial per la UPF Barcelona. Ex-Amazon AI Cambridge. Màster en Data Science per l'EPFL Suïssa. Grau d'Enginyeria de Telecomunicacions per la UPC BarcelonaTech.
  • Hernández Pérez, Carlos
    info
    /
    Estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC). Té un profund interès en la intel·ligència artificial i en els beneficis que aquesta tecnologia pot aportar pel futur de la nostra espècie. Se centra sobretot en el seu ús per a aplicacions mèdiques, però també li agrada utilitzar-la amb finalitats artístiques.
  • Jiménez Martín, Lauren
    info

    Estudiant de doctorat al Departament de Teoria del Senyal i Comunicacions de la Universitat Politècnica de Catalunya (UPC), amb finançament FI AGAUR 2022. Llicenciada en Ciències de la Computació per la Universitat de l'Havana. Ha aplicat anteriorment tècniques de machine learning per restaurar imatges mèdiques. Actualment, prepara la seva tesi doctoral sobre l'aplicació de deep learning per resoldre problemes mèdics en imatges histopatològiques, especialment l'estudi d'Attention i Transformers.
  • Malik Ara, Ibrar
    info

    Llicenciat en Ciència i Enginyeria de Dades per la Universitat Politècnica de Catalunya (UPC) i en Màster en Visió per Computador per la Universitat Autònoma de Barcelona (UAB). Actualment, treballa en l'equip de deep learning de Crisalix com a tech lead, aplicant la seva experiència en el camp de la reconstrucció 3D i l'aprenentatge profund en producció.
  • Mosella Montoro, Albert
    info

    Científic investigador especialitzat en la intersecció de Visió per Computador i Gràfics. Actualment col·labora amb l'Human Sensing Lab de la Universitat Carnegie Mellon. Va obtenir el doctorat en Aprenentatge Profund per la Universitat Politècnica de Catalunya. Albert va treballar anteriorment a Epic Games, on va desenvolupar xarxes neuronals per facilitar i accelerar el disseny i l'animació de personatges 3D. Abans d'Epic Games, es va exercir com a enginyer de visió per ordinador a Ficosa, on va implementar i va integrar algorismes de visió per ordinador per a sistemes avançats d'assistència a la conducció.
  • Nieto Salas, Juan José
    info

    Grau en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i màster de Data Science per la UPC. Ha realitzat pràctiques utilitzant tècniques de deep learning i reinforcement learning a l'Insight Centre for Data Analitycs i a Telefónica. Actualment treballa com a Data Scientist a Glovo.
  • Pareras Velasco, Oriol
    info

    Màster en Tecnologies de Telecomunicació Avançades a la UPC. Grau en Enginyeria de Tecnologies i Serveis de Telecomunicació a la UPC. Actualment, està fent recerca a la Unitat de Tecnologies de Llenguatge del Barcelona Supercomputing Center. La seva àrea de recerca és la multimodalitat en LLMs.
  • Peiró Lilja, Alex
    info

    Enginyer de Telecomunicacions per la Universitat Politècnica de Catalunya (UPC) i màster en Sistemes Interactius Intel·ligents per la Universitat Pompeu Fabra (UPF). Involucrat en l'àmbit de la recerca i la implementació de sistemes de síntesi i reconeixement de veu en videojocs. Actualment treballant com a Research Engineer al Barcelona Supercomputing Center (BSC) sota el projecte AINA, i doctorant a la Universitat de Barcelona (UB).
  • Pina Benages, Oscar
    info

    Estudiant de doctorat a la Universitat Politècnica de Catalunya (UPC). Màster en Tecnologies de Telecomunicació Avançades, menció en Deep Learning for Multimedia Processing. La seva investigació se centra en self-supervised graph representation learning i la seva aplicació al processament d'imatge mèdica, concretament en el camp de la histopatologia digital.
  • Pons Puig, Jordi
    info

    Enginyer de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), doctor en Tecnologia Musical, Grans Col·leccions de Sons i Aprenentatge Profund en el Grup de Tecnologia Musical de la Universitat Pompeu Fabra (UPF). A més, té un màster en Tecnologies del So i de la Música. Actualment és investigador a Dolby Laboratories. Va fer estades de pràctiques a l'Institut de Recerca i Coordinació Acústica/Musical de París (IRCAM), al Centre Alemany d'Audició de Hannover, a Pandora Ràdio i a Telefónica Research.
  • Pueyo Morillo, Jorge
    info
    / / /
    Doctorand en Computer Vision per la Universitat Politècnica de Catalunya (UPC). Màster en Advanced Telecommunication Technologies amb Deep Learning Specialization per la UPC. Grau en Enginyeria de Tecnologies i Serveis de Telecomunicació per la Escola Tècnica Superior d'Enginyeria de Telecomunicació de Barcelona (ETSETB). Actualment fent recerca en l'àmbit de Computer Vision, especialment aplicat al contingut 3D. Anteriorment part del grup de Mobile Wireless Internet del centre de recerca i2cat.
  • Rafieian, Bardia
    info

    Estudiant de doctorat i investigador al Departament d'Informàtica de la Universitat Politècnica de Catalunya (UPC). Màster en Enginyeria de Programari i Mineria de Dades per la Universitat Qazvin Azad (QIAU). Actualment treballa a Bechained.ai al camp de les operacions d'aprenentatge automàtic (MLOps) duent a terme recerca i desenvolupament en integració de programari, optimització d'energia, sistemes de recomanació, processament del llenguatge natural (PLN) i predicció de sèries temporals. Té set anys dexperiència en mineria de dades i PLN i cinc anys en aprenentatge automàtic i integració de programari.
  • Ribalta i Albado, Maria
    info

    Graduada en Enginyeria i Ciència de Dades de la Universitat Politècnica de Catalunya. Màster en Anàlisi i Processament del llenguatge per la Universitat del País Basc (UPV-EHU). Actualment treballant a l'equip de Research d'IA Generativa a Mango.
  • Ruiz Hidalgo, Javier
    info
    / / /
    Doctor en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC) i Màster per la University of East Anglia (UEA), Regne Unit. Professor associat del Departament de Teoria del Senyal i Comunicacions de la UPC, i membre del Centre de Recerca en Ciència de Dades Intel·ligents i intel·ligència artificial (IDEAI-UPC). Ha liderat projectes de recerca i transferència tecnològica en el camp de la visió per computador, àrea on publica internacionalment. La seva recerca se centra en l'aprenentatge profund i les aplicacions en el processament de grafs 3D i xarxes generatives.
  • Sanchez Cervera, Ariadna
    info

    Grau en Enginyeria de Sistemes Audiovisuals per la Universitat Politècnica de Catalunya (UPC) i màster en Processament del Llenguatge i la Parla per la Universitat d'Edimburg. Fins al 2023, va ser investigadora a l'equip de text a veu d'Amazon. Actualment, està completant un doctorat en tecnologies de la parla i veu per veus patològiques a la Universitat d'Edimburg.
  • Solé Gómez, Jaume Alexandre
    info
    / / /
    Cursant un doctorat al Grup de Processament d'Imatges de la Universitat Politècnica de Catalunya (UPC), sota la supervisió de Javier Ruiz-Hidalgo. Interessat en temes relacionats amb les xarxes neuronals de grafs i l'aprenentatge autosupervisat. Anteriorment, investigador a l'Istituto Italiano di Tecnologia, assistent de recerca a Vicomtech i assistent de recerca a la TU Delft. Màster en Enginyeria de Telecomunicacions (2020) i llicenciatura en Enginyeria de Tecnologies i Serveis de Telecomunicacions (2018) a la Universitat Politècnica de Catalunya. Durant els meus estudis, vaig fer estades a Télécom ParisTech, TU Delft i la Universitat de Luxemburg.
  • Tarrés Benet, Laia
    info

    Graduada en Enginyeria de Telecomunicació per la Universitat Politècnica de Catalunya (UPC), màster en Tecnologies Avançades de la Telecomunicació per la UPC. Ha participat en múltiples projectes d'aprenentatge profund amb el Grup de Processament de la Imatge de la UPC. Actualment, està fent el doctorat a la UPC i està duent a terme la seva tesi doctoral sobre l'aplicació de transforms en llengua de signes. Anteriorment, ha participat en projectes que han consistit en la detecció de lesions a la pell i la coloració d'imatges històriques en blanc i negre, utilitzant deep learning. També ha fet internships a Amazon Research Alemanya.
  • Vega Gallego, Pablo
    info

    Doctorant en Visió per Computador al Departament de Teoria del Senyal i Comunicacions (TSC) de la Universitat Politècnica de Catalunya (UPC). Graduat al Màster en Visió per Computador pel Centre de Visió per Computador (CVC) de la Universitat Autònoma de Barcelona (UAB). Actualment, duu a terme investigacions sobre la detecció d'objectes en 3D, amb un enfocament particular al camp de l'agronomia. Durant el Treball Final de Màster, va col·laborar amb la Universitat de Lleida en un projecte centrat en la detecció de pomes en núvols de punts.
  • Ventura Royo, Carles
    info

    Doctor en Computer Vision per la UPC. Actualment és professor d’estudis d'Informàtica, Multimèdia i Telecomunicació a la Universitat Oberta de Catalunya (UOC), on imparteix assignatures d’intel·ligència artificial, aprenentatge computacional i visió per computador. La seva recerca se centra en la visió per computador: detecció i segmentació d’objectes i segmentació d’imatges. És membre del grup de recerca Artificial Intelligence for human WELLbeing (AIWELL) de la UOC.
  • Vila Bagaria, Sigrid
    info
    / /

    Doctoranda al Departament de Teoria del Senyal i Comunicacions (TSC) de la Universitat Politècnica de Catalunya (UPC). Màster interuniversitari en Visió per Computador pel Centre de Visió per Computador (CVC). Grau en Ciència i Enginyeria de Dades per la UPC. La seva recerca se centra en l'aplicació de Deep Learning a imatges histopatològiques i de ressonància magnètica, treballant en tasques com la classificació i la generació.

  • Vilaplana Besler, Verónica
    info
    / / /
    Doctora en Anàlisi de la Imatge per la Universitat Politècnica de Catalunya (UPC) i màster en Matemàtiques i màster en Informàtica per la Universitat de Buenos Aires (Argentina). És professora associada al Departament de Teoria del Senyal i Comunicacions de la UPC on imparteix aprenentatge profund, aprenentatge automàtic i visió per computador. Membre de l’Intelligent Data Science and Artificial Intelligence Research Center (IDEAI-UPC). La seva recerca se centra en l’aprenentatge automàtic, l’aprenentatge profund i les aplicacions en imatge mèdica i teledetecció.
  • Ysern García, Maria
    info
    / /
    Màster en Advanced Telecommunication Technologies (MATT) per la Universitat Politècnica de Catalunya (UPC), menció en Deep Learning for Multimedia Processing. Actualment estudiant de doctorat al Departament de Teoria del Senyal i Comunicacions de la UPC. La seva investigació se centra en l'ús de models generatius per imatge mèdica.

Entitats col·laboradores

Socis col·laboradors
  • Crisalix
  • Institut de Robòtica Industrial, CSIC-UPC
  • Weights & Biases

Sortides professionals

  • Enginyer d'intel·ligència artificial.
  • Enginyer en xarxes neuronals profundes.
  • Enginyer en visió per computador.
  • Enginyer en processament del llenguatge natural.
  • Enginyer en processament de l'àudio i de la veu.
  • Analista de dades/data scientist.


Testimonis i notícies

Testimonis

Buscava una formació per aprofundir en l'àrea del deep learning i poder entrar, així, en el món laboral. Jo partia d'un perfil totalment teòric, ja que el meu background és matemàtic. Del postgrau en Artificial Intelligence with Deep Learning destacaria, d'una banda, el seu enfocament pràctic i, de l'altra, el gran ventall de continguts tractats. A més, es treballen desenvolupaments tant clàssics com moderns de certes idees. Aquesta formació m'ha obert un camp amb noves oportunitats, ja que aquesta àrea té molta repercussió en el context actual. El projecte final va ser molt interessant, va tractar sobre la segmentació d'imatges mèdiques. La veritat és que quan vaig començar el postgrau no m'imaginava capaç de fer alguna cosa d'aquesta complexitat. En definitiva, recomanaria aquesta formació pel seu enfocament aplicat, enfocat al món laboral, en la qual aprens la mecànica que s'amaga darrere del deep learning i adquireixes les eines necessàries per posar-lo en pràctica.

Núria Sánchez Alumni del postgrau en Artificial Intelligence with Deep Learning

Testimonis
La intel·ligència artificial és un dels temes tecnològics de més actualitat, fora i dins del món professional. A més d'un interès propi, com a membre de l'equip de digitalització d'una empresa industrial, he d'estar al dia de les tendències. Si a més puc aconseguir un coneixement tècnic detallat, això suposa un gran valor afegit tant per a l'empresa per a la qual treballo com per al meu projecte professional personal. Això és precisament el que em va aportar el postgrau en Deep Learning: una primera immersió en aquest camp de la IA, així com la possibilitat de submergir-me en més profunditat en les seves diferents àrees, en funció del meu interès. El fet que l'alumnat estigués format per professionals de diferents sectors em va aportar nous punts de vista, sobretot a l'hora d'identificar potencials projectes en els quals aplicar IA. Amb els coneixements adquirits puc promoure d'una manera informada l'ús de la tecnologia dins de l'empresa per optimitzar els processos i, fins i tot, idear noves vies de negoci

Martí Pomés Technical Lead de Projectes de Robòtica de Processos a Omya

Testimonis
Des de la meva posició a CatSalut fent anàlisi de dades en salut pública volia aprendre més al voltant de com aplicar l’estadística per obtenir informació de valor a partir de grans quantitats de dades, especialment per ajudar a la diagnosi mèdica. El postgrau em va permetre entendre sòlidament les bases del deep learning i les diferents branques on es pot aplicar. Té un vessant molt pràctic que et permet llegir programes ja fets, modificar-los i crear-ne de propis. Els professors, molt especialitzats, junt amb la possibilitat de fer un projecte de deep learning des de zero contribueixen a assolir resultats visibles i reals. El que vaig aprendre ho he pogut aplicar a la meva carrera professional. De fet, m’he engrescat tant que iniciaré el doctorat en aquest àmbit, on aplicaré la intel·ligència artificial per generar imatges mèdiques.

Júlia Folguera Data Analyst a CatSalut

Testimonis
Notícies del Blog
Èxit del 5è Deep Learning Barcelona Symposium
Èxit del 5è Deep Learning Barcelona Symposium
10-01-2024
Èxit del 5è Deep Learning Barcelona Symposium
Èxit del 5è Deep Learning Barcelona Symposium
10-01-2024

Sol·licita informació o l'admissió

Informació i orientació:
Isabel de la Fuente Larriba
(34) 93 115 57 51
Sol·licitud rebuda!
Un cop registrem la teva petició, rebràs confirmació per correu electrònic i ens posarem en contacte amb tu.

Gràcies pel teu interès en els nostres programes formatius.
Error
Per un error en la connexió a la base de dades la teva sol·licitud no s'ha pogut cursar. T'agrairem que repeteixis el procés més tard o bé que et posis en contacte amb nosaltres trucant al (34) 93 112 08 08 o enviant-nos un correu electrònic a: webmaster.fpc@fpc.upc.edu
Has superat el tamany màxim del fitxer
Les teves dades no estan registrades a la base de dades de personal.
Pots fer una inscripció omplint el formulari.
Si us plau, revisa les dades de pagament. La plataforma ha retornat un error.
Pots tornar a fer el pagament sense introduir les dades novament.

Nom:

Programa: Artificial Intelligence with Deep Learning

Preu: 4.100€

Enviar i fer el pagament
  • Si tens algun dubte.
  • Si vols iniciar els tràmits per matricular-te.
Com iniciar l'admissió
Per iniciar el procés d'inscripció a aquest programa cal omplir i enviar el formulari que trobaràs al peu d'aquestes línies.

A continuació, rebràs un correu electrònic de benvinguda on es detallaran els tres passos a seguir per formalitzar el procés d'inscripció:

1. Completar i confirmar les teves dades personals.

2. Adjuntar la documentació addicional requerida, en cas que sigui necessària per a l'admissió.

3. Pagar 110€ en concepte de drets d'inscripció al programa. L'import d'aquests drets es descomptarà de la quantia total de la matrícula i només es retornarà en cas de no resultar admès.

Un cop realitzat el pagament de drets i disposem de tota la documentació, valorarem la teva candidatura i, si has estat admès al curs, t'enviarem la carta d'admissió. En aquest document obtindràs tots els detalls per formalitzar la matrícula al programa.





  política de protecció de dades

* Camps obligatoris

Informació bàsica o primera capa sobre protecció de dades

Responsable

Fundació Politècnica de Catalunya (en endavant, FPC).

Finalitat

Contestar les sol·licituds d’informació de l’interessat sobre activitats de formació gestionades o realitzades per l’FPC .

Establiment o manteniment de relació acadèmica amb l’interessat.

Enviar informació sobre les activitats de l'FPC.

𲵾پó

Consentiment de l'interessat.

Interès legítim en el desenvolupament de la relació acadèmica.

Destinataris

No hi ha cessions o comunicacions.

Drets

Accés, rectificació, supressió, limitació, oposició i portabilitat.

Dades de contacte del delegat de protecció de dades

info.dpo@fpc.upc.edu

Informació addicional

Política de privacitat de la nostra pàgina web.

Termini de conservació

Política de privacitat de la nostra pàgina web.

Serveis de pagament

En cas que l’interessat formalitzi la relació amb l’FPC, l’ordenant (interessat) autoritza i dóna el seu consentiment al càrrec, per tant, amb renuncia expressa al dret de devolució sobre el càrrec.

CONDICIONS DE MATRÍCULA DE LA FUNDACIÓ POLITÈCNICA DE CATALUNYA

Գٰǻܳó

La Fundació Politècnica de Catalunya (FPC), amb NIF núm. G60664000, i inscrita en el Registre de Fundacions de la Generalitat de Catalunya amb el núm. 834, duu a terme el disseny, la promoció i la gestió dels estudis de formació permanent de la Universitat Politècnica de Catalunya (UPC), així com d'altres activitats formatives que impulsa. La regulació acadèmica dels estudis de formació permanent de la UPC està recollida a l'Acord CG/2025/02/35, de 25 de març, del Consell de Govern, pel qual s'aprova l'actualització de la modificació de la normativa dels estudis de formació permanent. I els articles 36 i 37 del Reial decret 822/2021, de 28 de setembre, pel qual s'estableix l'organització dels ensenyaments universitaris i del procediment d'assegurament de la seva qualitat. El Consell Social de la UPC aprova el preu dels estudis de formació permanent, així com els descomptes, els ajuts i els serveis accessoris, de cada curs acadèmic.


Posada a disposició, coneixement i acceptació de les Condicions de Ѳٰíܱ

La lectura i acceptació de les presents Condicions de Ѳٰíܱ són requisit indispensable per a cursar un estudi a l'FPC perquè constitueixen les bases del contracte de prestació de serveis de formació que el participant subscriu, per via electrònica, amb l'FPC. Aquestes Condicions de Ѳٰíܱ estan a disposició dels usuaris al Portal de Transparència:

Aquestes Condicions són aplicables a tots els estudis que imparteix l'FPC, a excepció dels dirigits a altres institucions universitàries i a ens públics i privats, que es regiran pels instruments jurídics que vinculin les institucions participants.


Admissió i drets d'inscripció

El procés d'admissió pot requerir el pagament previ dels drets d'inscripció; aquest import es descomptarà del preu de la matrícula un cop admès i només seran retornats en cas de no admissió, ajornament o no realització de l'estudi, en aquest últim cas, únicament si la carta d'admissió és vigent. El procés d'admissió conclou amb l'enviament de la carta d'admissió al participant, en la que es recullen les dades de l'estudi, el període d'impartició, el preu de la matrícula i els terminis de pagament.


Ѳٰíܱ

El procés de matrícula es formalitza amb el primer pagament del preu de l'estudi, sigui parcial o total. Per l'anterior, aquest primer pagament del preu de l'estudi, es correspon amb la subscripció del contracte de prestació de serveis de formació regulat en aquestes Condicions; amb independència que s'hagi produït l'abonament total del preu o de qualsevol dels terminis de pagament acordat.

Correspon al participant informar-se dels descomptes en el preu de la matrícula i acreditar que concorren les circumstàncies pertinents per a gaudir-los, sempre amb caràcter previ a l'acte de formalització de la matrícula; en cas contrari, no podrà gaudir-los. Els descomptes i els ajuts no són acumulables entre ells, tret que no siguin incompatibles i així s'indiqui expressament.

El participant declara conèixer i acceptar les convocatòries i les bases dels ajuts econòmics corresponents a l'actual curs acadèmic i de les quals ha sol·licitat ser-ne beneficiari. En cas que l'estudiant no completés o renunciés a l'estudi objecte d'ajut, descompte o subvenció en el termini fixat en la corresponent convocatòria o en el document de matrícula, aquest haurà de retornar a l'FPC la quantitat atorgada o deduïda del preu. A aquest participant no li serà d'aplicació el previst en l'apartat Canvi de matrícula de les presents condicions.

La matrícula és personal i intransferible, de manera que un cop formalitzada només donarà dret a cursar l'estudi a la persona física que hagi estat identificada com a persona candidata i, posteriorment, com a persona admesa.

L'import de matrícula podrà ser abonat totalment o parcialment per terceres parts, si bé el dret/obligació a seguir la formació correspon al participant, sine que la part pagadora pugui interferir o impedir en cap forma l'exercici de tal dret. L'anterior, sens perjudici del dret de l'FPC a impedir la continuïtat del participant en els casos previstos en l'apartat Manca de pagament de l'import de la matrícula previst en aquestes Condicions.

L'import abonat en concepte de matrícula no serà retornat un cop iniciat l'estudi, ni transcorreguts 14 dies naturals des de la data de pagament. En cas contrari es podrà exercir el dret de desistiment. Únicament es retornarà l'import pagat en cas que l'estudi s'ajorni o no es realitzi.

Malgrat l'anterior, i amb caràcter excepcional, es produirà la devolució de matrícula si es donen les següents circumstàncies:

  • Denegació de visat: s'acredita amb la carta de denegació i sempre abans de l'inici de l'estudi; i
  • Malaltia o accident greu del participant: s'acredita amb certificat mèdic oficial, on consta la data inicial de la malaltia i el període previst de convalescència, sempre abans de l'inici de l'estudi.

Només en ambdós casos, l'FPC retornarà el total import abonat pel participant menys 300 euros en concepte de despeses de tramitació de l'expedient acadèmic.


ǰó bonificada

L'FPC no es fa responsable de l'acompliment dels requisits acadèmics i/o administratius per tal que la formació contractada pugui ser eventualment bonificada, el participant o qui l'abona ho fa sota el seu propi compte i risc i eximeix de tota responsabilitat i indemnitat a l'FPC.


Canvi de matrícula

Les sol·licituds de canvi de matrícula, sigui d'estudi o modalitat d'impartició, es realitzaran dins dels 15 dies naturals següents a partir de la data d'inici de l'estudi d'origen. Les peticions fora d'aquest termini no seran admeses. L'admissió de la petició serà avaluada i es determinarà, en cada cas, la seva idoneïtat. Quan la modificació comporti un increment del preu total de la matrícula, el participant n'assumirà el diferencial. Quan la modificació suposi una disminució del preu de la matrícula, el diferencial serà retornat. Els canvis de matrícula, un cop avaluats i amb independència del resultat de la petició, tindran un cost pel peticionant de 300 € en concepte de tramitació d'expedient acadèmic, llevat de si la modificació és deguda a causes imputables a l'FPC.


Devolució de l'import de la matrícula

L'FPC es reserva el dret de cancel·lar o ajornar la realització d'un estudi per manca de participants. El participant afectat podrà optar entre realitzar un altre estudi o bé sol·licitar la devolució de l'import abonat dins el termini d'un mes a comptar de la comunicació de l'FPC, en cas de manca de resposta, l'import abonat es destinarà a ajuts per altres estudiants. L'FPC no realitzarà cap compensació addicional i/o indemnització en cas de cancel·lació o ajornament d'un estudi o canvis en la seva impartició. En cas que l'FPC realitzi modificacions que no afectin substancialment el contingut de l'estudi, el lloc d'impartició, l'horari i/o la data d'inici, el participant no tindrà dret a la devolució de matrícula ni a cap tipus de compensació addicional


Manca de pagament de l'import de la matrícula

La manca de pagament de l'import total o parcial de la matrícula en els terminis fixats podrà donar lloc a la suspensió o conclusió del servei de formació en els termes que s'indiquen a continuació. L'FPC està facultada per realitzar quantes accions tingui per convenients per a suspendre el servei; per una part, en l'àmbit acadèmic mitjançant la suspensió de l'expedient acadèmic, no permetent l'accés a la docència a l'aulari (presencial o en línia), limitant l'accés al campus virtual, la no avaluació de cap de les assignatures i la impossibilitat de seguir amb convenis de pràctiques, entre d'altres; i per l'altra, en l'àmbit administratiu i legal, emprenent les corresponents reclamacions i accions de rescabalament. L'estudiant que tingui deutes pendents de pagament amb l'FPC o no hagi aprovat tots els crèdits necessaris per superar l'estudi abans de la data de finalització del mateix no podrà obtenir el títol o certificat, en el seu cas. Les persones amb imports pendents d'abonament a l'FPC, no podran cursar cap nou estudi impartit per l'FPC fins al pagament de l'import pendent. Finalment, l'FPC es reserva el dret a suspendre definitivament la matrícula (baixa d'ofici), sense obligació de retornar cap import, en els següents casos:

  • Manca de veracitat i/o validesa de les dades i la documentació aportades i no resposta als requeriments de documentació;
  • Impagament de l'import parcial o total de la matrícula en els terminis acordats; i
  • Realització de qualssevol comportaments, expressió o contingut difamatori, il·legal, ofensiu o que atempti contra els valors i dignitat de les persones (professorat, participants, personal de gestió, etc.) o contra la bona imatge i reputació de l'FPC, ja es produeixin en entorns físics com virtuals, incloses les xarxes socials.

Dret de desistiment

El participant d'un estudi podrà exercir el seu dret de desistiment durant un període de 14 dies naturals comptats a partir de la data de formalització de la matrícula i sempre que l'estudi no s'hagi iniciat. Per l'anterior, el participant, amb la lectura i l'acceptació d'aquestes Condicions, queda informat que l'inici del curs o durant la seva realització deixa sense aplicació el dret de desistiment, de conformitat amb l'establert a l'article 103 a) de la Llei 3/2014 del 27 de març, per la qual es modifica el text refós de la Llei General per a la Defensa dels Consumidors i Usuaris i altres lleis complementàries, aprovat pel Reial Decret Legislatiu 1/2007, del 16 de novembre, i normatives concordants.


貹پó

El lloc i/o data d'impartició pot canviar per raons acadèmiques (canvis i adaptacions de calendari, necessitats de recursos docents addicionals, etc.) i d'organització i logística (adequació d'espais). Així, es vetllarà per tal que els anteriors canvis s'informin als participants amb un mínim de 15 dies naturals abans de l'inici de l'estudi. Els canvis puntuals i temporals s'avisaran amb la deguda antelació.


Dret a títol/certificat

La superació dels estudis de màster de formació permanent, diploma d'especialització o diploma d'expertesa dona dret a l'obtenció d'un títol, expedit pel rector o rectora de la Universitat, per a estudiants amb un títol universitari previ equivalent al nivell 2 del Marc espanyol de qualificacions per a l'educació superior (MECES), segons un model normalitzat. Els estudiants i les estudiants que no acreditin que posseeixen el títol universitari tenen dret a obtenir un certificat de l'FPC, segons un model normalitzat. Els estudis de curta durada, amb una càrrega lectiva inferior a 15 crèdits ECTS, donen dret a l'obtenció d'un certificat expedit per l'FPC, segons un model normalitzat; tanmateix, si entre aquests estudis hi ha les denominades microacreditacions, s'obté una acreditació digital emesa per la Universitat amb reconeixement als països participants en l'Europass o equivalent. Els títols són expedits en català i anglès i, a sol·licitud de l'estudiant, en castellà i anglès. En el cas de les titulacions conjuntes, l'expedició s'ha d'ajustar al que prevegi l'acord de col·laboració corresponent.


Acreditació de la titulació universitària i altra documentació

En cas de no presentar la documentació requerida abans de l'últim dia lectiu de l'estudi, en aquelles titulacions que ho requereixin, o aquesta no sigui autèntica i/o suficient, no es procedirà a l'expedició del títol, encara que el participant hagi superat l'estudi.


Resolució de controvèrsies

Els serveis de formació que l'FPC presta, estan, en tot cas, subjectes a dret privat, qualsevol interpretació o divergència derivada d'aquestes Condicions correspon a l'FPC. En cas de manca d'acord, la divergència que es plantegi estarà subjecte al dret privat i els tribunals de la ciutat de Barcelona de la jurisdicció civil ordinària, amb renúncia expressa a qualsevol altre fur que pogués correspondre.


Pertinences en cas de robatori

Ni l'FPC ni el seu personal serà responsable de cap pèrdua, dany o sostracció de qualssevol tipus d'objectes personals o anàlegs que duguin els participants o altres usuaris puntuals de les instal·lacions, que hauran de prestar especial atenció a les seves pertinences en tot moment.


Organització de la docència davant situacions excepcionals

L'FPC organitza la docència en un entorn flexible que permet adaptar-se a qualsevol situació sobrevinguda que pogués esdevenir, en qualsevol cas, així com a les normes que poguessin establir les autoritats. Si en qualsevol moment les autoritats (universitàries, sanitàries o de qualsevol altre àmbit competent) recomanen limitar al màxim la docència presencial, l'FPC, en coordinació amb aquestes autoritats, prendrà les mesures necessàries per aplicar aquesta recomanació, i, com a conseqüència, l'activitat docent podrà arribar a ser en format 100% en línia durant el període per al qual s'hagi establert en la recomanació pertinent, sense que sigui necessari que es decreti un estat d'alarma i/o la suspensió de l'activitat lectiva presencial i/o mesures formals de confinament o de restricció de mobilitat.


Barcelona, 15 d'octubre de 2025


Enviar