天美直播

Aquest lloc web utilitza cookies

El lloc web de la Fundaci贸 Polit猫cnica de Catalunya utilitza cookies pr貌pies i de tercers per millorar l'experi猫ncia de navegaci贸 i amb finalitats estad铆stiques. Per obtenir m茅s informaci贸 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 acc茅s ha estat restringit. Consulta amb el departament d'administraci贸
Per problemes t猫cnics el campus virtual 茅s inaccessible. Estem treballant per solucionar-ho. Disculpa les mol猫sties.
No tens autoritzaci贸 per fer aquesta crida. Pots consultar a webmaster.fpc@fpc.upc.edu
Has superat el nombre m脿xim d'intents. El teu usuari est脿 bloquejat temporalment. Torna a accedir d'aqu铆 a una estona.
Has d'introduir l'usuari del campus no un correu electr貌nic
Has de fer la verificaci贸 per comprovar que no ets un robot.
天美直播   >  M脿sters i postgraus  >  贵辞谤尘补肠颈贸  >  Postgrau en Artificial Intelligence with Deep Learning
T'assessorem! Sol路licita informaci贸 o l'admissi贸
  • 笔谤别蝉别苍迟补肠颈贸
  • Continguts formatius
  • Metodologia d'aprenentatge
  • Treballs finals
  • Equip docent
  • Entitats col路laboradores
  • Sortides professionals
  • Testimonis i not铆cies
  • Sol路licita informaci贸 o l'admissi贸
  • discount

    CONDICIONS ESPECIALS PER MATRICULAR-TE! CONSULTA-HO AMB LA TEVA ASSESSORA!

笔谤别蝉别苍迟补肠颈贸

贰诲颈肠颈贸
6a 贰诲颈肠颈贸
颁谤猫诲颈迟蝉
15 ECTS (120 hores lectives)
Modalitat
Online
Idioma d'impartici贸
础苍驳濒猫蝉
Preu
4.100€
Condicions especials en el pagament de la matr铆cula i campanya 0,7%
Inscripci贸 oberta fins l'inici del curs o fins l'exhauriment de places.
Dates de realitzaci贸
天美直播 classes: 13/10/2025
Fi classes: 18/03/2026
Fi programa : 09/04/2026
Horari
Dilluns: 18:00 a 20:00
Dimecres: 18:00 a 20:00
Lloc de realitzaci贸
En L铆nia
V铆deo de presentaci贸
Per qu猫 aquest postgrau?
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 T猫cnica Superior d'Enginyeria de Telecomunicaci贸 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.

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

Relaci贸 d'assignatures
4 ECTS 31h
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 23h
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 15h
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 adaptaci贸 als objectius del curs.
罢颈迟耻濒补肠颈贸
T铆tol de postgrau en Artificial Intelligence with Deep Learning, expedit per la Universitat Polit猫cnica de Catalunya. Em猫s en virtut del previst en l'art. 7.1 de la Llei Org脿nica 2/2023, de 22 de mar莽, del Sistema Universitari, i l'art. 36 del Reial Decret 822/2021, de 28 de setembre, pel que s'estableix l'organitzaci贸 dels ensenyaments universitaris i del procediment d'assegurament de la seva qualitat. Per a la seva obtenci贸 茅s necessari tenir una titulaci贸 universit脿ria pr猫via oficial. De no ser aix铆, l'estudiant obtindr脿 un certificat d'aprofitament del programa superior expedit per la Fundaci贸 Polit猫cnica de Catalunya. Els estudis de formaci贸 permanent de la Universitat Polit猫cnica de Catalunya s'aproven anualment pel Consell de Govern de la Universitat. (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 compet猫ncies necess脿ries.

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 interacci贸 amb els estudiants per guiar-los en l'aprenentatge dels diferents continguts i el desenvolupament de les compet猫ncies establertes.
Sessions pr脿ctiques a l'aula
S'apliquen els coneixements en un entorn real o hipot猫tic, on s'identifiquen i treballen aspectes espec铆fics per facilitar la comprensi贸, amb el suport dels docents.
Resoluci贸 d'exercicis
Es treballen les solucions mitjan莽ant l'exercitaci贸 de rutines, l'aplicaci贸 de f贸rmules o algoritmes i se segueixen procediments de transformaci贸 de la informaci贸 disponible i la interpretaci贸 dels resultats.
Flipped classroom
Es treballen els continguts de forma pr猫via a les classes presencials. A l'aula es fan sessions pr脿ctiques que permeten entendre i aplicar els conceptes sobre casos reals i s'amplien els coneixements amb detalls m茅s t猫cnics i especialitzats.
Tutories
Es dona suport t猫cnic als estudiants en el desenvolupament del projecte final, en funci贸 de la seva especialitat i de la tem脿tica del projecte.
Criteris d'avaluaci贸
础蝉蝉颈蝉迟猫苍肠颈补
Es requereix com a m铆nim el 80% d'assist猫ncia a les hores lectives.
Grau de participaci贸
S'avalua la contribuci贸 activa dels estudiants en les diferents activitats proposades per l'equip docent.
Resoluci贸 d'exercicis, q眉estionaris o ex脿mens
Proves individuals amb l'objectiu d'avaluar el grau d'aprenentatge i l'adquisici贸 de compet猫ncies.
Realitzaci贸 i presentaci贸 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 identificaci贸 d'una problem脿tica, el disseny de la soluci贸, la seva implementaci贸 o un pla de negoci. Comptar脿 amb una presentaci贸 i defensa p煤blica del mateix projecte.
Pr脿ctiques i borsa de treball
Des del campus virtual My_Tech_Space l'estudiantat podr脿 visualitzar les ofertes de treball del seu 脿mbit de coneixement i presentar la seva candidatura confidencialment. La borsa de treball de la UPC School t茅 un volum anual de centenars d'ofertes de treball, entre contractes laborals i convenis de col路laboraci贸 en pr脿ctiques.
Campus virtual
L'estudiantat d'aquest postgrau tindr脿 acc茅s al campus virtual My_Tech_Space, una efica莽 plataforma de treball i comunicaci贸 entre l'alumnat, el professorat, la direcci贸 i la coordinaci贸 del curs. My_Tech_Space permet obtenir la documentaci贸 de cada sessi贸 formativa abans de l'inici, treballar en equip, fer consultes als professors, visualitzar notes, etc.

Treballs finals de postgrau

Veure tots

Equip docent

Direcci贸 Acad猫mica
  • 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.
  • 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.
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).
  • C谩mbara 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.
  • Car贸s 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 脌lvarez, 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 engineer a Lace Lithography.
  • G谩llego Olsina, Gerard Ion
    info
    /
    Investigador al Barcelona Supercomputing Center (BSC) i doctorand al Departament de Teoria del Senyal i Comunicacions de la UPC. Màster en Tecnologies Avançades de la Telecomunicació per la Universitat Politècnica de Catalunya (UPC), especialització en Deep Learning for Multimedia Processing. Ha realitzat estades de recerca a empreses multinacionals (Apple, Amazon i Dolby), on ha treballat en Large Language Models (LLM) i processament de veu.
  • 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.
  • Gir贸 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).
  • G贸mez 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.
  • Hern谩ndez P茅rez, 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.
  • Jim茅nez Mart铆n, 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.
  • Nieto Salas, Juan Jos茅
    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.
  • 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.
  • Reixach i P茅rez, David
    info

    Màster en Automàtica i Robòtica i Màster en Enginyeria Industrial per la Universitat Politècnica de Catalunya (UPC). Actualment doctorand al Departament de Teoria del Senyal i Comunicacions de la mateixa universitat. Treballa en models de representació multi-dimensionals amb aplicació en compressió, completat i restauració de tensors entre d'altres.
  • 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.
  • Tarr茅s 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.
  • 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.
  • Vilaplana Besler, Ver贸nica
    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 Garc铆a, 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路laboradores

Socis col路laboradors
  • Crisalix
  • Institut de Rob貌tica 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 not铆cies

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
Not铆cies del Blog
脠xit del 5猫 Deep Learning Barcelona Symposium
脠xit del 5猫 Deep Learning Barcelona Symposium
10-01-2024
脠xit del 5猫 Deep Learning Barcelona Symposium
脠xit del 5猫 Deep Learning Barcelona Symposium
10-01-2024

Sol路licita informaci贸 o l'admissi贸

Informaci贸 i orientaci贸:
Olga Garr谩n Gonz谩lez
(34) 93 112 08 67
Sol路licitud rebuda!
Un cop registrem la teva petici贸, rebr脿s confirmaci贸 per correu electr貌nic i ens posarem en contacte amb tu.

Gr脿cies pel teu inter猫s en els nostres programes formatius.
Error
Per un error en la connexi贸 a la base de dades la teva sol路licitud no s'ha pogut cursar. T'agrairem que repeteixis el proc茅s m茅s tard o b茅 que et posis en contacte amb nosaltres trucant al (34) 93 112 08 08 o enviant-nos un correu electr貌nic a: webmaster.fpc@fpc.upc.edu
Has superat el tamany m脿xim del fitxer
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:

Curs: Artificial Intelligence with Deep Learning

Preu: 4.100€

Enviar i fer el pagament
  • Si tens algun dubte.
  • Si vols iniciar els tr脿mits per matricular-te.
Com iniciar l'admissi贸
Per iniciar el proc茅s d'inscripci贸 a aquest programa cal omplir i enviar el formulari que trobar脿s al peu d'aquestes l铆nies.

A continuaci贸, rebr脿s un correu electr貌nic de benvinguda on es detallaran els tres passos a seguir per formalitzar el proc茅s d'inscripci贸:

1. Completar i confirmar les teves dades personals.

2. Validar el teu curr铆culum vitae i adjuntar la documentaci贸 addicional requerida, en cas que sigui necess脿ria per a l'admissi贸.

3. Pagar 110鈧� en concepte de drets d'inscripci贸 al programa. L'import d'aquests drets es descomptar脿 de la quantia total de la matr铆cula i nom茅s es retornar脿 en cas de no resultar adm猫s.

Un cop realitzat el pagament de drets i disposem de tota la documentaci贸, valorarem la teva candidatura i, si has estat adm猫s al curs, t'enviarem la carta d'admissi贸. En aquest document obtindr脿s tots els detalls per formalitzar la matr铆cula al programa.





  pol铆tica de protecci贸 de dades

* Camps obligatoris

Informaci贸 b脿sica o primera capa sobre protecci贸 de dades

Responsable

Fundaci贸 Polit猫cnica de Catalunya (en endavant, FPC).

Finalitat

Contestar les sol路licituds d’informaci贸 de l’interessat sobre activitats de formaci贸 gestionades o realitzades per l’FPC .

Establiment o manteniment de relaci贸 acad猫mica amb l’interessat.

Enviar informaci贸 sobre les activitats de l'FPC.

尝别驳颈迟颈尘补肠颈贸

Consentiment de l'interessat.

Inter猫s leg铆tim en el desenvolupament de la relaci贸 acad猫mica.

Destinataris

No hi ha cessions o comunicacions.

Drets

Acc茅s, rectificaci贸, supressi贸, limitaci贸, oposici贸 i portabilitat.

Dades de contacte del delegat de protecci贸 de dades

info.dpo@fpc.upc.edu

Informaci贸 addicional

Pol铆tica de privacitat de la nostra p脿gina web.

Termini de conservaci贸

Pol铆tica de privacitat de la nostra p脿gina web.

Serveis de pagament

En cas que l’interessat formalitzi la relaci贸 amb l’FPC, l’ordenant (interessat) autoritza i d贸na el seu consentiment al c脿rrec, per tant, amb renuncia expressa al dret de devoluci贸 sobre el c脿rrec.

NORMATIVA ACAD脠MICA I ECON脪MICA

La Fundaci贸 Polit猫cnica de Catalunya es reserva el dret a realitzar qualsevol modificaci贸 en els continguts, el preu, la ubicaci贸, l'horari i les dates del programa abans de la data d'inici. No es considera formalitzada la matr铆cula fins que no se n'hagi fet efectiu el pagament.

Drets d'inscripci贸. La persona interessada ha de fer efectiu el pagament de l'import especificat en concepte de drets d'inscripci贸 al programa. L'import d'aquests drets es descomptar脿 de la quantia total de la matr铆cula i nom茅s es retornar脿 en cas que la persona no hagi estat admesa.

 Anul路laci贸 o ajornament. La Fundaci贸 Polit猫cnica de Catalunya es reserva el dret a anul路lar o ajornar un programa si no hi ha prou alumnes. En cas d'anul路laci贸 o manca d'admissi贸, la Fundaci贸 Polit猫cnica de Catalunya retornar脿 tot l'import pagat, sense cap tipus de compensaci贸 addicional. En cas d'ajornament, retornar脿 l'import pagat a les persones que ho sol路licitin.

Cancel路laci贸 de la matr铆cula.
En cas de ren煤ncia o cancel路laci贸 de la matr铆cula, l'estudiant haur脿 de realitzar, amb car脿cter previ, una comunicaci贸 escrita a la UPC School.
  • Si aquesta sol路licitud de cancel路laci贸 es realitza abans de 45 dies naturals de l'inici del programa, la UPC School far脿 seu nom茅s el 30% de l'import total de la matr铆cula i retornar脿 la difer猫ncia pagada.
  • En el cas que la sol路licitud es realitzi entre els 45 naturals i l'inici del programa, la UPC School es quedar脿 amb el 60% de l'import de la matr铆cula.
  • Un cop iniciat el programa, no es realitzar脿 cap devoluci贸.
Amb car脿cter excepcional, hi haur脿 devoluci贸 de matr铆cula si la cancel路laci贸 per part de l'estudiant es produeix per un dels seg眉ents sup貌sits:
  • Denegaci贸 de visat, presentant documentaci贸 justificativa. En aquest cas, la UPC School retornar脿 l'import satisfet de la matr铆cula menys 300 euros en concepte de despeses administratives.
  • Malaltia o accident greu justificat mitjan莽ant certificat m猫dic oficial, en el qual s'indicar脿 la data inicial de la malaltia i el per铆ode previst de convalesc猫ncia. En aquesta situaci贸 la UPC School resoldr脿 que:
    • Si la comunicaci贸 es produeix fins a un mes despr茅s de l'inici del programa, retornar脿 l'import efectivament pagat menys 300 euros en concepte de despeses administratives.
    • Passat un mes despr茅s de l'inici del programa, no es realitzar脿 cap devoluci贸, nom茅s es permetr脿 dipositar l'import satisfet per a la matr铆cula de la seg眉ent edici贸. Aquesta gesti贸 no comporta cap despesa administrativa per a l'estudiant. En tot cas, l'estudiant assumir脿 la difer猫ncia de preu entre la nova matr铆cula i l'import anteriorment satisfet.

Canvi de matr铆cula. Els canvis de matr铆cula, pr猫viament autoritzats per la Fundaci贸 Polit猫cnica de Catalunya, tenen un cost de 300 € en concepte de despeses administratives.

Descomptes.
  • Els descomptes no s贸n acumulables. S'aplicar脿 el major descompte sol路licitat.
  • No s'aplicar脿 cap descompte que no s'hagi sol路licitat pr猫viament i estigui acreditat.
  • Un cop emesa la matr铆cula no s'aplicar脿 cap descompte.
  • 脡s responsabilitat de l'alumne informar de la seva voluntat d'acollir-se a un descompte determinat.

罢颈迟耻濒补肠颈贸. Per obtenir el t铆tol/diploma expedit per la Universitat Polit猫cnica de Catalunya 茅s necessari tenir una titulaci贸 universit脿ria oficial o b茅 un t铆tol propi d'universitat equivalent a un grau, una diplomatura, una llicenciatura, una enginyeria t猫cnica o una enginyeria. Si no 茅s aix铆, l'alumne obtindr脿 un certificat de superaci贸 del programa expedit per la Fundaci贸 Polit猫cnica de Catalunya. L'alumne/a que tingui deutes pendents de pagament amb la Fundaci贸 Polit猫cnica de Catalunya o no hagi aprovat tots els cr猫dits necessaris per superar el programa abans de la data de finalitzaci贸 del mateix no podr脿 obtenir el t铆tol, diploma o certificat.

Barcelona, 31 d'octubre de 2017


Enviar
天美直播 - - -