Universidad
Politécnica de Madrid

Proporcionar al estudiantado las capacidades para utilizar los últimos modelos de Deep Learning aplicados a diversos ámbitos como el procesamiento de lenguaje natural, el análisis de series temporales y los modelos de visión. Con el fin de ampliar la capacidad de implementación de estos conocimientos, también se introducirá en conceptos y metodologías de MLOps (Machine Learning Operations).

El título tiene un enfoque eminentemente práctico y aplicado.

Se dirige a profesionales que quieran especializarse en este campo con el objetivo de mejorar su perfil profesional y brindar mejores soluciones dentro de sus ámbitos de aplicación.

Se presenta el programa reducido, puedes encontrar el prgrama detallado en la web del Máster

Materia 1: Programación Créditos (9 créditos):

• Programación para Ciencia de Datos (6 créditos)
• Visualización de datos (3 créditos)

Materia 2: Aprendizaje automático (6 créditos):

• Introducción al Machine Learning (3 créditos)
• Redes Neuronales (3 créditos)

Materia 3: Introducción al Deep Learning (15 créditos):

• Deep Learning (6 créditos)
• Introducción a NLP (3 créditos)
• Modelos generativos (3 créditos)
• Graph Neural Networks (3 créditos)

Materia 4: Deep Learning avanzado (15 créditos):

• Deep Learning para NLP (3 créditos)
• Deep Learning para Visión (3 créditos)
• Deep Learning para series temporales (3 créditos)
• Operacionalización de Machine Learning (MLOps) (3 créditos)

Materia 5: Ética para la IA (3 créditos)

• Ética para la IA (3 créditos)

Materia 6: Proyectos de Deep Learning (6 créditos)

Materia 7: Trabajo Fin de Máster (9 créditos)