Las grandes empresas tecnológicas están invirtiendo intensamente en Inteligencia Artificial (IA), transformando radicalmente la forma de trabajar, hacer negocios y vivir. Esta revolución tecnológica generará una alta demanda de profesionales especializados para liderar su implementación en diversos sectores.
La Maestría ofrece formación avanzada en áreas clave como machine learning, optimización computacional y razonamiento difuso. Con un enfoque innovador y un claustro de expertos, el programa prepara a los estudiantes con las competencias necesarias para aprovechar las oportunidades de la IA y responder a la alta demanda de perfiles especializados en el mercado laboral y científico
La formación que te presentamos a continuación está orientada a titulados que estén interesados en conocer los últimos avances en el área de la computación y la automatización.
Dotarte de un amplio y completo conjunto de habilidades enmarcadas dentro de los distintos campos del área de la IA, principalmente el aprendizaje automático o machine learning, la optimización computacional y el razonamiento difuso.
Introducción a Python 6 ECTS - Obligatoria
Permite al estudiante introducirse en el mundo de la programación en Python, el lenguaje de facto estándar en la comunidad científica. Así, además de cubrir los fundamentos teóricoprácticos para escribir programas en Python, se centra en su aplicabilidad en las áreas de aprendizaje automático, tratamiento y análisis de datos. Por ello, se incluye una introducción a los módulos más populares: NumPy (para colecciones y funciones matemáticas), pandas (para estructura de datos), matplotlib y seaborn (para representación gráfica de datos).
Matemáticas para la inteligencia artificial 6 ECTS - Obligatoria
Realiza un recorrido por las diferentes ramas de la lógica y las matemáticas. Repasa conceptos básicos y avanzados de lógica proposicional, lógica de predicados, teoría de conjuntos, álgebra lineal, análisis y probabilidad. En conjunto, todas estas nociones y sus técnicas asociadas son esenciales para comprender los fundamentos de muchos de los conceptos relacionados con la inteligencia artificial.
Algoritmos de optimización 6 ECTS - Obligatoria
El diseño de algoritmos es una de las bases de las ciencias de la computación y la inteligencia artificial. El análisis y optimización de algoritmos resulta fundamental para una mayor eficiencia
y precisión en tareas de cálculo, estimación, modelado, etc. Por ello, el objetivo es proporcionar al estudiante información de diferentes técnicas de diseño de algoritmos, así como conocimientos para analizar y medir su eficiencia. De igual manera, se abordan las principales técnicas de diseño de algoritmos exactos y metaheurísticas donde se analizan sus características generales, ventajas e inconvenientes.
Razonamiento aproximado 6 ECTS - Obligatoria
Dota al estudiante de las bases conceptuales del razonamiento aproximado, la serie de técnicas que permiten describir, representar y hacer inferencias considerando y aprovechando la imprecisión e incertidumbre inherentes a los desarrollos en inteligencia artificial. Se presentan los modelos clásicos (bayesiano, factores de certeza y teoría de la evidencia) y se profundiza en la Teoría de conjuntos borrosos/difusos o Lógica borrosa/ difusa (Fuzzy Logic).
Aprendizaje supervisado 6 ECTS - Obligatoria
Aborda el proceso completo para la creación de modelos predictivos a partir del análisis inteligente de la información. El objetivo final es desarrollar, validar y evaluar algoritmos de machine learning aplicados a problemas de regresión y clasificación. Además, se estudian técnicas de computer vision y reconocimiento de patrones a partir de imágenes. Finalmente, se introducen los principios éticos y aspectos legales de la inteligencia artificial en el ámbito industrial.
Aprendizaje no supervisado 6 ECTS - Obligatoria
Realiza un recorrido por las técnicas más empleadas dentro del aprendizaje automático no supervisado, brindando al estudiante una visión detallada de los aspectos teóricos acompañada de ejercicios prácticos de consolidación. Revisa, asimismo, los principales algoritmos de clustering y de reducción de dimensionalidad, además de técnicas de aprendizaje semi-supervisado y métodos generativos.
Redes neuronales y deep learning 6 ECTS - Obligatoria
Dota al estudiante de conocimiento sobre los principios y aplicaciones de las redes neuronales artificiales y deep learning, tanto desde un punto de vista discriminativo como generativo. Se aborda teoría general, así como el diseño de arquitecturas de redes neuronales y aplicaciones de estas en campos como el procesamiento del lenguaje natural o la visión por computador mediante aproximaciones basadas en aprendizaje supervisado y no supervisado. Se trabaja también con frameworks específicos para el desarrollo de soluciones basadas en aprendizaje profundo.
Aprendizaje por refuerzo 6 ECTS - Obligatoria
Introduce qué es el aprendizaje por refuerzo y su contexto como rama de la inteligencia artificial y el aprendizaje automático, basándose en el estado del arte de sus técnicas y clasificaciones más representativas. Además, aborda la conexión de este tipo de soluciones con el uso de enfoques basados en deep learning, ya que esta combinación ha sido la responsable de algunos de los grandes hitos dentro de la inteligencia artificial en los últimos años.
Trabajo Final de Máster 12 ECTS
El Trabajo Fin de Máster consiste en la planificación, realización, presentación y defensa de un proyecto original sobre un tema relacionado con los contenidos del máster.
Al concluir con éxito la formación recibirás una titulación de Maestría Universitaria en Inteligencia Artificial, emitido por la Universidad Internacional de Valencia (VIU).
Para acceder a la formación los asistentes deben presentar titulación universitaria.
Información Adicional
14ª Edición - Abril 2025
Créditos: 60 ECTS
Duración 1 curso académico
Salidas Profesionales:
Otros cursos
