天美直播

Esta p谩gina web usa cookies

El sitio web de la Fundaci贸 Polit猫cnica de Catalunya utiliza cookies propias y de terceros para mejorar la experiencia de navegaci贸n y con fines estad铆sticos. Para obtener m谩s informaci贸n sobre las cookies puede consultar la

Configurar cookies
Permitir todas las cookies
Campus
MY_TECH_SPACE


Entrar
Campus en mantenimiento
Usuario y/o clave incorrectos
No tienes ning煤n entorno activo
Tu acceso ha sido restringido. Consulta con el departamento de administraci贸n
Por problemas t茅cnicos el campus virtual es inaccesible. Estamos trabajando para solucionarlo. Disculpa las molestias.
No tienes autorizaci贸n para realizar esta llamada. Puedes consultar en webmaster.fpc@fpc.upc.edu
Ha superado el n煤mero m谩ximo de intentos. Su usuario est谩 bloqueado temporalmente. Vuelve a acceder dentro de un rato.
Tienes que introducir el usuario del campus no un correo electr贸nico
Tienes que realizar la verificaci贸n para comprobar que no eres un robot.
天美直播o   >  M谩steres y posgrados  >  贵辞谤尘补肠颈贸苍  >  M谩ster de formaci贸n permanente en Data Science and Engineering
Sesi贸n informativa

21-05-2025

En L铆nea
隆Te asesoramos! Solicita informaci贸n o la admisi贸n
  • 笔谤别蝉别苍迟补肠颈贸苍
  • Contenidos formativos
  • Metodolog铆a de aprendizaje
  • Trabajos finales
  • Equipo docente
  • Entidades colaboradoras
  • Salidas profesionales
  • Testimonios
  • Solicita informaci贸n o la admisi贸n
  • discount

    ¡CONDICIONES ESPECIALES PARA MATRICULARTE! ¡CONSÚLTALO CON TU ASESORA!

笔谤别蝉别苍迟补肠颈贸苍

贰诲颈肠颈贸苍
9ª 贰诲颈肠颈贸苍
颁谤茅诲颈迟辞蝉
60 ECTS (324 horas lectivas)
Modalidad
Presencial
Idioma de impartici贸n
贰蝉辫补帽辞濒
Precio
9.100€
Condiciones especiales en el pago de la matr铆cula y campa帽a 0,7%
Inscripci贸n abierta hasta el inicio del curso o hasta agotar plazas.
Fechas de realizaci贸n
天美直播o clases: 06/10/2025
Fin clases: 17/07/2026
Fin programa : 20/11/2026
Horario
Lunes: 18:00 a 21:00
Mi茅rcoles: 18:00 a 21:00
Viernes: 18:00 a 21:00
Lugar de realizaci贸n
Facultat d'Inform脿tica de Barcelona (FIB)
C/ Jordi Girona, 1-3
Barcelona
V铆deo de presentaci贸n
驴Por qu茅 este m谩ster de formaci贸n permanente?
Los datos son un elemento fundamental en la sociedad actual, especialmente para las empresas digitales, que basan su modelo de negocio en la recopilación, almacenamiento y análisis de la información. La digitalización de los procesos empresariales permite obtener grandes volúmenes de datos que, cuando son analizados correctamente, se convierten en un factor clave para la toma de decisiones y la competitividad.

La ciencia e ingeniería de datos engloban técnicas y tecnologías para extraer conocimiento a partir de grandes cantidades de información, incluyendo la gestión y análisis de datos heterogéneos en tiempo real. Este campo plantea desafíos tanto en la gestión —con nuevas arquitecturas cloud y modelos de datos distribuidos— como en el análisis, donde es necesario adaptar algoritmos avanzados a formatos como imágenes, texto o gráficos, incorporando modelos como los transformers y bases de datos vectorizadas.

Esta disciplina requiere una elevada especialización y formación continua para adaptarse a la evolución constante de las herramientas. Dentro de este ámbito, se distinguen dos grandes pilares: el Data Engineering, centrado en la gestión de sistemas de datos complejos, y el Data Science, enfocado en el análisis mediante machine learning y deep learning. Las soluciones no son universales y dependen del caso de uso específico.

En este contexto, el máster de formación permanente en Data Science and Engineering ofrece una formación integral en gestión y explotación de datos, combinando una visión técnica con una aplicabilidad real en el negocio. Esta especialización permite a los profesionales comprender y extraer valor de los datos en un mundo cada vez más orientado a la información.
Objetivos
  • Entender la problemática de gestión del big data y sus especificidades.
  • Identificar las características más relevantes en la gestión de datos que deben guiar la elección de una solución arquitectónica.
  • Conocer el paradigma de datos abiertos.
  • Practicar con las principales herramientas de gestión de big data que hay actualmente en el mercado (Hadoop, MongoDB, Neo4J, GraphDB, Spark, etc.).
  • Entender cuándo un problema empresarial puede ser formalizado como un problema de aprendizaje automático.
  • Identificar los modelos estadísticos o de aprendizaje automático más adecuados para un problema dado.
  • Saber efectuar el pre-proceso de los datos (sean estructurados o no estructurados).
  • Saber evaluar la tasa de acierto de los modelos propuestos.
  • Adquirir conocimientos específicos sobre el uso de big data para la toma de decisiones en la empresa.
  • Identificar las buenas prácticas en la aplicación de big data para la creación de un negocio.
  • Emplear herramientas de modelización de negocio.
  • Conocer los principios económicos, éticos y legales del funcionamiento de una empresa.
驴A qui茅n va dirigido?
  • Graduados en Informática o equivalente interesados en el ámbito del big data.
  • Profesionales informáticos, principalmente desarrolladores, arquitectos, analistas de datos y administradores de sistemas, interesados en reciclarse hacia el ámbito del big data.
  • Graduados en Estadística, Matemáticas o ingenierías en general. En estos casos, los interesados deben tener una formación técnica en bases de datos centralizadas y programación.

Este máster tiene como objetivo crear perfiles mixtos en gestión y análisis de datos.

Contenidos formativos

Relaci贸n de asignaturas
12 ECTS 72h
Data Management
  • Motivación e introducción
    • Contexto. La sociedad de los datos y el paradigma data-driven.
    • Casos de uso.
    • Cloud computing e ingeniería de servicios (XaaS).
    • La necesidad de un cambio de paradigma: NoSQL.
  • Principios básicos de las bases de datos no relacionales (NoSQL)
    • Fundamentos arquitectónicos.
    • Nuevos modelos de datos.
  • Fundamentos: nuevas arquitecturas
    • Conceptos básicos.
    • One size does not fit all.
    • Principales arquitecturas de referencia.
  • Fundamentos: nuevos modelos de datos
    • Conceptos básicos.
    • Modelos de datos no estructurados o semi-estructurados.
    • Principales modelos de datos en el mundo NoSQL: Key-Value, Document-oriented, Graphs, Graphs Semantics y Streams.
    • Modelización de datos avanzada (para sistemas no relacionales).
  • Principales familias de gestores NoSQL
    • Gestores Key-Value
      • Concepto y principios.
      • El ecosistema Hadoop: HDFS y HBase.
      • Consideraciones específicas de modelización.
    • Gestores Document-oriented
      • Concepto y principios.
      • Ejemplo: MongoDB y Aggregation Framework.
      • Consideraciones específicas de modelización.
    • Gestores Column-oriented
      • Concepto y principios.
      • Ejemplo: Kudu (base de datos) y Parquet (ficheros).
      • Consideraciones específicas de modelización.
    • Gestores de grafos
      • Conceptos y principios.
      • Tipos de grafos y operaciones.
      • Ejemplo: Neo4J y Cypher.
      • Consideraciones específicas de modelización.
    • Gestores de grafos semánticos
      • Concepto y principios: el paradigma Open/Linked Data.
      • Cómo abrir los datos.
      • Arquitecturas basadas en grafos vs. tecnología relacional.
      • Marco de Descripción de Recursos (RDF) y SPARQL.
      • Ejemplo: GraphDB.
      • Consideraciones específicas de modelización.
  • Procesamiento de datos distribuido y paralelizable
    • Gestión y procesamiento distribuido de los datos.
      • MapReduce.
    • Gestión y procesamiento de los datos en memoria.
      • Spark
  • Integración de datos
    • Procesos intensivos de datos vs. ETL.
    • Concepto de Data Lake. Sistemas políglotas.
    • Orquestadores.
  • Arquitecturas big data
    • Principales arquitecturas de referencia
      • Arquitectura Lambda.
12 ECTS 72h
Data Analytics
  • Introducción
    • ¿Qué es el knowledge discovery?
    • Estadística básica.
    • Introducción a R.
  • Preprocesamiento de datos
    • Limpieza y adecuación de los datos.
    • Transformaciones.
  • Técnicas básicas de análisis
    • Regresión múltiple.
    • Profiling.
  • Análisis multivariante
    • Análisis de componentes principales.
    • Clustering.
    • Árboles de decisión.
  • Aprendizaje automático
    • Concepto.
    • Fundamentos matemáticos.
  • Principales técnicas de aprendizaje automático
    • Reglas de asociación.
    • Métodos lineales supervisados.
    • Redes neuronales.
    • Máquinas de vector soporte.
    • Bosques aleatorios.
  • Procesamiento de texto
    • Preprocesamiento y preparación de los datos.
    • Principales técnicas de texto analíticas.
    • Information retrieval.
  • Análisis de series temporales
    • Preprocesamiento y preparación de los datos.
    • Forecasting.
    • Detección de outliers.
  • Análisis de los datos avanzados
    • Paquetes de R para el procesamiento paralelo.
    • R sobre bases de datos relacionales.
16 ECTS 96h
Hands-on Experience: Data Management and Analytics
  • Infraestructura
    • Introducción a los entornos cloud.
    • Virtualización.
    • Servicios Oracle.
  • Almacenamiento distribuido
    • El ecosistema Hadoop.
    • Sistemas Key-Value: HBase.
  • Procesamiento distribuido
    • MapReduce.
    • Spark: SparkSQL. Spark streaming. Spark graphs.
    • Análisis de datos en entornos distribuidos: MLlib. SparkR.
  • Document stores
    • MongoDB.
    • Elasticsearch.
  • Bases de datos en grafo
    • Property-graphs: Neo4J.
    • Grafos semánticos: GraphDB.
  • Análisis de datos distribuido
    • Análisis de los datos en entornos distribuidos utilizando Hadoop Distributed File System (HDFS) y Spark.
      • Spark R y MLlib.
  • Arquitectura de sistemas big data
5 ECTS 33h
Negocio y Emprendimiento en Big Data
  • Introducción: el entorno competitivo de la empresa y big data
    • Big data landscape.
  • Marketing
  • Técnicas de ideación de negocio
    • Clientes y usuarios.
    • Definición de productos y servicios.
  • Herramientas de modelización de negocio: Business model canvas
    • Elementos que lo conforman.
    • Casos prácticos.
    • Resolución de casos: Twitter, Facebook, etc.
  • Presupuesto y proceso de financiación
    • Finanzas.
    • Financiación privada: Business Angels y Capital Risk.
    • Financiación pública.
  • Presentaciones y sesiones de pitch
  • Creación de una empresa
    • Aspectos legales: Regulación de los datos.
    • Aspectos económicos.
  • Consideraciones éticas del big data: negocio y privacidad
15 ECTS 51h
Proyecto
  • Visualización
    • Procesos de visualización.
    • Técnicas de visualización.
  • Gestión de proyectos

El proyecto se realizará en grupos de 2 o 3 personas que tendrán que desarrollar un caso real aplicado. Los estudiantes tendrán que elaborar un análisis tanto de la perspectiva técnica (gestión y análisis de datos) como de la perspectiva de negocio (potencial viabilidad de la idea como negocio, independientemente de que se trate de una start-up o un nuevo producto/servicio en una empresa existente).

El proyecto debe proponer una solución innovadora al problema planteado, tanto en el aspecto técnico como en el valor añadido de negocio. Se valorará especialmente esta perspectiva.

Para llevar a cabo el proyecto, los grupos deben definir la arquitectura funcional del sistema (incluyendo repositorios y flujos de datos, justificando el rendimiento que se obtendrá del sistema en un caso real), detallar el tipo de análisis de datos a llevar a cabo (incluyendo la preparación de los datos, diseño de features, adecuación del modelo escogido al reto entre manos, training y validación) y la viabilidad del negocio (posicionamiento y segmentación del negocio, así como la habilidad de hacer un pitch preciso sobre la idea de negocio y su valor). La gestión del proyecto también tendrá un peso especial, y se espera que se siga una metodología ágil adaptada a proyectos big data (que se presentará durante el máster).

Cada grupo contará con el asesoramiento de tres tutores (profesores del programa expertos en negocio, gestión y análisis de datos, respectivamente). La fórmula seguida garantiza la inmersión en una experiencia real siendo tutorizados por expertos en la temática. Como resultado, los proyectos resultantes han recibido varios premios y han dado pie a productos que han llegado a producción en varias empresas.

A continuación detallamos ejemplos de trabajos realizados en ediciones anteriores:

  • "LifeStyle". A partir de datos de transacciones bancarias, se perfiló el estilo de vida (actividades de ocio) de los clientes del banco con el objetivo de hacerles propuestas personalizadas de productos de ocio.
  • "A Location Based Social Media Data Gathering System for Predicting Crowded Places". A partir de datos en tiempos reales de diferentes redes sociales, se predecía la afluencia de personas en los principales lugares turísticos de Barcelona. De este modo, se podían preparar acciones para descongestionar ciertas zonas de la ciudad con antelación.
  • "Supermarker Shopping Assistant". Se trata de una aplicación móvil que recomienda al cliente, durante su visita a un supermercado o hipermercado, qué productos alrededor suyo pueden ser de su interés. La aplicación incluye un self-checkout para hacer las compras más eficientes a través del escaneo del producto.
  • "Urban Mobility and Traffic Safety Analytics". Aprovechando los datos generados por los sensores de los llamados smart cars, se identifican conductas de riesgo que podrían acabar en accidente, en tiempo real a partir del perfil de conducción habitual de cada conductor y los datos actuales recibidos en tiempo real.
  • "Properties Data Collection Platform and Prices Prediction". A partir de datos de portales inmobiliarios contextualizados con otros externos, se predecía el precio real y de venta de un inmueble.
  • "Net Sales Forecasting". En el ámbito de las farmacéuticas, predecir la cantidad de medicamentos a producir por país con antelación es vital. En este proyecto se hacía una previsión de producción mensual por país basada en los históricos de ventas.
La UPC School se reserva el derecho de modificar el contenido del programa, que puede variar para una mayor adaptaci贸n a los objetivos del curso.
罢颈迟耻濒补肠颈贸苍
T铆tulo propio de m谩ster de formaci贸n permanente en Data Science and Engineering, expedido por la Universitat Polit猫cnica de Catalunya. Emitido en virtud de lo establecido en el art. 7.1 de la Ley Org谩nica 2/2023, de 22 de marzo, del Sistema Universitario, y el art. 36 del Real Decreto 822/2021, de 28 de septiembre, por el que se establece la organizaci贸n de las ense帽anzas universitarias y el procedimiento de aseguramiento de su calidad. Para su obtenci贸n es necesario tener una titulaci贸n universitaria previa oficial. En caso contrario, el estudiante recibir谩 un certificado de aprovechamiento del programa superior expedido por la Fundaci贸 Polit猫cnica de Catalunya. Los estudios de formaci贸n permanente de la Universitat Polit猫cnica de Catalunya se aprueban anualmente por el Consell de Govern de la Universitat. (Ver datos que constan en el certificado).

Metodolog铆a de aprendizaje

La metodolog铆a docente del programa facilita el aprendizaje del estudiantado y la consecuci贸n de las competencias necesarias.



Herramientas de aprendizaje
Sesiones magistrales participativas
Se exponen los fundamentos conceptuales de los contenidos a impartir, promoviendo la interacci贸n con los estudiantes para guiarlos en el aprendizaje de los diferentes contenidos y el desarrollo de las competencias establecidas.
Sesiones pr谩cticas en el aula
Se aplican los conocimientos en un entorno real o hipot茅tico, donde se identifican y trabajan aspectos espec铆ficos para facilitar su comprensi贸n, con el apoyo de los docentes.
Resoluci贸n de ejercicios
Se trabajan las soluciones mediante la ejercitaci贸n de rutinas y la aplicaci贸n de f贸rmulas o algoritmos, y se siguen procedimientos de transformaci贸n de la informaci贸n disponible y de interpretaci贸n de los resultados.
Casos de 茅xito
Se presentan y comparten conocimientos y experiencias profesionales reales y de alto valor a帽adido, adquiridos durante una trayectoria destacada en el ejercicio de la profesi贸n.
Aprendizaje basado en problemas (ABP)
Metodolog铆a de aprendizaje activo que permite que el estudiante se involucre desde un inicio y adquiera los conocimientos y habilidades a trav茅s del planteamiento y la resoluci贸n de situaciones o problemas complejos.
罢耻迟辞谤铆补蝉
Se presta apoyo t茅cnico a los estudiantes en el desarrollo del proyecto final, en funci贸n de su especialidad y de la tem谩tica del proyecto.
Criterios de evaluaci贸n
Asistencia
Se requiere como m铆nimo el 80% de asistencia a las horas lectivas.
Resoluci贸n de ejercicios, cuestionarios o ex谩menes
Pruebas individuales con el objetivo de evaluar el grado de aprendizaje y la adquisici贸n de competencias.
Realizaci贸n y presentaci贸n del proyecto final
Proyectos individuales o grupales en los que se aplican los contenidos impartidos en el programa. El proyecto puede estar basado en casos reales y comprender la identificaci贸n de una problem谩tica, el dise帽o de la soluci贸n, su implementaci贸n o un plan de negocio. Contar谩 con una presentaci贸n y la defensa p煤blica del proyecto.
Pr谩cticas y bolsa de trabajo
Desde el campus virtual My_Tech_Space el estudiantado podr谩 visualizar ofertas de trabajo de su 谩rea de conocimiento y presentar su candidatura en un entorno confidencial. La bolsa de trabajo de la UPC School tiene un volumen anual de cientos de ofertas de trabajo, entre contratos laborales y convenios de colaboraci贸n en pr谩cticas.
Campus virtual
El estudiantado de este m谩ster de formaci贸n permanente tendr谩 acceso al campus virtual My_Tech_Space, una eficaz plataforma de trabajo y comunicaci贸n entre el alumnado, profesores, direcci贸n y coordinaci贸n del curso. My_Tech_Space permite obtener la documentaci贸n de cada sesi贸n formativa antes de su inicio, trabajar en equipo, hacer consultas a los profesores, visualizar notas, etc.

Trabajos finales de m谩ster

Ver todos

Equipo docente

Direcci贸n Acad茅mica
  • Jovanovic, Petar
    Jovanovic, Petar
    info

    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y la Universidad Libre de Bruselas. Máster en Computación por la UPC. Ingeniero en Informática por la Universidad de Belgrado. Su ámbito de investigación se sitúa en el área de Business Intelligence, Big Data Management y sistemas de bases de datos distribuidas.
  • Romero Moral, 脪scar
    Romero Moral, 脪scar
    info

    Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto en el ámbito de grado como de máster universitario. Coordinador del Erasmus Mundus Master in Big Data Managament and Analytics (BDMA) y del máster en Data Science de la UPC. Investigación en el ámbito de la gestión de los datos y de la información, en el que ha publicado más de sesenta publicaciones en conferencias y revistas internacionales. Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
Profesorado
  • Abell贸 Gamazo, Alberto
    info
    /
    Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto en grado (Grado en Ingeniería Informática y en Ciencia e Ingeniería de Datos), como en máster (Master in Data Science - MDS). Coordinador por parte de la UPC del doctorado Erasmus Mundus in Information Technologies for Business Intelligence - Doctoral College (IT4BI-DC) y la MSCA-ITN-EJD Data Engineering for Data Science (DEDS). Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, Fundació Probitas, entre otros.
  • Aluja Banet, Tom脿s
    info

    Profesor titular de la Universitat Politècnica de Catalunya (UPC). Es autor de 60 artículos publicados en revistas científicas o como capítulos de un libro. Temas de investigación abordados: Análisis multivariante, modelos de minería de datos, modelos para la estimación de intangibles y diseño de sistemas de learning analytics. Miembro de comités científicos de conferencias internacionales (entre ellas Computational Statistics, COMPSTAT, y PLS). Ha participado en diversos proyectos de investigación europeos y españoles en el campo de los sistemas basados en meta-datos estadísticos, la fusión de datos y la modelización de intangibles, y ha sido consultor estadístico de La Caixa, Kantar Media, Idescat y el Ayuntamiento de Barcelona entre otros.
  • Belanche Mu帽oz, Luis Antonio
    info

    Licenciado en Informática y Doctor en Inteligencia Artificial por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ciencias de la Computación de la UPC con más de treinta años de experiencia docente. Supervisor o tutor de más de cien tesis y trabajos de estudiantes. Actualmente imparte docencia en el Grado en Ciencia e Ingeniería de Datos y en el máster en Innovation and Research in Informatics (MIRI), el máster en Advanced Mathematics and Mathematical Engineering (MAMME), el máster en Inteligencia Artificial (IA) y el master in Data Science de la Facultad de Informática de Barcelona (FIB). Ha realizado más de ciento treinta publicaciones en revistas y congresos internacionales, y ha participado en quince proyectos de investigación. Recientemente ha sido jefe de estudios de la Facultad de Informática de Barcelona (FIB).
  • Berbegal Castell贸, Jos茅
    info

    Ingeniero en Informática por la Universitat Politècnica de Catalunya (UPC). Ha trabajado durante más de diez años en distintas empresas del sector de la seguridad y defensa. Actualmente, trabaja en aunav (dentro del grupo EM&E), en la división de aunav robots, dedicada al desarrollo de robots de desactivación de explosivos, ejerciendo como responsable del departamento de software e inteligencia artificial.
  • Berral Garc铆a, Josep Llu铆s
    info

    Ingeniero informático, master en Arquitectura de Computadores y doctor en Informática por la Universidad Politécnica de Cataluña (UPC). Su investigación se centra en gestión de recursos computacionales en sistemas cloud usando minería de datos y aprendizaje automático. Actualmente es investigador en el Departamento de Arquitectura de Computadores de la UPC y en el Barcelona Supercomputing Center (BSC), líder del grupo de investigación CROMAI. Especialista en gestión de centros de datos (cloud computing), aprendizaje automático (machine learning), minería y análisis de datos (data mining) e inteligencia artificial.
  • Bilalli, Besim
    info
    /
    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y Poznan University of Technology. Becario postdoctoral y profesor asociado en la UPC como parte del grupo de investigación Database Technologies and Information Management (DTIM). Está involucrado en actividades de investigación y enseñanza que van desde la gestión de datos hasta el aprendizaje automático. Sus intereses de investigación se encuentran en las áreas de administración de datos, preprocesamiento de datos y en la aplicación de técnicas de (meta) aprendizaje automático para brindar soporte al usuario para los diferentes pasos de análisis de datos. Miembro del comité del programa para las conferencias de Diseño, Optimización, Lenguajes y Procesamiento Analítico de Big Data (DOLAP) y DaWaK.
  • Delicado Useros, Pedro Francisco
    info
    /
    Catedrático del Departamento de Estadística e Investigación Operativa de la Universitat Politècnica de Catalunya (UPC). Autor de más de 45 artículos internacionales, sus temas de investigación incluyen el aprendizaje no supervisado (interpretabilidad en machine learning, curvas principales, clustering, multidimensional scaling), el análisis de datos funcionales (dependencia espacial, componentes principales) y las aplicaciones (demografía, análisis de resultados electorales, bioinformática). Ha colaborado como consultor estadístico con SEIF-88 (ensayos clínicos) y la Agència per a la Qualitat del Sistema Universitari de Catalunya (muestreo).
  • Deulofeu Aymar, Joaquim
    info
    /
    Licenciado y doctor en Ciencias Económicas y Empresariales por la Universidad de Barcelona (UB). Evaluador-asesor internacional EFQM, socio fundador y CEO de Calidad, Servicios Empresariales, S.L., empresa en la que desarrolla su actividad profesional como consultor desde hace más de veinticinco años. Profesor asociado en el Departamento de Organización de Empresas de la Universitat Politècnica de Catalunya (UPC), y profesor a la UPC School. Fundador y expresidente del Cercle Econòmic i Social Baix Montseny.
  • D铆az Iriberri, Jos茅
    info

    Doctor en Computación por la Universitat Politècnica de Catalunya (UPC). Actualmente se dedica a la investigación en el campo de la informática gráfica, es profesor agregado en la Universidad de Vic y colabora como docente en diversos grados y posgrados de la UPC. Ha sido investigador post-doctoral del programa de becas Marie Curie de la Comisión Europea en el grupo de Visual Computing del CRS4 (Italia). Su investigación se centra en la visualización de datos científicos, la computación paralela y programación de GPUs, y el diseño de aplicaciones en entornos de realidad virtual y aumentada.
  • Escolano Peinado, Carlos
    info
    /
    Doctor en informática por la Universitat Politècnica de Catalunya (UPC) y máster en Inteligencia Artificial por la UPC. Actualmente es investigador en el grupo de tecnologías del lenguaje del Barcelona Supercomputing Center (BSC), así como profesor asociado en el departamento de Ciencias de la Computación de la UPC. Su área de experiencia es el procesado del lenguaje natural, especialmente la traducción automática multilingüe con redes neuronales.
  • Gal铆 Reniu, Ferran
    info

    Apasionado de los sistemas distribuidos a nivel web. Gracias a haber trabajado con tecnologías de big data durante algunos años adquirió experiencia en resolución de problemas que requieren un procesamiento masivo de datos. Desde sus inicios con el entorno Hadoop hace diez años, ha intentado mantenerse al día de los últimos avances ya sea dejando huella en el trabajo, colaborando con instituciones educativas o implicándose en la comunidad. Ahora trabaja en LIFULL Connect materializando productos que requieren procesamiento de datos en tiempo real, todo ello utilizando Kafka, Avro, Kotlin y ElasticSearch.
  • Gonz谩lez Alonso, Pedro Javier
    info

    Ingeniero en Informática y máster en Innovación e Investigación en Informática (especialidad en Business Intelligence y Knowledge Discoverer) por la Universitat Politècnica de Catalunya (UPC). MBA por Esade. Actualmente es head of data science y CTO en nixi1, donde lidera el desarrollo de la tecnología del chatbot conversacional y la plataforma muticanal de solución nixi1.
  • Guti茅rrez Torre, Alberto
    info

    Doctor en Arquitectura de Computadores, licenciado en Ingeniería Informática y máster en Investigación e Innovación en Informática, con mención en Data Science, por la Universitat Politècnica de Catalunya (UPC). Actualmente es investigador postdoctoral en el grupo de Data-Centric Computing en el Barcelona Supercomputing Center (BSC) e investigador principal de los proyectos europeos INCISIVE, CALLISTO y SECURED, investigando en optimización de aplicaciones con high performance computing y el análisis de datos médicos distribuidos con federated learning.
  • Jamin Jean Jacques, Emmanuel
    info

    Doctor en Informática por la Universidad París XI. Research engineer en varios proyectos europeos en el dominio de la web semántica (proyectos FP7: SevenPro, IntelLEO, Neon, Khresmoi, MultiSensor y proyectos Horizon 2020: Socatel, Roborder, Aqua3S, Welcome). Actualmente es consultor IT en Everis sobre temas de inteligencia artificial, particularmente la web semántica y técnicas de proceso automático del lenguaje natural (NLP) para la gestión del conocimiento. También tiene experiencia en la creación de la startup Open Data Consulting, en la cual fue Chief Techonlogy Officer (CTO).
  • Jovanovic, Petar
    info

    Doctor de Ciencia de Computación por la Universitat Politècnica de Catalunya (UPC) y la Universidad Libre de Bruselas. Máster en Computación por la UPC. Ingeniero en Informática por la Universidad de Belgrado. Su ámbito de investigación se sitúa en el área de Business Intelligence, Big Data Management y sistemas de bases de datos distribuidas.
  • Lee Hsing, Simon
    info

    Ingeniero técnico en Diseño Industrial, Máster en Ingeniería del Software por la UPC, Máster en Desarrollo y Creación de Videojuegos por la UPF y PDG por el IESE. Fundador de la consultora de innovación abierta Peninsula Corporate Innovation y del programa de incubación de videojuegos GameBCN, anteriormente Director de Diseño en Digital Legends (recién adquirida por Activision). Actualmente también es profesor de Corporate Venturing en ESADE. Acumula más de 20 años creando productos digitales y mentorizando startups.
  • Maynou Yelamos, Marc
    info

    Ingeniero informático por la Universitat Politècnica de Catalunya (UPC). Máster en Data Science por la UPC. Actualmente es estudiante de doctorado y profesor asociado en la UPC como parte del grupo de investigación Database Technologies and Information Management (DTIM). Docencia en grado (Grado en Ingeniería Informática) y máster (Master in Data Science). Su investigación se centra en las áreas de gestión de datos y data discovery, ambas en el contexto de Big Data.
  • Montorn茅s Sol茅, Jordi
    info

    Ingeniero Superior en Informática por la Universitat Politècnica de Catalunya. Desde 2004, ha trabajado en empresas como Caixa Catalunya, HP o Vueling. Actualmente, ejerce como jefe de equipo en Ocado Technology.
  • Nadal Francesch, Sergi
    info
    /
    Doctor en informática por la Universidad Politécnica de Cataluña (UPC) y la Université Libre de Bruxelles (ULB). Actualmente es profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC, donde imparte docencia en la Facultad de Informática de Barcelona en el grado de Ingeniería Informática, en el grado en Inteligencia Artificial y en el máster en Ciencia de Datos. Sus intereses de investigación se encuentran en el área de la gestión de datos e información, con interés en la automatización del ciclo de vida de los datos, ámbito en el que ha publicado numerosos artículos y liderado proyectos de transferencia tecnológica.
  • Palmer, Jonathan
    info

    Vice presidente de la plataforma de datos Scopely. Bachelor of Arts en Historia Antigua por la Universidad de Bristol. Ha acumulado más de veinte años de experiencia en ingeniería de software y big data, trabajando en diversas industrias, incluyendo juegos móviles, medios y entretenimiento y fintech en Londres y Barcelona.
  • Perez Banquells, Serena
    info

    Ingeniera Informática por la Universitat Autónoma de Barcelona (UAB). Máster en Data Management e Innovación Tecnológica por la Universidad de Barcelona (UB) y la OBS Business School con la distinción Blue Talent Awards. Acumula una experiencia de más de veinte años en empresas como Mango, la Corporación de Radio y Televisión de Cataluña (CCRTV), Transports Metropolitans de Barcelona (TMB), focalizada siempre en sistemas de bases de datos, big data y transformacion digital y tecnológica. Actualmente trabaja como arquitecto cloud de grandes cuentas bancarias en la multinacional Oracle.
  • Pons Recasens, Gerard
    info

    Graduado en Ingeniería Física por la Universitat Politècnica de Catalunya (UPC) y máster en Ciencia de Datos por la UPC. Actualmente es doctorando en Computación por la UPC y forma parte del grupo de investigación Database Technologies and Information Manangement (DTIM).
  • Queralt Calafat, Anna
    info

    Doctora en Informática por la Universitat Politècnica de Catalunya (UPC). Actualmente es profesora en el Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC y responsable del grupo de investigación Database Technologies and Information Management. También colabora con el Barcelona Supercomputing Center como responsable de la línea de investigación Distributed Object Management, investigando en gestión de datos distribuidos en entornos de alto rendimiento y edge-to-cloud.
  • Romero Moral, 脪scar
    info

    Doctor en Informática por la Universitat Politècnica de Catalunya (UPC). Profesor del Departamento de Ingeniería de Servicios y Sistemas de Información de la UPC. Docencia tanto en el ámbito de grado como de máster universitario. Coordinador del Erasmus Mundus Master in Big Data Managament and Analytics (BDMA) y del máster en Data Science de la UPC. Investigación en el ámbito de la gestión de los datos y de la información, en el que ha publicado más de sesenta publicaciones en conferencias y revistas internacionales. Ha colaborado como consultor con SAP, HP, Zurich Seguros y OMS, entre otros.
  • S谩nchez Hern谩ndez, Germ谩n
    info

    Doctor en Automática, Robótica y Visión por la Universitat Politècnica de Catalunya (UPC). Miembro del grupo de investigación en Ingeniería del Conocimiento de la UPC, con varias publicaciones en revistas. Colaborador académico en Esade. Jefe de proyectos en AIS (Aplicaciones de Inteligencia Artificial, de PFSTech), con más de diez años liderando proyectos de gestión de datos geoespaciales y modelaje con técnicas tradicionales o de machine learning.
  • Segarra Alonso, Roger
    info

    Licenciado y máster en Derecho por ESADE Business Law School en 2008. Miembro del Ilustre Colegio de Abogados de Barcelona. Actualmente, es socio de la firma de abogados internacional Osborne Clarke. Acumula más de 15 años de experiencia en derecho de nuevas tecnologías, protección de datos y propiedad intelectual en los sectores de ciencias de la salud y de la vida, digital y comercio minorista.
  • Soler Gomis, Lluis
    info

    Licenciado en Administración y Dirección de Empresas por la Universidad Abat Oliba, MBA por el Instituto de Empresa y máster en eCommerce por La Salle. Es emprendedor, empresario y fan de las nuevas tecnologías, la creatividad y el trato humano. Actualmente es director de negocio y cofundador de SoftDoit.
  • Torrent Moreno, Marc
    info

    Ingeniero de Telecomunicación por la Universitat Politècnica de Catalunya (UPC). Doctor en Informática por la Universidad de Karlsruhe y Executive MBA por Esade. Tiene más de veinte años de experiencia en I+D+i en el ámbito de las TIC, formando parte de diversas organizaciones en Europa y en Estados Unidos (British Telecom, NEC Deutschland, Mercedes-Benz Estados Unidos, Universidad de California, Ficosa Internacional y Eureca). Centrado en el mundo de los datos ha dirigido la creación del Big Data CoE y del Centro de Innovación en Data Tech y IA de Cataluña. Actualmente es head of Data & Analytics del grupo BonPreu, y docente en varias universidades catalanas.
  • Torrents Poblador, Pere
    info

    Economista de formación ha desarrollado su carrera profesional en áreas de desarrollo de negocio y dirección de empresas del sector de videojuegos. Actualmente es Director de Operaciones en AnchorPoint Studios - en NetEase Games Studio - y profesor en Universitat Politècnica de Catalunya, School of Professional Executive Development y Centre de la Imatge i Tecnologia Multimèdia, en asignaturas de empresa y financiación tanto en grados como postgrados en videojuegos y Big Data.
  • Touma, Rizkallah
    info

    Doctor en Arquitectura de Computadores por la Universitat Politècnica de Catalunya (UPC). Máster en Tecnologías de Información para Business Intelligence por la UPC y la Universidad Libre de Bruselas (ULB). Actualmente lidera la línea de investigación de big data y data spaces en la Fundación i2CAT. Ha trabajado como investigador junior en el Centro de Supercomputación de Barcelona y ha participado en varios proyectos pan-Europeos (BigStorage, SoCaTel, CORDIS, BOOST 4.0, IoT-NGIN, TEADAL, CODECO).
  • V谩zquez Alcocer, Pere-Pau
    info

    Doctor en Software por la Universitat Politècnica de Catalunya (UPC). Profesor titular de universidad, del departamento de Ciencias de la Computación de la UPC. Imparte docencia en grados y máster en la UPC y ha participado en la docencia de cursos de grado o de máster en otras universidades, como la Universidad de Núremberg, la Universidad de Girona, la Universitat Oberta de Catalunya o la Universidad de Vic. Su área de investigación se centra en la visualización de datos científicos y los gráficos por computador.
  • Verdejo 脕lvarez, Gabriel
    info

    Ingeniero Informático por la Universidad Autónoma de Barcelona (UAB) y Diploma de Estudios Avanzados (DEA) del programa de doctorado de Inteligencia Artificial de la UAB. Postgrado en Gestión de la Innovación por la Universidad Politécnica de Cataluña (UPC). Ha trabajado en diversas empresas del sector TIC y de la innovación. Desde 2010 es el responsable del Laboratorio de Investigación y Desarrollo (RDlab) del departamento de Ciencias de la computación de la UPC, desde donde se proporciona soporte TIC a los grupos de investigación en sus proyectos nacionales, europeos y transferencia de tecnología.

Entidades colaboradoras

Socios estrat茅gicos
  • Facultat d'Inform脿tica de Barcelona. FIB (UPC)
    • Difunde el estudio en el entorno profesional y 谩mbito de especializaci贸n.
Socios colaboradores
  • AIS - Aplicaciones de Inteligencia Artificial, SA
  • Bon Preu, S.A.U.
  • SoftDoit

Salidas profesionales

  • Data scientist.
  • Digital transformation leader.
  • Data engineer.
  • Chief data officer.
  • Data architect.
  • Big data consultant.
  • Data analyst consultant.
  • Decisional systems engineer.

Testimonios

Testimonios

El máster de la UPC en Big Data es, desde mi perspectiva, el máster que mejor combina un enfoque teórico sólido y exhaustivo para entender las bases del data science con una aplicación práctica orientada a las necesidades de las empresas. En mi caso, buscaba un programa robusto en contenido que cubriera tanto la gestión de grandes volúmenes de datos como el machine learning e inteligencia artificial aplicados a cuestiones de negocio. Ambas vertientes han sido plenamente cubiertas, añadiendo su aplicación práctica en las sesiones de hands-on, donde hemos podido aplicar las principales herramientas y tecnologías líderes en el mercado y generar así expertise en su posterior implementación en entornos reales. Mención especial al gran nivel y currículo del profesorado, puesto que permite llegar al detalle en conceptos especialmente complejos. Todo ello me ha permitido conseguir de forma efectiva mis objetivos profesionales.

Arnald Gabarrell Supply Chain Data Scientist en General Motors (Zürich, Suiza)

Testimonios
Tras 15 años dedicados a la investigación biomédica y al análisis computacional de datos genómicos, quería dar el salto al mundo de la ciencia de datos en la empresa privada. El primer paso en esta renovación laboral consistía en prepararme bien, reorientando mis conocimientos técnicos hacia las necesidades particulares de la empresa. Me decanté por el máster en Big Data de la UPC por su enfoque global en los proyectos y por la tranquilidad de estar apostando por la consabida seriedad de la Universitat Politècnica de Catalunya. Sinceramente, cumplió mis expectativas: reforcé y amplié mis conocimientos de análisis de datos, descubrí la inmensa relevancia de una gestión inteligente de los mismos y vislumbré la manera de desarrollar proyectos empresariales de interés. Todo ello, de la mano de profesores muy competentes que ahondaban en cada una de las especialidades. Además, en el proyecto final de máster que realicé junto con dos compañeros de perfiles complementarios al mío atisbamos lo que es un servicio real sobre un problema de empresa. Actualmente, estoy trabajando como Global Data Scientist en Nespresso, una oportunidad que me surgió gracias a los contactos hechos durante el máster.

Belén Lorente Global Data Scientist en Nespresso

Testimonios
A la finalización de mis estudios en Ingeniería Informática en la FIB descubrí el mundo del business intelligence y me acabó atrapando. Actualmente, y después de diez años trabajando en gestión y explotación de la información, soy responsable del departamento de Business Intelligence & Analytics en Desigual. Este programa me ha dado un conocimiento amplio de cómo funcionan las bases de datos columnares, de grafs o con datos desestructurados tipo JSON. He aprendido arquitecturas para desarrollar soluciones en tiempo real con un alto volumen de información, y al mismo tiempo me ha aportado un abanico de algoritmos en estadística avanzada y machine learning los cuales soy capaz de aplicar en los problemas que se me presentan en mi trabajo. Esta es una formación con un alto nivel técnico para descubrir cómo se trabaja el big data y la analítica avanzada a través de la programación en diferentes tecnologías. Otorga una visión amplia en muchos aspectos y los conocimientos suficientes para afrontar proyectos de este tipo.

Marc Escribano IT Manager - Business Intelligence and Data Management en Desigual

Testimonios
El máster en Big Data Management, Technologies and Analytics me ha permitido dar el salto técnico de economía y empresa al análisis de datos. El programa proporciona una visión muy completa del mundo big data, con gran énfasis en la parte práctica, trabajando con las herramientas de gestión, los modelos de datos y los modelos analíticos más utilizados en el mercado. Los conocimientos y extensa experiencia de los docentes, así como la multidisciplinariedad de los alumnos, nos ha dotado de una sólida base técnica para afrontar un amplio repertorio de problemas en el mundo laboral. Como proyecto final, mis compañeros y yo desarrollamos una herramienta de predicción de casos de Covid-19 basada en datos de movilidad de dispositivos móviles. Para ello, construimos una base de datos y procesamiento de datos distribuidos, un modelo de predicción de machine learning y un plan de negocio completo. Gracias a los conocimientos adquiridos, he podido trabajar como data scientist en la empresa de consultoría Accenture y he obtenido una beca de la Fundación ”la Caixa” para cursar un máster en Computational Analysis and Public Policy en la Universidad de Chicago.

Núria Adell Raventós Data science analyst

Testimonios

Solicita informaci贸n o la admisi贸n

Informaci贸n y orientaci贸n:
Cecilia Salas Silva
(34) 93 706 80 35
隆Solicitud recibida!
Una vez registremos tu petici贸n, recibir谩s confirmaci贸n por correo electr贸nico y nos pondremos en contacto contigo.

Gracias por tu inter茅s en nuestros programas formativos.
Error
Por un error en la conexi贸n a la base de datos tu solicitud no se ha podido cursar. Te agradecer铆amos que repitas el proceso m谩s tarde o bien que te pongas en contacto con nosotros llamando al (34) 93 112 08 08 o envi谩ndonos un correo electr贸nico a: webmaster.fpc@fpc.upc.edu
Has superado el tama帽o m谩ximo del fichero
Por favor, revisa los datos de pago. La plataforma ha devuelto un error.
Puedes volver a hacer el pago sin introducir los datos nuevamente.

Nombre:

Curso: Data Science and Engineering

Precio: 9.100€

Enviar y realizar el pago
  • Si tienes alguna duda.
  • Si quieres iniciar los tr谩mites para matricularte.
C贸mo iniciar la admisi贸n
Para iniciar el proceso de inscripci贸n a este programa hay que rellenar y enviar el formulario que encontrar谩s al pie de estas l铆neas.

A continuaci贸n, recibir谩s un correo electr贸nico de bienvenida donde se detallar谩n los tres pasos a seguir para formalizar el proceso de inscripci贸n:

1. Completar y confirmar tus datos personales.

2. Validar tu curr铆culum vitae y adjuntar la documentaci贸n adicional requerida, en caso de que sea necesaria para la admisi贸n.

La UPC School requerir谩, adem谩s del curr铆culum vitae, la siguiente documentaci贸n adicional para la preinscripci贸n a este M谩ster de formaci贸n permanente:
    • Carta de motivación, en la cual se describa el background (formación y experiencia) y las motivaciones para la realización del programa.

3. Pagar 110鈧� en concepto de derechos de inscripci贸n al programa. El importe de estos derechos se descontar谩 de la cuant铆a total de la matr铆cula y s贸lo se devolver谩 en caso de no resultar admitido.

Una vez realizado el pago de derechos y dispongamos de toda la documentaci贸n, valoraremos tu candidatura y, si has sido admitido en el curso, te enviaremos la carta de admisi贸n. En este documento obtendr谩s todos los detalles para formalizar la matr铆cula del programa.





  pol铆tica de protecci贸n de datos

* Campos obligatorios

Informaci贸n b谩sica o primera capa sobre protecci贸n de datos

Responsable

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

Finalidad

Contestar a las solicitudes de informaci贸n del interesado sobre actividades de formaci贸n gestionadas o realizadas por la FPC.

Establecimiento o mantenimiento de relaci贸n acad茅mica con el interesado.

Enviar informaci贸n sobre las actividades de la FPC.

尝别驳颈迟颈尘补肠颈贸苍

Consentimiento del interesado.

Inter茅s leg铆timo en el desarrollo de la relaci贸n acad茅mica.

Destinatarios

No existen cesiones o comunicaciones.

Derechos

Acceso, rectificaci贸n, supresi贸n, limitaci贸n, oposici贸n y portabilidad.

Datos de contacto del delegado de protecci贸n de datos

info.dpo@fpc.upc.edu

Informaci贸n adicional

Pol铆tica de Privacidad de nuestra p谩gina Web.

Plazo de conservaci贸n

Pol铆tica de Privacidad de nuestra p谩gina Web.

Servicios de pago

En caso que el interesado formalice la relaci贸n con la FPC, el ordenante (interesado) autoriza y da su consentimiento al cargo, por tanto, con renuncia expresa al derecho de devoluci贸n sobre el cargo.

NORMATIVA ACAD脡MICA Y ECON脫MICA

La Fundaci贸 Polit猫cnica de Catalunya se reserva el derecho a realizar cualquier modificaci贸n en los contenidos, el precio, la ubicaci贸n, el horario y las fechas del programa antes de la fecha de inicio. No se considerar谩 formalizada la matr铆cula hasta que no se haya hecho efectivo su pago.

Derechos de inscripci贸n. La persona interesada tendr谩 que hacer efectivo el pago del importe especificado en concepto de derechos de inscripci贸n en el programa. El importe de estos derechos se descontar谩 del importe total de la matr铆cula y s贸lo se devolver谩 en caso de que la persona no sea admitida.

 Anulaci贸n o aplazamiento. La Fundaci贸 Polit猫cnica de Catalunya se reserva el derecho a anular o aplazar un programa si no hay suficientes alumnos. En caso de anulaci贸n o no admisi贸n, la Fundaci贸 Polit猫cnica de Catalunya devolver谩 la totalidad del importe pagado, sin ning煤n tipo de compensaci贸n adicional. En caso de aplazamiento, devolver谩 el importe pagado a las personas que as铆 lo soliciten.

Cancelaci贸n de la matr铆cula.
En caso de renuncia o cancelaci贸n de la matr铆cula, el estudiante deber谩 realizar, con car谩cter previo, una comunicaci贸n escrita a la UPC School.
  • Si esta solicitud de cancelaci贸n se realiza antes de 45 d铆as naturales del inicio del programa, la UPC School har谩 suyo s贸lo el 30% del importe total de la matr铆cula y devolver谩 la diferencia pagada.
  • En caso de que la solicitud se realice entre los 45 naturales y el inicio del programa, la UPC School se quedar谩 con el 60% del importe de la matr铆cula.
  • Una vez iniciado el programa, no se realizar谩 ninguna devoluci贸n.
Con car谩cter excepcional, habr谩 devoluci贸n de matr铆cula si la cancelaci贸n por parte del estudiante se produce por uno de los siguientes supuestos:
  • Denegaci贸n de visado, presentando documentaci贸n justificativa. En este caso, la UPC School devolver谩 el importe satisfecho de la matr铆cula menos 300 euros en concepto de gastos administrativos.
  • Enfermedad o accidente grave justificado mediante certificado m茅dico oficial, en el cual se indicar谩 la fecha inicial de la enfermedad y el periodo previsto de convalecencia. En esta situaci贸n la UPC School resolver谩 que:
    • Si la comunicaci贸n se produce hasta un mes despu茅s del inicio del programa, devolver谩 el importe efectivamente pagado menos 300 euros en concepto de gastos administrativos.
    • Pasado un mes despu茅s del inicio del programa, no se realizar谩 ninguna devoluci贸n, s贸lo se permitir谩 depositar el importe satisfecho para la matr铆cula de la siguiente edici贸n. Esta gesti贸n no conlleva ning煤n gasto administrativo para el estudiante. En todo caso, el estudiante asumir谩 la diferencia de precio entre la nueva matr铆cula y el importe anteriormente satisfecho.

Cambio de matr铆cula. Los cambios de matr铆cula previamente autorizados por la Fundaci贸 Polit猫cnica de Catalunya tendr谩n un coste de 300 € en concepto de gastos administrativos.

Descuentos.
  • Los descuentos no se pueden acumular. Se aplicar谩 el mayor descuento solicitado.
  • No se aplicar谩 ning煤n descuento que no se haya solicitado previamente y est茅 acreditado.
  • Una vez emitida la matr铆cula no se aplicar谩 ning煤n descuento.
  • Es responsabilidad del alumno informar de que quiere solicitar un determinado descuento.

罢颈迟耻濒补肠颈贸苍. Para obtener el t铆tulo/diploma que expide la Universitat Polit猫cnica de Catalunya es necesario tener una titulaci贸n universitaria oficial o bien un t铆tulo propio de universidad equivalente a un grado, diplomatura, licenciatura, ingenier铆a t茅cnica o ingenier铆a. De no ser as铆, el alumno obtendr谩 un certificado de superaci贸n del programa expedido por la Fundaci贸 Polit猫cnica de Catalunya. El/la alumno/a con deudas pendientes de pago con la Fundaci贸 Polit猫cnica de Catalunya o que no haya aprobado todos los cr茅ditos necesarios para superar el programa antes de la fecha de finalizaci贸n del mismo no podr谩 obtener el t铆tulo, diploma o certificado.

Barcelona, 31 de octubre de 2017


Enviar
天美直播 - - -