Título propio

DIPLOMA DE EXTENSIÓN UNIVERSITARIA EN INTELIGENCIA ARTIFICIAL DE SAMSUNG INNOVATION CAMPUS

  • Desde: 18/4/23
  • Hasta: 26/7/23
  • Campus de Valencia
  • Idioma: Castellano
  • Presencial

Preinscripción desde el 8/3/23
Matrícula desde el 23/3/23

Responsable de la actividad:
Cesar Ferri Ramirez



Modalidad

Presencial Online Emisión en directo

350 horas


0 horas


0 horas

Horario

Mañana y Tarde
Lunes, martes, miércoles, jueves y Viernes: Tarde (16-21h)

Lugar de impartición
Centro de Formación Permanente
Titulación

Diploma de Extensión

Modalidad

PRESENCIAL

Curso

2022-2023

ECTS

35

Campus

Valencia

350 h

Presenciales

0 h

Online

Precio Colectivo Plazos Desde Hasta
100,00 € Alumno UPV 1 plazo - -
100€ Alumno UPV

*Este título está financiado por la Cátedra Samsung y al finalizar el curso se devolverá el 100% del importe a los alumnos que hayan finalizado con éxito el curso.

Prácticas

El título permite realizar prácticas externas extracurriculares durante el periodo lectivo. Las prácticas tendrán con carácter general una duración máxima de hasta el 30% de los créditos necesarios para superar la titulación en estudios de grado y de hasta el 40% en los títulos propios de posgrado.


Objetivos

Este curso de IA está pensado para que los estudiantes aprendan los fundamentos esenciales de la IA, adquieran las habilidades fundamentales de la ciencia de los datos y puedan utilizar las habilidades de la IA en el campo laboral tras la finalización del curso.
Como todas las prácticas se realizan utilizando bibliotecas de Python.
Los estudiantes necesitan tener conocimientos y habilidades básicas de programación en Python.

Dirigido a

Alumnos UPV
Se exigirá el CV, expediente académico y DNI de los participantes para la selección.
La preinscripción estará abierta hasta el 2/04/23


Requisitos de acceso

Alumnos de la UPV
Los candidatos a participar deberán ser estudiantes de la UPV y tendrán preferencia aquellos que estén matriculados en los siguientes grados:

Grado en Ciencia de Datos
Grado en Biotecnología
Grado en Diseño y Tecnologías Creativas
Grado en Ingeniería Electrónica Industrial y Automática
Grado en Ingeniería Informática
Grado en Tecnologías Interactivas
Grado en Ingeniería de Tecnologías y Servicios de Telecomunicación
Grado en Ingeniería Aeroespacial
Grado en Informática Industrial y Robótica
Grado en Ingeniería en Geomática y Topografía
Grado en Ingeniería de Sistemas de Telecomunicación, Sonido e Imagen
Grado en Tecnología Digital y Multimedia

Además se valorará los créditos superados, teniendo preferencia aquellos estudiantes a los que les falten menos de 15 créditos y el TFG para obtener la titulación.

La UPV realizará la selección de los candidatos que (i) demuestren tener el número suficiente de créditos superados , (ii) cumplan con los requisitos de edad y (iii) demuestren tener un conocimiento mínimo en materia de algoritmos, estructuras de datos y programación, y procederá a evaluar las candidaturas en cumplimiento de los tres requerimientos mencionados.

1 Expediente académico mostrando las asignaturas superadas y créditos restantes para la finalización de la titulación.
2 Edad: la edad de los alumnos que se inscriban no debe superar los 25 años.
3 Conocimiento mínimo en materia de algoritmos, estructuras de datos y programación.


Asignaturas

01

INTRODUCTION TO ARTIFICIAL INTELLIGENCE

0,4 ECTS

Cesar Ferri Ramirez: Catedrático/a de Universidad

02

MATH FOR DATA SCIENCE

3,3 ECTS

Víctor Manuel Ortiz Sotomayor: Profesor/a Ayudante Doctor

03

NUMPY ARRAYS FOR OPTIMIZED NUMERICAL COMPUTATION

3,3 ECTS

Salvador España Boquera: Profesor/a Titular de Universidad

Javier Palanca Camara: Profesor/a Ayudante Doctor

04

PROBABILITY AND STATISTICS

3,3 ECTS

Maria Ángeles Calduch Losa: Profesor/a Permanente Laboral

05

MACHINE LEARNING – UNSUPERVISED LEARNING

3,3 ECTS

Fernando Martinez Plumed: Profesor/a Ayudante Doctor

06

MACHINE LEARNING – SUPERVISED LEARNING

3,7 ECTS

Fernando Martinez Plumed: Profesor/a Ayudante Doctor

07

NATURAL LANGUAGE PROCESSING AND LANGUAGE MODELS FOR TEXT MINING

3,3 ECTS

Antonio Molina Marco: Profesor/a Titular de Universidad

08

VARIOUS DEEP LEARNING TECHNIQUES

3,2 ECTS

Carlos Monserrat Aranda: Catedrático/a de Universidad

09

NEURAL NETWORK AND DEEP LEARNING

3,2 ECTS

Carlos Monserrat Aranda: Catedrático/a de Universidad

10

STARTING AN AI PROJECT

0,3 ECTS

Cesar Ferri Ramirez: Catedrático/a de Universidad

11

AI CAPSTONE PROJECT TUTORIAL

0,2 ECTS

Cesar Ferri Ramirez: Catedrático/a de Universidad

12

CAPSTONE PROJECT

7,5 ECTS

Behzad Mehrbakhsh: Técnico Superior de Investigación


Otra información de interés

*Este título está financiado por la Cátedra Samsung y al finalizar el curso se devolverá el 100% del importe a los alumnos que hayan finalizado con éxito el curso.