ֱ

Esta página web usa cookies

El sitio web de la Fundació Politècnica de Catalunya utiliza cookies propias y de terceros para mejorar la experiencia de navegación y con fines estadísticos. Para obtener más información 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 ningún entorno activo
Tu acceso ha sido restringido. Consulta con el departamento de administración
Por problemas técnicos el campus virtual es inaccesible. Estamos trabajando para solucionarlo. Disculpa las molestias.
No tienes autorización para realizar esta llamada. Puedes consultar en webmaster.fpc@fpc.upc.edu
Ha superado el número máximo de intentos. Su usuario está bloqueado temporalmente. Vuelve a acceder dentro de un rato.
Tienes que introducir el usuario del campus no un correo electrónico
Tienes que realizar la verificación para comprobar que no eres un robot.
ֱo   >  Másteres y posgrados  >  ǰó  >  Microcredencial en Machine y Deep Learning para la Detección de Anomalías en Imágenes y Series Temporales
¡Te asesoramos! Solicita información o la admisión
  • discount

    Financiado por el Ministerio de Ciencia, Innovación y Universidades en el marco del Plan Microcreds. Subvención aplicable a residentes en España entre 25 y 64 años.

  • discount

    Gratuito para personas en paro, rentas bajas y riesgo de exclusión social en el marco del Plan Microcreds.

Estas ayudas y los descuentos de UPC School no son acumulables.

ʰԳٲó

徱ó
1ª 徱ó
é徱ٴDz
3 ECTS (24 horas lectivas)
Tipo
Microcredencial
Modalidad
Semipresencial
Idioma de impartición
貹ñDZ
Precio
900€ 270€(Financiado por el Ministerio de Ciencia, Innovación y Universidades en el marco del Plan Microcreds. Subvención aplicable a residentes en España entre 25 y 64 años.)
Observaciones pago de la matrícula y campaña 0,7%
Inscripción abierta hasta el inicio del curso o hasta agotar plazas.
Fechas de realización
Fecha de inicio: 30/09/2025
Fecha de fin: 16/12/2025
Horario
Martes: 18:30 a 20:30
- 4 sesiones aula práctica
- 4 sesiones aula teórica
- 8 sesiones conexión virtual
Lugar de realización
EEBE - Escola d'Enginyeria de Barcelona Est
Avda. Eduard Maristany, 16
08019 Barcelona
¿Por qué esta microcredencial?
Esta microacreditación ofrece una formación especializada en técnicas de Machine Learning y Deep Learning para la detección de anomalías, respondiendo a las necesidades formativas de sectores como la biomedicina y la energía eólica. La experiencia de aprendizaje combina teoría y práctica para capacitar a los participantes en el análisis de datos complejos, como imágenes biomédicas y series temporales, mediante la inteligencia artificial.

El curso de Machine Learning y Deep Learning para la Detección de Anomalías en Imágenes y Series Temporales prepara a los participantes para desarrollar competencias clave en el ámbito del análisis de datos y la IA aplicada a la detección de anomalías.
Impulsado por:
  • Ministerio de Ciencia, Innovación y Universidades
  • Plan de Recuperación, Transformación y Resiliencia Gobierno de 貹ñ
  • Unión Europea. NextGenerationEU
Objetivos
  • Analizar datos para identificar patrones y anomalías.
  • Diseñar, entrenar y evaluar modelos de machine learning para detectar anomalías en imágenes biomédicas y series temporales.
  • Detectar anomalías aplicando técnicas de deep learningmediante arquitecturas avanzadas como CNN y RNN. 
  •  Evaluar el rendimiento con métricas adecuadas e interpretar resultados para su aplicación real.
  • Integrar soluciones en entornos productivos, desplegando modelos de detección de anomalías para su eficiencia operativa.
¿A quién va dirigido?
Profesionales de diversos sectores que requieren aplicar técnicas avanzadas de machine learning y deep learning para la detección de anomalías. En particular, se enfoca en los siguientes ámbitos:

  • Biomedicina y Salud.
  • Energía Eólica y Energías Renovables.
  • Industria Manufacturera.

Contenidos formativos

Relación de asignaturas
3 ECTS 24h
+
Semipresencial
Machine y Deep Learning para la Detección de Anomalías en Imágenes y Series Temporales
1. Introducción y problemas base:

• Introducción general al curso y objetivos.
• Casos de estudio.
• Definición de metodologías de aprendizaje:
• Supervisado.
• No supervisado.
• Semi-supervisado.

2. Python y Google Colab:

• Fundamentos básicos de Python:
• Tipos de datos, estructuras y control de flujo.
• Funciones y clases.
• Manejo de librerías esenciales como NumPy, Pandas y Matplotlib.
• Uso de Google Colab como entorno de programación:
• Configuración básica y acceso a recursos en la nube.
• Ejecución de notebooks y manejo de librerías.

3. Procesamiento de datos:

• Adquisición de datos:
• Fuentes de datos abiertas.
• Extracción y carga de datos.
• Procesamiento y limpieza:
• Identificación y manejo de valores faltantes.
• Normalización y estandarización de datos.
• Análisis exploratorio de datos:
• Visualización de patrones.
• Generación de resúmenes estadísticos.

4. Machine Learning:

• Técnicas de aprendizaje supervisado y no supervisado

5. Deep Learning:

• Redes neuronales profundas:
• Perceptrón Multicapa (MLP).
• Redes neuronales recurrentes (LSTM, GRU).
• Modelos avanzados:
• Convolutional Neural Networks (CNN).
• Vision Transformers (ViT).
• Transformers generales.

6. Proyectos finales:

• Aplicación de técnicas en casos reales.

La UPC School se reserva el derecho de modificar el contenido del programa, que puede variar para una mayor adaptación a los objetivos del curso.
վٳܱó

Credencial digital de Europass emitida por la Universitat Politècnica de Catalunya en Machine y Deep Learning para la Detección de Anomalías en Imágenes y Series Temporales.

Metodología de aprendizaje

La metodología docente del programa facilita el aprendizaje del estudiantado y la consecución de las competencias necesarias.

- Aprendizaje basado en problemas.

- Aprendizaje basado en proyectos.

- Sesiones expositivas de contenidos.

- Estudio de caso.



Criterios de evaluación
Asistencia
Se requiere como mínimo el 80% de asistencia a las horas lectivas.
Elaboración de trabajos
Estudios sobre una temática determinada, individual o grupal, en los que se evalúa la calidad y profundidad de los trabajos, entre otros aspectos.

Equipo docente

Dirección Académica
  • Vidal Segui, Yolanda
    info
    / / /
    Doctora en Matemática Aplicada por la UPC, donde es profesora agregada y directora del grupo de investigación Wind Turbine Condition Monitoring, integrado en CoDAlab ' Control, Datos e Inteligencia Artificial. Especialista en IA aplicada a la monitorización de aerogeneradores, ha liderado 4 proyectos competitivos con colaboraciones destacadas con centros tecnológicos (Ikerlan) y empresas del sector eólico. Miembro senior del IEEE, es autora de más de 65 artículos en revistas indexadas, 11 libros, 1 patente y más de 125 comunicaciones en congresos. En 2024 recibió el 1er Premio de Ciencia Abierta de la UPC.
Profesorado
  • Barrera Llanga, Kevin Ivan
    info
    / / /
    Doctor en Automática, Robótica y Visión por Computador por la Universitat Politècnica de Catalunya (UPC). Máster en Ingeniería Mecatrónica por la Universitat Politècnica de València (UPV). Ingeniero en Mecatrónica (ESPE). Forma parte del grupo de investigación Control, Dades i Intel·ligència Artificial (CoDALab) y del grupo local de IA de IEEE España. Profesor en la UPC, donde coordina la asignatura de Computer Vision, y en la Universitat Oberta de Catalunya (UOC), donde imparte la asignatura de Deep Learning. Investiga la IA aplicada al diagnóstico hematológico y a fallos industriales.
  • Encalada-Davila, Angel
    info

    Estudiante del doctorado de Ingeniería Civil en University College Dublin (UCD), Irlanda. Máster en Ingeniería Mecatrónica por la Universidad de Oviedo, España. Grado universitario en Ingeniería Mecatrónica por la Escuela Superior Politécnica del Litoral (ESPOL), Ecuador. Hasta la fecha son cinco años de experiencia en IA aplicada en energía eólica, incluyendo monitoreo de la salud estructural (SHM) y monitoreo de la condición (CM). Además dos años de experiencia en el sector privado, entre la banca financiera y el sector acuícola. Cuenta con más de 10 artículos de revista Q1 y de conferencia.
  • Vidal Segui, Yolanda
    info
    / / /
    Doctora en Matemática Aplicada por la UPC, donde es profesora agregada y directora del grupo de investigación Wind Turbine Condition Monitoring, integrado en CoDAlab ' Control, Datos e Inteligencia Artificial. Especialista en IA aplicada a la monitorización de aerogeneradores, ha liderado 4 proyectos competitivos con colaboraciones destacadas con centros tecnológicos (Ikerlan) y empresas del sector eólico. Miembro senior del IEEE, es autora de más de 65 artículos en revistas indexadas, 11 libros, 1 patente y más de 125 comunicaciones en congresos. En 2024 recibió el 1er Premio de Ciencia Abierta de la UPC.

Solicita información o la admisión

Información y orientación:
Cecilia Salas Silva
(34) 93 706 80 35
¡Solicitud recibida!
Una vez registremos tu petición, recibirás confirmación por correo electrónico y nos pondremos en contacto contigo.

Gracias por tu interés en nuestros programas formativos.
Error
Por un error en la conexión a la base de datos tu solicitud no se ha podido cursar. Te agradeceríamos que repitas el proceso más tarde o bien que te pongas en contacto con nosotros llamando al (34) 93 112 08 08 o enviándonos un correo electrónico a: webmaster.fpc@fpc.upc.edu
Has superado el tamaño máximo 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: Machine y Deep Learning para la Detección de Anomalías en Imágenes y Series Temporales

Precio: 900€ 270€(Financiado por el Ministerio de Ciencia, Innovación y Universidades en el marco del Plan Microcreds. Subvención aplicable a residentes en España entre 25 y 64 años.)

Enviar y realizar el pago
  • Si tienes alguna duda.
  • Si quieres iniciar los trámites para matricularte.
Cómo iniciar la admisión
Para conocer el proceso de matrícula de este curso contacta con:

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




  política de protección de datos

* Campos obligatorios

Información básica o primera capa sobre protección de datos

Responsable

Fundació Politècnica de Catalunya (en adelante, FPC).

Finalidad

Contestar a las solicitudes de información del interesado sobre actividades de formación gestionadas o realizadas por la FPC.

Establecimiento o mantenimiento de relación académica con el interesado.

Enviar información sobre las actividades de la FPC.

𲵾پó

Consentimiento del interesado.

Interés legítimo en el desarrollo de la relación académica.

Destinatarios

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.

Derechos

Acceso, rectificación, supresión, limitación, oposición y portabilidad.

Datos de contacto del delegado de protección de datos

info.dpo@fpc.upc.edu

Información adicional

Política de Privacidad de nuestra página Web.

Plazo de conservación

Política de Privacidad de nuestra página Web.

Servicios de pago

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

NORMATIVA ACADÉMICA Y ECONÓMICA

La Fundació Politècnica de Catalunya se reserva el derecho a realizar cualquier modificación en los contenidos, el precio, la ubicación, el horario y las fechas del programa antes de la fecha de inicio. No se considerará formalizada la matrícula hasta que no se haya hecho efectivo su pago.

Derechos de inscripción. La persona interesada tendrá que hacer efectivo el pago del importe especificado en concepto de derechos de inscripción en el programa. El importe de estos derechos se descontará del importe total de la matrícula y sólo se devolverá en caso de que la persona no sea admitida.

Anulación o aplazamiento. La Fundació Politècnica de Catalunya se reserva el derecho a anular o aplazar un programa si no hay suficientes alumnos. En caso de anulación o no admisión, la Fundació Politècnica de Catalunya devolverá la totalidad del importe pagado, sin ningún tipo de compensación adicional. En caso de aplazamiento, devolverá el importe pagado a las personas que así lo soliciten.

Cancelación de la matrícula.
En caso de renuncia o cancelación de la matrícula, el estudiante deberá realizar, con carácter previo, una comunicación escrita a la UPC School.
  • Si esta solicitud de cancelación se realiza antes de 45 días naturales del inicio del programa, la UPC School hará suyo sólo el 30% del importe total de la matrícula y devolverá la diferencia pagada.
  • En caso de que la solicitud se realice entre los 45 naturales y el inicio del programa, la UPC School se quedará con el 60% del importe de la matrícula.
  • Una vez iniciado el programa, no se realizará ninguna devolución.
Con carácter excepcional, habrá devolución de matrícula si la cancelación por parte del estudiante se produce por uno de los siguientes supuestos:
  • Denegación de visado, presentando documentación justificativa. En este caso, la UPC School devolverá el importe satisfecho de la matrícula menos 300 euros en concepto de gastos administrativos.
  • Enfermedad o accidente grave justificado mediante certificado médico oficial, en el cual se indicará la fecha inicial de la enfermedad y el periodo previsto de convalecencia. En esta situación la UPC School resolverá que:
    • Si la comunicación se produce hasta un mes después del inicio del programa, devolverá el importe efectivamente pagado menos 300 euros en concepto de gastos administrativos.
    • Pasado un mes después del inicio del programa, no se realizará ninguna devolución, sólo se permitirá depositar el importe satisfecho para la matrícula de la siguiente edición. Esta gestión no conlleva ningún gasto administrativo para el estudiante. En todo caso, el estudiante asumirá la diferencia de precio entre la nueva matrícula y el importe anteriormente satisfecho.

Cambio de matrícula. Los cambios de matrícula previamente autorizados por la Fundació Politècnica de Catalunya tendrán un coste de 300 € en concepto de gastos administrativos.

Descuentos.
  • Los descuentos no se pueden acumular. Se aplicará el mayor descuento solicitado.
  • No se aplicará ningún descuento que no se haya solicitado previamente y esté acreditado.
  • Una vez emitida la matrícula no se aplicará ningún descuento.
  • Es responsabilidad del alumno informar de que quiere solicitar un determinado descuento.

վٳܱó. Para obtener el título/diploma que expide la Universitat Politècnica de Catalunya es necesario tener una titulación universitaria oficial o bien un título propio de universidad equivalente a un grado, diplomatura, licenciatura, ingeniería técnica o ingeniería. De no ser así, el alumno obtendrá un certificado de superación del programa expedido por la Fundació Politècnica de Catalunya. El/la alumno/a con deudas pendientes de pago con la Fundació Politècnica de Catalunya o que no haya aprobado todos los créditos necesarios para superar el programa antes de la fecha de finalización del mismo no podrá obtener el título, diploma o certificado.

Barcelona, 31 de octubre de 2017


Enviar