Máster Universitario en Investigación en Inteligencia Artificial (P04C)

Universidad Internacional Menéndez Pelayo

Master oficial

En CSIC, Madrid

2001-3000 €

Más información

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.

900 49 49 40

Llamada gratuita. Lunes a Viernes de 9h a 20h.

Descripción

  • Tipología

    Master oficial

  • Lugar

    Csic, madrid

Organizado en colaboración con la Asociación Española para la Inteligencia Artificial (AEPIA)
Información general para el curso 2020-2021
V Edición. De octubre de 2020 a julio de 2021
La Universidad Internacional Menéndez Pelayo (UIMP) y la Asociación Española para la Inteligencia Artificial (AEPIA) han programado, en alianza académica, un Programa Oficial de Máster Universitario en Investigación en Inteligencia Artificial, cuyo objetivo es dotar al estudiante de una formación en los paradigmas de mayor vigencia e interés en el ámbito de la inteligencia artificial y en su aplicación a la resolución de problemas.
El máster proporciona una formación de postgrado especializada en aspectos avanzados científicos y tecnológicos de la inteligencia artificial para preparar titulados versátiles que puedan desarrollar posteriormente avances en el conocimiento del ámbito (investigación básica), o en su aplicación al desarrollo de nuevos productos o servicios o a la innovación sobre los ya existentes, en los cuales se utilicen métodos o técnicas de la inteligencia artificial.
Se pretende, por tanto, formar titulados con posibilidad de fácil adaptación a diferentes entornos de trabajo y a diferentes perfiles de especialización.
El máster consta de 3 especialidades:
Especialidad en Aprendizaje y Ciencia de Datos
Especialidad en Inteligencia en la Web
Especialidad en Razonamiento y planificación
El programa está adaptado a los criterios establecidos por el Espacio Europeo de Educación Superior (EEES) y su carga lectiva se establece en créditos ECTS, que es el estándar adoptado por todas las universidades del EEES para garantizar la homogeneidad y la calidad de los estudios universitarios.

Instalaciones y fechas

Ubicación

Inicio

CSIC, Madrid (Madrid)
Ver mapa
Juan de la Cierva, 3., 28006

Inicio

Consultar

Preguntas & Respuestas

Añade tu pregunta

Nuestros asesores y otros usuarios podrán responderte

¿Quién quieres que te responda?

Déjanos tus datos para recibir respuesta

Sólo publicaremos tu nombre y pregunta

Opiniones

Materias

  • Inteligencia artificial

Temario

  • Descripción del Título
  • El Máster Universitario en Investigación en Inteligencia Artificial tiene una carga lectiva de 60 créditos ECTS y se imparte bajo la modalidad de enseñanza a distancia. El programa puede realizarse a tiempo completo en un único curso académico, o bien a tiempo parcial en dos años. En este último caso, los estudiantes deberán matricularse en el primer año de un mínimo de 30 créditos y de un máximo de 45 créditos ECTS. El máster se estructura en 3 créditos obligatorios, 45 créditos optativos y 12 créditos de Trabajo de Fin de Máster, y posee tres especialidades: Especialidad 1: Especialidad en Aprendizaje y Ciencia de Datos. Especialidad 2: Especialidad en Inteligencia en la Web. Especialidad 3: Especialidad en Razonamiento y planificación. La estructura de plan de estudios en función de las especialidades es la siguiente: ESPECIALIDAD 1 - APRENDIZAJE Y CIENCIA DE DATOS 1. 102463 - A6. Introducción a la Investigación (3 ECTS) 2. Aprendizaje y Ciencia de Datos (22,5 ECTS): 102470 - A7. Métodos supervisados (4,5 ECTS) 102471 - A8. Métodos no supervisados y detección de anomalías (4,5 ECTS) 102472 - A9. Datos temporales y complejos (4,5 ECTS) 102473 - A10. Big Data: Herramientas para el procesamiento de datos masivos (9 ECTS) 3. El estudiante debe seleccionar asignaturas optativas donde alguna trabaje las competencias específicas CE1, CE3 y CE4 (22,5 ECTS). En esta Tabla se puede consultar la relación de materias/asignaturas del plan con sus correspondientes competencias. 4. 102484 - Trabajo de Fin de Máster (12 ECTS) ESPECIALIDAD 2 - INTELIGENCIA EN LA WEB 1. 102463 - A6. Introducción a la Investigación (3 ECTS) 2. Inteligencia en la Web (22,5 ECTS): 102474 - A11. Web semántica y datos enlazados (4,5 ECTS) 102475 - A12. Tecnologías semánticas avanzadas (4,5 ECTS) 102476 - A13. Sistemas de Recomendación (4,5 ECTS) 102477 - A14. Recuperación y extracción de información, grafos y redes sociales (4,5 ECTS) 102478 - A20. Métodos empíricos de procesamiento del lenguaje natural (4,5 ECTS) 3. El estudiante debe seleccionar asignaturas optativas donde alguna trabaje la competencia específica CE1 (22,5 ECTS). En esta Tabla se puede consultar la relación de materias/asignaturas del plan con sus correspondientes competencias. 4. 102484 - Trabajo de Fin de Máster (12 ECTS) ESPECIALIDAD 3 - RAZONAMIENTO Y PLANIFICACIÓN 1. 102463 - A6. Introducción a la Investigación (3 ECTS) 2. Razonamiento y Planificación (22,5 ECTS): 102479 - A15. Razonamiento automático (4,5 ECTS) 102480 - A16. Planificación automática (4,5 ECTS) 102481 - A17. Búsqueda heurística avanzada (4,5 ECTS) 102482 - A18. Razonamiento con restricciones (4,5 ECTS) 102483 - A21. Aprendizaje por refuerzo (4,5 ECTS) 3. El estudiante debe seleccionar asignaturas optativas donde alguna trabaje la competencia específica CE2 (22,5 ECTS). En esta Tabla se puede consultar la relación de materias/asignaturas del plan con sus correspondientes competencias. 4. 102484 - Trabajo de Fin de Máster (12 ECTS)
  • El Máster Universitario en Investigación en Inteligencia Artificial tiene una carga lectiva de 60 créditos ECTS y se imparte bajo la modalidad de enseñanza a distancia.
  • 60 créditos ECTS
  • El programa puede realizarse a tiempo completo en un único curso académico, o bien a tiempo parcial en dos años. En este último caso, los estudiantes deberán matricularse en el primer año de un mínimo de 30 créditos y de un máximo de 45 créditos ECTS.
  • El máster se estructura en 3 créditos obligatorios, 45 créditos optativos y 12 créditos de Trabajo de Fin de Máster, y posee tres especialidades:
  • Especialidad 1: Especialidad en Aprendizaje y Ciencia de Datos. Especialidad 2: Especialidad en Inteligencia en la Web. Especialidad 3: Especialidad en Razonamiento y planificación.
  • Especialidad 1: Especialidad en Aprendizaje y Ciencia de Datos.
  • Especialidad 1: Especialidad en Aprendizaje y Ciencia de Datos.
  • Especialidad 1
  • Especialidad 2: Especialidad en Inteligencia en la Web.
  • Especialidad 2: Especialidad en Inteligencia en la Web.
  • Especialidad 2
  • Especialidad 3: Especialidad en Razonamiento y planificación.
  • Especialidad 3: Especialidad en Razonamiento y planificación.
  • Especialidad 3
  • La estructura de plan de estudios en función de las especialidades es la siguiente:
  • ESPECIALIDAD 1 - APRENDIZAJE Y CIENCIA DE DATOS
  • 1. 102463 - A6. Introducción a la Investigación (3 ECTS)
  • 2. Aprendizaje y Ciencia de Datos (22,5 ECTS):
  • 102470 - A7. Métodos supervisados (4,5 ECTS) 102471 - A8. Métodos no supervisados y detección de anomalías (4,5 ECTS) 102472 - A9. Datos temporales y complejos (4,5 ECTS) 102473 - A10. Big Data: Herramientas para el procesamiento de datos masivos (9 ECTS)
  • 102470 - A7. Métodos supervisados (4,5 ECTS)
  • 102470 - A7. Métodos supervisados (4,5 ECTS)
  • 102471 - A8. Métodos no supervisados y detección de anomalías (4,5 ECTS)
  • 102471 - A8. Métodos no supervisados y detección de anomalías (4,5 ECTS)
  • 102472 - A9. Datos temporales y complejos (4,5 ECTS)
  • 102472 - A9. Datos temporales y complejos (4,5 ECTS)
  • 102473 - A10. Big Data: Herramientas para el procesamiento de datos masivos (9 ECTS)
  • 102473 - A10. Big Data: Herramientas para el procesamiento de datos masivos (9 ECTS)
  • 3. El estudiante debe seleccionar asignaturas optativas donde alguna trabaje las competencias específicas CE1, CE3 y CE4 (22,5 ECTS).
  • En esta Tabla se puede consultar la relación de materias/asignaturas del plan con sus correspondientes competencias.
  • esta Tabla
  • esta Tabla
  • 4. 102484 - Trabajo de Fin de Máster (12 ECTS)
  • ESPECIALIDAD 2 - INTELIGENCIA EN LA WEB
  • 1. 102463 - A6. Introducción a la Investigación (3 ECTS)
  • 2. Inteligencia en la Web (22,5 ECTS):
  • 102474 - A11. Web semántica y datos enlazados (4,5 ECTS) 102475 - A12. Tecnologías semánticas avanzadas (4,5 ECTS) 102476 - A13. Sistemas de Recomendación (4,5 ECTS) 102477 - A14. Recuperación y extracción de información, grafos y redes sociales (4,5 ECTS) 102478 - A20. Métodos empíricos de procesamiento del lenguaje natural (4,5 ECTS)
  • 102474 - A11. Web semántica y datos enlazados (4,5 ECTS)
  • 102474 - A11. Web semántica y datos enlazados (4,5 ECTS)
  • 102475 - A12. Tecnologías semánticas avanzadas (4,5 ECTS)
  • 102475 - A12. Tecnologías semánticas avanzadas (4,5 ECTS)
  • 102476 - A13. Sistemas de Recomendación (4,5 ECTS)
  • 102476 - A13. Sistemas de Recomendación (4,5 ECTS)
  • 102477 - A14. Recuperación y extracción de información, grafos y redes sociales (4,5 ECTS)
  • 102477 - A14. Recuperación y extracción de información, grafos y redes sociales (4,5 ECTS)
  • 102478 - A20. Métodos empíricos de procesamiento del lenguaje natural (4,5 ECTS)
  • 102478 - A20. Métodos empíricos de procesamiento del lenguaje natural (4,5 ECTS)
  • 3. El estudiante debe seleccionar asignaturas optativas donde alguna trabaje la competencia específica CE1 (22,5 ECTS).
  • En esta Tabla se puede consultar la relación de materias/asignaturas del plan con sus correspondientes competencias.
  • esta Tabla
  • esta Tabla
  • 4. 102484 - Trabajo de Fin de Máster (12 ECTS)
  • ESPECIALIDAD 3 - RAZONAMIENTO Y PLANIFICACIÓN
  • 1. 102463 - A6. Introducción a la Investigación (3 ECTS)
  • 2. Razonamiento y Planificación (22,5 ECTS):
  • 102479 - A15. Razonamiento automático (4,5 ECTS) 102480 - A16. Planificación automática (4,5 ECTS) 102481 - A17. Búsqueda heurística avanzada (4,5 ECTS) 102482 - A18. Razonamiento con restricciones (4,5 ECTS) 102483 - A21. Aprendizaje por refuerzo (4,5 ECTS)
  • 102479 - A15. Razonamiento automático (4,5 ECTS)
  • 102479 - A15. Razonamiento automático (4,5 ECTS)
  • 102480 - A16. Planificación automática (4,5 ECTS)
  • 102480 - A16. Planificación automática (4,5 ECTS)
  • 102481 - A17. Búsqueda heurística avanzada (4,5 ECTS)
  • 102481 - A17. Búsqueda heurística avanzada (4,5 ECTS)
  • 102482 - A18. Razonamiento con restricciones (4,5 ECTS)
  • 102482 - A18. Razonamiento con restricciones (4,5 ECTS)
  • 102483 - A21. Aprendizaje por refuerzo (4,5 ECTS)
  • 102483 - A21. Aprendizaje por refuerzo (4,5 ECTS)
  • 3. El estudiante debe seleccionar asignaturas optativas donde alguna trabaje la competencia específica CE2 (22,5 ECTS).
  • En esta Tabla se puede consultar la relación de materias/asignaturas del plan con sus correspondientes competencias.
  • esta Tabla
  • esta Tabl
  • 4. 102484 - Trabajo de Fin de Máster (12 ECTS)
  • Actividades formativas
  • A1 - Sesiones presenciales virtuales: visionado inicial del material audiovisual (vídeos introductorios, presentaciones, animaciones) que se elabore en cada una de las materias y que servirán presentación de cada uno de los temas a los estudiantes. A2 - Trabajos individuales: realización de ejercicios, resolución de problemas, realización de prácticas y/o trabajos/proyectos individuales. A3 - Trabajo autónomo: estudio del material básico, lecturas complementarias y otros contenidos y estudio. A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión general. A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc. La actividad formativa "A2 - Trabajos individuales" tiene un carácter único y exclusivamente práctico. Es con esta actividad formativa donde los estudiantes movilizarán los conocimientos y las habilidades presentados en las sesiones presenciales virtuales abordando problemas de diseño, implementación, validación y aplicación de los algoritmos que se encuentran detrás de las competencias del título.
  • A1 - Sesiones presenciales virtuales: visionado inicial del material audiovisual (vídeos introductorios, presentaciones, animaciones) que se elabore en cada una de las materias y que servirán presentación de cada uno de los temas a los estudiantes.
  • Sesiones presenciales virtuales
  • A2 - Trabajos individuales: realización de ejercicios, resolución de problemas, realización de prácticas y/o trabajos/proyectos individuales.
  • Trabajos individuales
  • A3 - Trabajo autónomo: estudio del material básico, lecturas complementarias y otros contenidos y estudio.
  • Trabajo autónomo
  • A4 - Foros y chats: lanzamiento de cuestiones y temas para la discusión general.
  • Foros y chats
  • A5 - Tutorías: consultas y resolución de dudas, aclaraciones, etc.
  • Tutorías
  • La actividad formativa "A2 - Trabajos individuales" tiene un carácter único y exclusivamente práctico. Es con esta actividad formativa donde los estudiantes movilizarán los conocimientos y las habilidades presentados en las sesiones presenciales virtuales abordando problemas de diseño, implementación, validación y aplicación de los algoritmos que se encuentran detrás de las competencias del título.
  • Sistemas de evaluación
  • E1 - Valoración de los cuestionarios de evaluación: los estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación que será objeto de puntuación en la nota final. E2 - Valoración de la participación en foros y chats: se valorará el nivel de participación/debate de los estudiantes que contará para la nota final. E3 - Valoración de los trabajos individuales: se valorarán los problemas, proyectos, trabajos realizados y entregados a través de la plataforma, y apoyado en los casos que sea necesario (sobre todo cuando se trate de desarrollo de código) por plataformas de gestión de código como GitHub. También se incluirá el video que el alumno deberá enviar al profesor para cada asignatura. E4 - Evaluación del Trabajo de fin de Máster (TFM): se valorará por el Tribunal de Defensa del TFM la memoria elaborada por el estudiante así como la defensa pública que se realice ante el Tribunal. Todas estas actividades estarán soportadas por la plataforma de enseñanza virtual, que también permitirá determinar la identidad de los estudiantes que participen en los procesos de evaluación. Asimismo, al menos una vez en cada asignatura, se solicitará el envío de un vídeo por parte del alumno sobre alguno de los temas realizados, que será evaluado por el profesor de la asignatura.
  • E1 - Valoración de los cuestionarios de evaluación: los estudiantes realizarán por cada unidad didáctica un cuestionario de evaluación que será objeto de puntuación en la nota final.
  • Valoración de los cuestionarios de evaluación
  • E2 - Valoración de la participación en foros y chats: se valorará el nivel de participación/debate de los estudiantes que contará para la nota final.
  • Valoración de la participación en foros y chats
  • E3 - Valoración de los trabajos individuales: se valorarán los problemas, proyectos, trabajos realizados y entregados a través de la plataforma, y apoyado en los casos que sea necesario (sobre todo cuando se trate de desarrollo de código) por plataformas de gestión de código como GitHub. También se incluirá el video que el alumno deberá enviar al profesor para cada asignatura.
  • Valoración de los trabajos individuales
  • E4 - Evaluación del Trabajo de fin de Máster (TFM): se valorará por el Tribunal de Defensa del TFM la memoria elaborada por el estudiante así como la defensa pública que se realice ante el Tribunal.
  • Evaluación del Trabajo de fin de Máster (TFM)
  • Todas estas actividades estarán soportadas por la plataforma de enseñanza virtual, que también permitirá determinar la identidad de los estudiantes que participen en los procesos de evaluación.
  • Asimismo, al menos una vez en cada asignatura, se solicitará el envío de un vídeo por parte del alumno sobre alguno de los temas realizados, que será evaluado por el profesor de la asignatura.

Más información

¿Necesitas un coach de formación?

Te ayudará a comparar y elegir el mejor curso para ti y a financiar tu matrícula en cómodos plazos.

900 49 49 40

Llamada gratuita. Lunes a Viernes de 9h a 20h.

Máster Universitario en Investigación en Inteligencia Artificial (P04C)

2001-3000 €