ֱ

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  >  Microacreditació en Machine i Deep Learning per a la Detecció d'Anomalies en Imatges i Sèries Temporals
T'assessorem! Sol·licita informació o l'admissió
  • discount

    Finançat pel Ministeri de Ciència, Innovació i Universitats en el marc del Pla Microcreds. Subvenció aplicable a residents a Espanya entre 25 i 64 anys.

  • discount

    Gratuït per a persones en situació d'atur, rendes baixes i risc d'exclusió social en el marc del Pla Microcreds.

Aquests ajuts i els descomptes UPC School no són acumulables.

ʰԳٲó

徱ó
1a 徱ó
è徱ٲ
3 ECTS (24 hores lectives)
Tipus
ѾDz徱ٲó
Modalitat
Semipresencial
Idioma d'impartició
Espanyol
Preu
900€ 270€(Finançat pel Ministeri de Ciència, Innovació i Universitats en el marc del Pla Microcreds. Subvenció aplicable a residents a Espanya entre 25 i 64 anys.)
Observacions pagament de la matrícula i campanya 0,7%
Inscripció oberta fins l'inici del curs o fins l'exhauriment de places.
Dates de realització
Data d'inici: 30/09/2025
Data de fi: 16/12/2025
Horari
Dimarts: 18:30 a 20:30
- 4 sessions aula pràctica
- 4 sessions aula teòrica
- 8 sessions connexió virtual
Lloc de realització
EEBE - Escola d'Enginyeria de Barcelona Est
Avda. Eduard Maristany, 16
08019 Barcelona
Per què aquesta microacreditació?
Aquesta microacreditació ofereix una formació especialitzada en tècniques de Machine Learning i Deep Learning per a la detecció d'anomalies, responent a les necessitats formatives de sectors com la biomedicina i l'energia eòlica. L'experiència d'aprenentatge combina teoria i pràctica per capacitar els participants en l'anàlisi de dades complexes, com imatges biomèdiques i sèries temporals, mitjançant la intel·ligència artificial.

El curs de Machine i Deep Learning per a la Detecció d'Anomalies a Imatges i Sèries Temporals prepara els participants per desenvolupar competències clau en l'àmbit de l'anàlisi de dades i la IA aplicada a la detecció d'anomalies.
Impulsat per:
  • Ministerio de Ciencia, Innovación y Universidades
  • Plan de Recuperación, Transformación y Resiliencia Gobierno de España
  • Unión Europea. NextGenerationEU
Objectius
  • Analitzar dades per identificar patrons i anomalies.
  • Dissenyar, entrenar i avaluar models de machine learning per detectar anomalies en imatges biomèdiques i sèries temporals.
  • Detectar anomalies aplicant tècniques de deep learning mitjançant arquitectures avançades com CNN i RNN.
  • Avaluar el rendiment amb mètriques adequades i interpretar els resultats per a la seva aplicació real.
  • Integrar solucions en entorns productius, desplegant models de detecció d'anomalies per garantir-ne l'eficiència operativa.
A qui va dirigit?
Professionals de diversos sectors que requereixen aplicar tècniques avançades de machine learning i deep learning per a la detecció d'anomalies. En particular, s'enfoca en els àmbits següents:

  • Biomedicina i Salut.
  • Energia Eòlica i Energies Renovables.
  • Indústria Manufacturera.

Continguts formatius

Relació d'assignatures
3 ECTS 24h
+
Semipresencial
Machine i Deep Learning per a la Detecció d'Anomalies a Imatges i Sèries Temporals
1. Introducció i problemes base:

• Introducció general al curs i objectius.
• Casos destudi.
• Definició de metodologies daprenentatge:
• Supervisat.
• No supervisat.
• Semi-supervisat.

2. Python i Google Colab:

• Fonaments bàsics de Python:
• Tipus de dades, estructures i control de flux.
• Funcions i classes.
• Maneig de llibreries essencials com NumPy, Pandes i Matplotlib.
• Ús de Google Colab com a entorn de programació:
• Configuració bàsica i accés a recursos al núvol.
• Execució de notebooks i maneig de llibreries.

3. Processament de dades:

• Adquisició de dades:
• Fonts de dades obertes.
• Extracció i càrrega de dades.
• Processament i neteja:
• Identificació i maneig de valors mancants.
• Normalització i estandardització de dades.
• Anàlisi exploratòria de dades:
• Visualització de patrons.
• Generació de resums estadístics.

4. Machine Learning:

• Tècniques d'aprenentatge supervisat i no supervisat

5. Deep Learning:

• Xarxes neuronals profundes:
• Perceptró Multicapa (MLP).
• Xarxes neuronals recurrents (LSTM, GRU).
• Models avançats:
• Convolutional Neural Networks (CNN).
• Vision Transformers (ViT).
• Transformers generals.

6. Projectes finals:

• Aplicació de tècniques en casos reals.

La UPC School es reserva el dret de modificar el contingut del programa, que pot variar per a una major adaptació als objectius del curs.
վٳܱó

Credencial digital d'Europass emesa per la Universitat Politècnica de Catalunya en Machine i Deep Learning per a la Detecció d'Anomalies en Imatges i Sèries Temporals.

Metodologia d'aprenentatge

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

- Aprenentatge basat en problemes.

- Aprenentatge basat en projectes.

- Sessions expositives de continguts.

- Estudi de cas.


Criteris d'avaluació
èԳ
Es requereix com a mínim el 80% d'assistència a les hores lectives.
Elaboració de treballs
Estudis sobre una temàtica determinada, individual o grupal, on s'avalua la qualitat i la profunditat dels treballs, entre d'altres.

Equip docent

Direcció Acadèmica
  • Vidal Segui, Yolanda
    info
    / / /
    Doctora en Matemàtica Aplicada per la UPC, on és professora agregada i directora del grup de recerca Wind Turbine Condition Monitoring, integrat dins CoDAlab ' Control, Dades i Intel·ligència Artificial. Especialista en IA aplicada al monitoratge d'aerogeneradors, ha liderat 4 projectes competitius amb col·laboracions destacades amb centres tecnològics (Ikerlan) i empreses del sector eòlic. Membre sènior de l'IEEE, és autora de més de 65 articles en revistes indexades, 11 llibres, 1 patent i més de 125 comunicacions a congressos. El 2024 va rebre el 1r Premi de Ciència Oberta de la UPC.
Professorat
  • Barrera Llanga, Kevin Ivan
    info
    / / /
    Doctor en Automàtica, Robòtica i Visió per Computador per la Universitat Politècnica de Catalunya (UPC). Màster en Enginyeria Mecatrònica per la Universitat Politècnica de València (UPV). Enginyer a Mecatrònica (ESPE). Forma part del grup de recerca Control, Dades i Intel·ligència Artificial (CoDALab) i del grup local d'IA d'IEEE Espanya. Professor a la UPC, on coordina l'assignatura de Computer Vision, ia la Universitat Oberta de Catalunya (UOC), on imparteix l'assignatura de Deep Learning. Investiga la IA aplicada al diagnòstic hematològic i fallades industrials.
  • Encalada-Davila, Angel
    info

    Estudiant del doctorat d'Enginyeria Civil a University College Dublin (UCD), Irlanda. Màster d'Enginyeria Mecatrònica per la Universitat d'Oviedo, Espanya. Grau universitari en Enginyeria Mecatrònica per lEscola Superior Politècnica del Litoral (ESPOL), Equador. Fins avui són cinc anys d'experiència en IA aplicada en energia eòlica, incloent monitoratge de la salut estructural (SHM) i monitoratge de la condició (CM). A més, dos anys d'experiència al sector privat, entre la banca financera i el sector aqüícola. Compte amb més de 10 articles de revista Q1 i de conferència.
  • Vidal Segui, Yolanda
    info
    / / /
    Doctora en Matemàtica Aplicada per la UPC, on és professora agregada i directora del grup de recerca Wind Turbine Condition Monitoring, integrat dins CoDAlab ' Control, Dades i Intel·ligència Artificial. Especialista en IA aplicada al monitoratge d'aerogeneradors, ha liderat 4 projectes competitius amb col·laboracions destacades amb centres tecnològics (Ikerlan) i empreses del sector eòlic. Membre sènior de l'IEEE, és autora de més de 65 articles en revistes indexades, 11 llibres, 1 patent i més de 125 comunicacions a congressos. El 2024 va rebre el 1r Premi de Ciència Oberta de la UPC.

Sol·licita informació o l'admissió

Informació i orientació:
Cecilia Salas Silva
(34) 93 706 80 35
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
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: Machine i Deep Learning per a la Detecció d'Anomalies en Imatges i Sèries Temporals

Preu: 900€ 270€(Finançat pel Ministeri de Ciència, Innovació i Universitats en el marc del Pla Microcreds. Subvenció aplicable a residents a Espanya entre 25 i 64 anys.)

Enviar i fer el pagament
  • Si tens algun dubte.
  • Si vols iniciar els tràmits per matricular-te.
Com iniciar l'admissió
Per conèixer el procés de matrícula d'aquest curs contacta amb:

Cecilia Salas Silva
(34) 93 706 80 35
cecilia.salas@talent.upc.edu




  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

Les dades se cediran a Europass (Comissió Europea), així com a administracions públiques, tribunals i/o el Ministeri Fiscal en resposta a peticions directes o indirectes efectuades en l'exercici de les seves funcions, potestats i/o derivades de la seva capacitat reguladora.

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.

NORMATIVA ACADÈMICA I ECONÒMICA

La Fundació Politècnica de Catalunya es reserva el dret a realitzar qualsevol modificació en els continguts, el preu, la ubicació, l'horari i les dates del programa abans de la data d'inici. No es considera formalitzada la matrícula fins que no se n'hagi fet efectiu el pagament.

Drets d'inscripció. La persona interessada ha de fer efectiu el pagament de l'import especificat 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 que la persona no hagi estat admesa.

Anul·lació o ajornament. La Fundació Politècnica de Catalunya es reserva el dret a anul·lar o ajornar un programa si no hi ha prou alumnes. En cas d'anul·lació o manca d'admissió, la Fundació Politècnica de Catalunya retornarà tot l'import pagat, sense cap tipus de compensació addicional. En cas d'ajornament, retornarà l'import pagat a les persones que ho sol·licitin.

Cancel·lació de la matrícula.
En cas de renúncia o cancel·lació de la matrícula, l'estudiant haurà de realitzar, amb caràcter previ, una comunicació escrita a la UPC School.
  • Si aquesta sol·licitud de cancel·lació es realitza abans de 45 dies naturals de l'inici del programa, la UPC School farà seu només el 30% de l'import total de la matrícula i retornarà la diferència pagada.
  • En el cas que la sol·licitud es realitzi entre els 45 naturals i l'inici del programa, la UPC School es quedarà amb el 60% de l'import de la matrícula.
  • Un cop iniciat el programa, no es realitzarà cap devolució.
Amb caràcter excepcional, hi haurà devolució de matrícula si la cancel·lació per part de l'estudiant es produeix per un dels següents supòsits:
  • Denegació de visat, presentant documentació justificativa. En aquest cas, la UPC School retornarà l'import satisfet de la matrícula menys 300 euros en concepte de despeses administratives.
  • Malaltia o accident greu justificat mitjançant certificat mèdic oficial, en el qual s'indicarà la data inicial de la malaltia i el període previst de convalescència. En aquesta situació la UPC School resoldrà que:
    • Si la comunicació es produeix fins a un mes després de l'inici del programa, retornarà l'import efectivament pagat menys 300 euros en concepte de despeses administratives.
    • Passat un mes després de l'inici del programa, no es realitzarà cap devolució, només es permetrà dipositar l'import satisfet per a la matrícula de la següent edició. Aquesta gestió no comporta cap despesa administrativa per a l'estudiant. En tot cas, l'estudiant assumirà la diferència de preu entre la nova matrícula i l'import anteriorment satisfet.

Canvi de matrícula. Els canvis de matrícula, prèviament autoritzats per la Fundació Politècnica de Catalunya, tenen un cost de 300 € en concepte de despeses administratives.

Descomptes.
  • Els descomptes no són acumulables. S'aplicarà el major descompte sol·licitat.
  • No s'aplicarà cap descompte que no s'hagi sol·licitat prèviament i estigui acreditat.
  • Un cop emesa la matrícula no s'aplicarà cap descompte.
  • És responsabilitat de l'alumne informar de la seva voluntat d'acollir-se a un descompte determinat.

վٳܱó. Per obtenir el títol/diploma expedit per la Universitat Politècnica de Catalunya és necessari tenir una titulació universitària oficial o bé un títol propi d'universitat equivalent a un grau, una diplomatura, una llicenciatura, una enginyeria tècnica o una enginyeria. Si no és així, l'alumne obtindrà un certificat de superació del programa expedit per la Fundació Politècnica de Catalunya. L'alumne/a que tingui deutes pendents de pagament amb la Fundació Politècnica de Catalunya o no hagi aprovat tots els crèdits necessaris per superar el programa abans de la data de finalització del mateix no podrà obtenir el títol, diploma o certificat.

Barcelona, 31 d'octubre de 2017


Enviar